Cluster analüüsi. Teaduslik lähenemine uuring komplekssed nähtused

Kontrolli mis tahes protsessi, sealhulgas turustamist, mille jaoks määratakse objektiivselt hinnata olukorda turul. Tasapisi liigub läbi protsessi analüüs turuvõimalusi, mis hõlmavad sihtturgude valik ja arendamine keeruka turustamise ja rakendamise turundustegevuse, tahtmatult silmitsi vajadusega teadusuuringute. Seega ei ole vaja mitte ainult toetuda talent ja kogemused analüütik, vaid ka koolitust selle kasutamiseks andmetöötluse meetodeid.

Tänapäeva majandus, mille keerukas ja mitmetahuline protsesse, tohutul hulgal teavet leida kõige olulisemad andmed ilma kasutada erinevaid statistilisi pakette muutub väga problemaatiline.

See on eriline roll klasteranalüüsi turundusuuringute. Oma olemuselt on see kombineeritud meetodil, mis ühendab mitmeid meetodeid statistiliste uuringute. See põhineb valesid klassifitseerimise Mitmevariatsioonilise tähelepanekud, millest igaüks on oma komplekt kirjeldava muutuja. Klasteranalüüs soovitab meetodit klassifitseerida objektiks suhtelises homogeense (ühtlase) rühmad, mille algne muutujaid tasu eest. Teisisõnu, objektid on jaotatud gruppidesse. Rühmades, nad näitavad sarnasusi mitmel põhjusel.

Cluster analüüsimeetodeid kasutatakse mitmesuguseid turundus eesmärke.

Killustatust võimaldab tarbijal murda kategooria klastritesse põhjal oodatav kasu omandamine teatud kaupu. Iga klastri võib koosneda tarbijatele, kes otsivad sarnaseid eeliseid. Nimi ta tõusis sobiv - kasu segmenteerimine meetod.

Analüüs tarbijakäitumise. Selle ülesande, klasteranalüüsi kasutatakse luua homogeenset kliendigruppide et simuleerida oma käitumist.

Iseloomulikke jooni uus toode, saame seda rühmitamise teel marki, samal ajal on võimalik jälgida korrektsuse hääldatakse kui margid sama klastri näitus tihe konkurents omavahel kui kaubamärkide teiste klastrite.

Rühmitus klastrite linna, saate valida kõige sobivam turgudel teatud kaupu.

Klasteranalüüs vähendab dimensionaalsusest andmeid. Performing tähelepanekud eraldi klastrid, siis liikuda mitu diskriminantanalüüsiks. See on palju lihtsam ja odavam kui kaaluda iga juhtumi puhul.

Eesmärgiks klastrite on rühm objektide sarnaste omadustega. Objektiivsema hindamise sarnasus peaks kehtestama mõned viited üksus. In klastrite tavaliselt toetuvad kahe või enama funktsiooni samaaegselt.

Klasteranalüüs puhul kasutatakse erinevaid klastrite meetodeid. Nende hulgas on näiteks tõenäosuslik lähenemine, lähenemisviise, mis põhinevad tehisintellekti, loogiline lähenemine, hierarhiline lähenemisviis.

Hierarhilise klasteranalüüsi keerukat süsteemi, mis on mitmeid pesastatud grupid või klastrite erinevaid tellimusi. See meetod kasutab kahte liiki märke. Aglomeraadisarnaseid (ühendav) märke kõrvuti divizivnymi (jagamine). Funktsioonide arv viib eraldamine monothetic liigitamisele ja polythetic.

Kasutades kõiki neid meetodeid statistika on umbes sada ja klastrite algoritme. Aga hierarhilise klasteranalüüsi on liider selles nimekirjas. Selle kaebuse seisneb selles, et ta tegutseb täiesti puudujäägiga andmeid, isegi kui olemasolevate andmete ei toimu nõutud tingimustele normaaljaotust juhuslikud muutujad, samuti muid nõudeid klassikalise statistilisi meetodeid.