Cluster analýza. Vědecký přístup ke studiu komplexních jevů

Kontrola každého procesu, včetně marketingu, zahrnuje objektivní posouzení situace na trhu. Postupně se pohybuje v procesu analýzy tržních příležitostí, které zahrnují výběr cílových trhů a vývoj komplexního marketingu a realizace marketingových aktivit, nevědomky potýkají s nutností výzkumu. Je tedy nutné nejen spoléhat na talent a zkušenosti analytika, ale i na školení v jeho použití počítačového zpracování dat.

V moderní ekonomice, se svými složitými a mnohostranný procesů, obrovské množství informací, které mají najít nejvíce relevantní data bez použití různých statistických balíčků stává velmi problematické.

To zaujímá zvláštní analýzu clusteru role ve výzkumu trhu. Vzhledem ke své povaze, tuto kombinovanou metodou, kombinující několik metod statistického výzkumu. Je založen na lži klasifikace vícerozměrných pozorování, z nichž každý má svou vlastní sadu popisných proměnných. Shluková analýza navrhuje metodu pro klasifikaci objektu v relativních homogenní (jednotných) skupiny, které mají původní soubor proměnných pro zvážení. Jinými slovy, objekty jsou rozděleny do skupin. Ve skupinách, které vykazují podobnosti z několika důvodů.

Cluster analytické metody se používají pro širokou škálu marketingových cílů.

Segmentace trhu umožňuje spotřebiteli rozbít kategorii do klastrů na základě očekávaných přínosů pořízení určitého zboží. Každý cluster se může skládat z spotřebitele, kteří hledají podobné výhody. Jméno, které si vybral vhodnou metodu - výhody segmentace.

Analýza chování spotřebitelů. V tomto úkolu, analýza clusteru se používá k vytvoření homogenní skupiny zákazníků pro simulaci jejich chování.

Definování vlastnosti nového produktu, můžeme jej vyrobit seskupením značek, zároveň lze vystopovat pravidelnosti výraznější, když se značky ve stejném klastru vykazují tvrdé konkurenci mezi sebou než s ochrannými známkami v jiných uskupení.

Seskupování klastrů ve městě, můžete si vybrat nejvhodnější trhy pro určité zboží.

Shluková analýza snižuje rozměrnost dat. Provádění pozorování na oddělených shluků, přesunout do vícenásobné diskriminační analýzy. Je to mnohem jednodušší a levnější, než zvážit každý případ.

Cílem shlukování je skupina objektů podobnými vlastnostmi. Pro objektivnější posouzení stupně podobnosti by měly zavést některé referenční jednotky. Při tvorbě shluků obvykle spoléhají na dvou nebo více funkcí současně.

Shluková analýza zahrnuje použití široké škály metod shlukování. Mezi nimi jsou takové, že pravděpodobnostní přístup, přístupy, které jsou založené na umělé inteligenci, logický přístup, hierarchického přístupu.

Hierarchická shluková analýza zahrnuje komplexní systém, který se skládá z několika vnořené skupiny nebo seskupení z různých řádů. Tato metoda používá dva druhy známek. Shlukovat (sjednocení) známky koexistovat s divizivnymi (sdílení). Počet prvků vede k separaci na monothetic klasifikačních metod a polythetic.

Pomocí všech těchto metod v statistik, tam je asi sto algoritmy sdružování. Ale hierarchická shluková analýza je lídrem v tomto seznamu. Jeho přitažlivost spočívá v tom, že to funguje dokonale s deficitem dat, a to i když jsou dostupné údaje neprobíhá, jak vyžaduje situace normálně distribuované náhodné veličiny, stejně jako ostatních požadavků klasických statistických metod.