Кластер анализа. Научни приступ у истраживању сложених феномена

Контрола сваког процеса, укључујући маркетинг, подразумева објективну процену ситуације на тржишту. Постепено се креће кроз процес анализе тржишних прилика, које укључују избор циљних тржишта, као и развој комплексног маркетинга и спровођење маркетиншких активности, несвесно суочен са потребом истраживања. Стога је неопходно не само да се ослони на таленту и искуство аналитичара, али и на тренингу у свом коришћењу техника обраде података.

У модерној економији, са својим сложеним и многоструким процесима, огромне количине информација да пронађу најрелевантније податке без употребе различитих статистичких пакета постаје веома проблематичан.

Она заузима посебну анализу улога кластер у маркетинг истраживањима. По својој природи, овај комбинованом методом, комбиновањем неколико метода статистичких истраживања. Он се заснива на лажима класификације мултиваријационих посматрања, од којих свака има своју групу описне варијабли. Кластер анализа предлаже метод за класификује објекат у релативном хомогених (Униформ) групе које имају оригинални скуп варијабли за разматрање. Другим речима, предмети се деле на групе. У групама, показују сличности на неколико основа.

Кластер методе анализе се користе за широк спектар маркетиншких циљева.

Сегментација тржишта омогућава потрошачу да се пробије категорију у кластере на основу очекиваних користи од стицања одређене робе. Свака група може састојати од потрошача који траже сличне користи. Име је изабрао одговарајући - Користи метод сегментације.

Анализа понашања потрошача. У овом задатку, анализа кластер се користи за креирање хомогена група купаца како би се симулира своје понашање.

Дефинисање карактеристике новог производа, можемо произвести по груписање брендова, у исто време може се пратити регуларност изрећи када су брендови истог кластера испољавају жестока конкуренција једни другима него са оценама у другим кластера.

Груписање кластера у граду, можете одабрати најприкладније тржишта за одређене робе.

Кластер анализа смањује димензионалност података. Обављање запажања о одвојеним кластера, а затим прећи на вишеструке дискриминативне анализе. То је много једноставније и јефтиније него размотрити сваки случај.

Циљ груписања је да група предмета од сличних карактеристика. За више објективне процене степена сличности треба увести неки референтну јединицу. У формирању кластера обично се ослањају на два или више функција истовремено.

Кластер анализа обухвата употребу широког спектра метода кластеринг. Међу њима су, као што су вероватноће приступ, приступ, који се заснива на вештачкој интелигенцији, логичним приступом, хијерархијског приступа.

Анализа хијерархијских кластера подразумева сложени систем који има велики број уметнутих група или кластера различитих налога. Ова метода користи две врсте знакова. Агломерат (уједине) знаци коегзистирају са дивизивними (дељење). Број карактеристика доводи до раздвајања на монотхетиц методама класификације и политхетиц.

Користећи све ове методе у статистици, има око стотину и груписања алгоритама. Али хијерархијска кластер анализа је лидер у овој листи. Њена жалба лежи у чињеници да је савршено послује са дефицитом података, чак и када су расположиви подаци не одвија у складу са условима нормално дистрибуирани случајне променљиве, као и другим захтевима класичних статистичких метода.