Klyngeanalyse. Den vitenskapelige tilnærmingen i studiet av komplekse fenomener

Kontroll av en prosess, inkludert markedsføring, innebærer en objektiv vurdering av situasjonen på markedet. Gradvis beveger seg gjennom prosessen med analyse av markedsmuligheter, som inkluderer valg av markeder og utvikling av komplekse markedsføring og gjennomføring av markedsaktiviteter, uforvarende overfor nødvendigheten av forskning. Derfor er det nødvendig ikke bare å stole på talent og erfaring analytiker, men også på trening i bruken av databehandlingsteknikker.

I den moderne økonomien, med sine komplekse og mangefasettert prosesser, store mengder informasjon å finne de mest relevante data uten bruk av ulike statistiske pakker blir svært problematisk.

Det har en spesiell rolle klyngeanalyse i markedsføring forskning. Av natur denne kombinerte metode, ved å kombinere flere metoder for statistisk forskning. Den er basert på ligger klassifisering av multivariate observasjoner, som hver har sitt eget sett av beskrivende variabler. Cluster-analyse antyder en fremgangsmåte for å klassifisere objektet i relative homogene (ensartede) grupper med det opprinnelige sett av variabler for vurdering. Med andre ord, gjenstander brytes ned i grupper. I grupper, de viser likheter på flere grunnlag.

Klase analysemetoder er anvendt for et bredt spekter av mål markedsføring.

Markedssegmentering tillater forbrukeren å bryte kategorien i klynger på grunnlag av de forventede fordelene ved kjøp av visse varer. Hver klynge kan bestå av forbrukere som er på jakt etter lignende fordeler. Navnet han plukket en passende - fordeler segmentering metoden.

Analysen av forbrukeratferd. I denne oppgaven blir det klyngeanalyse anvendt for å skape en ensartet kundegrupper for å simulere deres oppførsel.

Definere funksjoner i det nye produktet, kan vi produsere den ved clustering merkevarer, samtidig kan spores regularitet uttalt når merkene i samme klynge utstillings en hard konkurranse med hverandre enn med merkene i de andre klynger.

Gruppering klynger i byen, kan du velge den mest hensiktsmessige markeder for enkelte varer.

Klyngeanalyse reduserer dimensjonaliteten av dataene. Utføre observasjoner på separate grupper, og deretter bevege seg til flere diskriminant analyse. Det er mye enklere og billigere enn å vurdere hvert enkelt tilfelle.

Målet med clustering er å gruppere objekter ved tilsvarende egenskaper. For en mer objektiv vurdering av graden av likhet bør innføre noen referanseenhet. Ved dannelse av klynger typisk avhengige av to eller flere funksjon samtidig.

Klyngeanalyse innebærer bruk av et bredt spekter av klynge metoder. Blant dem er for eksempel sannsynlighets tilnærming, tilnærminger, som er basert på kunstig intelligens, logisk tilnærming, en hierarkisk tilnærming.

Hierarkisk cluster-analyse involverer et komplekst system som har et antall stablede grupper eller klynger av forskjellig orden. Denne metoden bruker to typer skilt. Klumpe (samlende) tegn sameksistere med divizivnymi (deling). Antallet funksjoner fører til en separasjon på monothetic klassifiseringsmetoder og polythetic.

Ved hjelp av alle disse metodene i statistikken, er det om lag hundre og clustering algoritmer. Men den hierarkiske klyngeanalyse er ledende i denne listen. Dens appell ligger i det forhold at de arbeider perfekt med et underskudd av data, selv om de tilgjengelige data ikke finner sted etter behov ved de betingelser som normalt fordelt tilfeldige variabler, så vel som andre krav til de klassiske statistiske metoder.