클러스터 분석. 복잡한 현상의 연구에서 과학적 접근

마케팅을 포함한 모든 공정의 제어는, 시장 상황의 객관적 평가를 포함한다. 점차적으로 목표 시장의 선택, 그리고 개발 등 시장 기회의 분석 과정을 통해 이동 복잡한 마케팅 및 마케팅 활동의 구현을 무의식적으로 연구의 필요성에 직면. 따라서이 애널리스트의 재능과 경험에 의존뿐만 아니라, 데이터 처리 기술의 사용에서 훈련 할뿐만 아니라 필요하다.

현대 경제에서의 복잡하고 다각적 인 프로세스와, 많은 양의 정보가 서로 다른 통계 패키지를 사용하지 않고 대부분의 관련 데이터를 찾는 것은 매우 문제가된다.

이는 마케팅 조사에서 특별한 역할 클러스터 분석을 차지합니다. 그 성질이 조합 된 방법에 의해 통계 학적 연구의 여러 가지 방법을 조합. 그것은 설명에는 고유 한 변수 세트가 각각의 변수 관찰의 거짓말 분류를 기반으로합니다. 클러스터 분석은 고려 변수들의 원래 세트를 갖는 상대적으로 균질 (균일) 그룹에서 물체를 분류하는 방법을 제안한다. 즉, 개체가 그룹으로 분류된다. 그룹, 그들은 여러 가지 이유로 유사성을 보여줍니다.

클러스터 분석 방법은 마케팅 목표의 넓은 범위에 사용됩니다.

시장 세분화는 소비자가 특정 상품의 인수의 예상 이익에 기초 클러스터로 범주를 중단 할 수 있습니다. 각 클러스터는 비슷한 혜택을 찾고있는 소비자들로 구성 될 수있다. 이익 분할 방법 - 이름은 그가 적절한를 들었다.

소비자 행동의 분석. 이 작업에서는 클러스터 분석은 자신의 동작을 시뮬레이션하기 위해 균일 한 고객 그룹을 만드는 데 사용됩니다.

새로운 제품의 기능을 정의, 우리가 클러스터링하여 생성 할 수 있습니다 , 브랜드 동시에는 발음 규칙을 추적 할 수있을 때 동일한 클러스터 전시의 브랜드 다른 클러스터의 마크보다 서로 치열한 경쟁.

도시에서 클러스터를 그룹화, 당신은 특정 상품에 가장 적합한 시장을 선택할 수 있습니다.

클러스터 분석은 데이터의 차원을 줄일 수 있습니다. 별도의 클러스터에 대한 관찰을 수행 한 후 다중 판별 분석으로 이동합니다. 각각의 경우를 생각보다 훨씬 간단하고 저렴합니다.

클러스터링의 목표는 유사한 특성에 의해 그룹 개체이다. 유사도의 객관적 평가를위한 어떤 기준 유닛을 소개한다. 클러스터를 형성에서 일반적으로 동시에 두 개 이상의 기능에 의존하고 있습니다.

클러스터 분석 클러스터링 방법의 넓은 범위의 사용을 포함한다. 그중 기반으로 확률 적 접근 방법, 등이다 인공 지능, 논리적 인 접근 방식, 계층 적 접근 방법.

계층 적 클러스터 분석 중첩 된 그룹 또는 다른 주문 클러스터의 번호를 가지고 복잡한 시스템을 포함한다. 이 방법은 증상 두 가지를 사용합니다. 집 괴암 (통합) 표시는 divizivnymi (공유)과 공존. 기능의 수는 monothetic 분류 방법과 polythetic의 분리로 이어집니다.

통계 이러한 방법을 모두 사용하여 약 1 백 클러스터링 알고리즘이 있습니다. 그러나 계층 적 군집 분석이 목록의 선두 주자입니다. 그 매력은 조건 정규 분포 확률 변수뿐만 아니라 고전적인 통계 기법의 다른 요구 사항에 의해 필요에 따라 사용 가능한 데이터가 발생하지 않는 경우에도, 데이터의 적자와 완벽하게 작동한다는 사실에있다.