noen prosessledelse, inkludert markedsføring, forutsetter en objektiv vurdering av situasjonen på markedet.Gradvis beveger seg gjennom alle faser av analysen av markedsmuligheter, som inkluderer valg av markeder og utvikling av markedsføring og gjennomføring av markedsaktiviteter, uforvarende møtt med behovet for å studere.Dette må ikke bare stole på talent og erfaring fra analytikeren, men også på deres dyktige bruk av data behandlingsteknikker.
I dagens økonomi med sine komplekse og mangefasettert prosesser, store mengder informasjon å finne de mest relevante data uten bruk av ulike statistiske pakker blir svært problematisk.
spesiell rolle i markedsføring forskning tar en klyngeanalyse.Ved sin natur, dette kombinert metode som kombinerer flere metoder for statistiske undersøkelser.Den er basert på ligger klassifisering av multivariate observasjoner, som hver har sitt eget sett av beskrivende variabler.Cluster-analyse antyder en måte å klassifisere gjenstand for en relativt homogen (tilsvarende) grupper som har et utgangspunkt for vurdering av et sett av variabler.Med andre ord, blir objektene delt inn i grupper.I grupper, de viser likheter på flere grunnlag.
klynge analysemetoder brukes til et bredt spekter av markedsføring mål.
Market Segmentering lar deg dele forbrukeren kategori i klynger på grunnlag av de forventede fordelene ved kjøp av visse varer.Hver klynge kan bestå av forbrukere som er på jakt etter tilsvarende ytelser.Navnet han plukket en passende - segmentering metoden fordeler.
analyse av kundeatferd.I denne oppgaven blir cluster analyse brukes til å lage en homogen forbrukergrupper for å modellere sin atferd.
bestemme muligheten for et nytt produkt, kan du gjøre det clustering merke, med en markert mønster observert når de merker av samme klynge utstillings en hard konkurranse med hverandre enn med merkevarer i andre klynger.
gruppering klynger i byen, kan du velge den mest hensiktsmessige markeder for enkelte varer.
klyngeanalyse reduserer dimensionality av dataene.Å gjøre observasjoner av individuelle klynger, og deretter gå til flere diskriminant analyse.Det er mye enklere og billigere enn hvert enkelt tilfelle vurdere.
Målet for clustering er å gruppere objekter på tilsvarende grunnlag.For en mer objektiv vurdering av graden av likhet bør innføre visse standarder av enheter.Ved dannelse av klaser typisk avhengige av to eller flere funksjoner samtidig.
Cluster analyse omfatter anvendelse av et bredt spekter av klynge metoder.Blant dem er for eksempel sannsynlighets tilnærming, tilnærminger, som er basert på kunstig intelligens, logisk tilnærming, hierarkisk tilnærming.
hierarkisk klyngeanalyse innebærer et komplekst system som har en rekke undergrupper eller klynger av forskjellige ordrer.Denne metoden bruker to typer egenskaper.Klumpe (Unity) tegn sameksistere med divizivnymi (separat).Antallet tegn som fører til divisjon på monothetic klassifiseringsmetoder og polythetic.
Bruke alle disse metodene i statistikken, er det omtrent hundre av clustering algoritmer.Men den hierarkiske klyngeanalyse inntar en ledende plass på listen.Dens appell ligger i det faktum at den fungerer godt med manglende data, selv om de tilgjengelige data er det ikke oppfyllelse av betingelsene i henhold til kravet om normalfordelte tilfeldige variabler, så vel som andre krav til de klassiske statistiske metoder.
