Кластерный анализ. Научный подход при изучении сложных явлений

Управление любым процессом, в том числе и маркетингом, предполагает объективную оценку ситуации на рынке. Постепенно продвигаясь по всем этапам анализа рыночных возможностей, которые включают и отбор целевых рынков, и разработку комплекса маркетинга, и реализацию маркетинговых мероприятий, невольно приходится сталкиваться с необходимостью исследования. При этом приходится не только полагаться на талант и опыт самого аналитика, но и на умелое им использование методов обработки данных.

Видео: ДУХ или МАТЕРИЯ?

В современной экономике с её сложностью и многогранностью процессов, огромным объёмом информации отыскать наиболее значимые данные без применения различных статистических пакетов становится весьма проблематично.

Особую роль в проведении маркетинговых исследований занимает кластерный анализ. По своей природе это комбинированный метод, объединяющий несколько способов статистических исследований. В его основу заложена классификация многомерных наблюдений, для каждого из которых соответствует свой набор описательных переменных. Кластерный анализ предполагает способ классифицировать объект по относительным гомогенным (однородным) группам, обладая исходным для рассмотрения набором переменных. Другими словами объекты разбиваются по группам. В группах они проявляют схожесть по нескольким признакам.

Видео: Транзактный анализ: Свободный Ребенок и Заботливый Взрослый.

Методы кластерного анализа используются для широкого спектра маркетинговых задач.

Сегментация рынка позволяет разбить потребительскую категорию на кластеры по признакам ожидаемых выгод от приобретения определенного товара. Каждый кластер может состоять из потребителей, которые ищут схожие выгоды. Название ему подобрали соответствующее - метод сегментации преимуществ.

Анализ поведения покупателей. В решении этой задачи кластерный анализ применяется для создания однородных потребительских групп с целью моделирования их поведения.

Определяя возможности нового товара, можно произвести его кластеризацию по торговым маркам, при этом прослеживается ярко выраженная закономерность, когда торговые марки одного и того же кластера проявляют более жесткую конкуренцию между собой, чем с марками в других кластерах.

Группируя города в кластеры, можно выбрать наиболее приемлемые рынки сбыта для определённого товара.

Кластерный анализ позволяет сократить размерность данных. Производя наблюдения над отдельными кластерами, затем переходят к множественному дискриминантному анализу. Это значительно проще и дешевле, чем рассматривать по отдельности каждый случай.

Видео: Герменевтика и многое другое – Андрей Петрович Забровский

Целью кластеризации является группирование объектов по схожим признакам. Для более объективной оценки степени схожести следует ввести некую эталонную единицу. При формировании кластеров обычно опираются на два или более признака одновременно.

Кластерный анализ предполагает использование широкого набора методов кластеризации. Среди них можно выделить такие, как вероятностный подход, подходы, в основе которых лежат системы искусственного интеллекта, логический подход, иерархический подход.

Иерархический кластерный анализ предполагает сложную систему, которая имеет ряд вложенных групп или кластеров различного порядка. Этот метод использует два вида признаков. Агломеративные (объединительные) признаки соседствуют с дивизивными (разделяющими). Количество признаков приводит к разделению на монотетические методы классификации и политетические.

Используя все эти методы в статистике, насчитывается около ста алгоритмов кластеризации. Но иерархический кластерный анализ занимает в этом списке лидирующее место. Его привлекательность заключается в том, что он прекрасно функционирует при дефиците данных, и даже когда для имеющихся в наличии данных не происходит выполнение условий согласно требованию нормальности распределений случайных величин, а также других требований классических методов статистики.