Կլաստերի վերլուծություն: Որ գիտական մոտեցում ուսումնասիրության բարդ երեւույթների

Վերահսկիչ ցանկացած գործընթացի, այդ թվում `մարքեթինգի, ներառում է օբյեկտիվ գնահատական իրավիճակի վրա շուկայում. Աստիճանաբար շարժվում միջոցով գործընթացի վերլուծության շուկայի հնարավորությունների, որոնք ներառում են ընտրություն թիրախային շուկաների եւ զարգացումը բարդ մարքեթինգի եւ իրականացման մարքեթինգային գործունեության, ակամա կանգնած անհրաժեշտության հետազոտության. Այսպիսով, դա անհրաժեշտ է ոչ միայն ապավինել տաղանդի եւ փորձի վերլուծաբան, այլ նաեւ վերապատրաստման իր օգտագործման տվյալների մշակման տեխնիկայի.

Ժամանակակից տնտեսության, իր բարդ ու բազմաբովանդակ գործընթացների, ահռելի տեղեկատվության գտնել առավել համապատասխան տվյալներն առանց օգտագործման տարբեր վիճակագրական փաթեթների դառնում է շատ խնդրահարույց.

Այն զբաղեցնում է հատուկ դեր կասետային վերլուծություն մարքեթինգային հետազոտության. Իր բնույթով, այս համակցված եղանակով, համադրելով մի քանի մեթոդներ վիճակագրական հետազոտության. Այն հիմնված է կեղծիքի վրա դասակարգումից բազմաչափ դիտարկումների, որոնցից յուրաքանչյուրը ունի իր սեփական շարք նկարագրական փոփոխականների. Կլաստերի վերլուծությունը վկայում է, եղանակը դասակարգել օբյեկտը հարաբերական համասեռ (միասնական) խմբերում ունեցող բնօրինակը շարք փոփոխականների քննարկմանը: Այլ կերպ ասած, օբյեկտների կոտրված ներքեւ մեջ խմբերի: Են խմբերով, նրանք ցույց են տալիս նմանություններ մի քանի հիմքերով:

Կլաստերի վերլուծության մեթոդները օգտագործվում են մի շարք մարքեթինգային նպատակներին:

Շուկայի հատվածամասերի թույլ է տալիս սպառողին կոտրել կատեգորիա մեջ կլաստերների հիման վրա սպասվող առավելությունների ձեռքբերման որոշակի ապրանքների. Յուրաքանչյուր Կլաստերի կարող է բաղկացած սպառողների համար, ովքեր փնտրում են նմանատիպ նպաստների. Անունը, նա վերցրել է համապատասխան Առավելությունները հատվածամասերի մեթոդը:

Վերլուծությունը սպառողական վարքագծի. Այս խնդիրը, կլաստերը վերլուծությունը, որն օգտագործվում է ստեղծել համասեռ հաճախորդների խմբեր, որպեսզի կեղծել իրենց վարքագիծը.

Սահմանելով հատկանիշները նոր արտադրանքի, մենք կարող ենք արտադրել այն clustering ապրանքանիշներ, միեւնույն ժամանակ, կարող է նկատելի պարբերականությունը վառ, երբ ապրանքանշաններ նույն կլաստերի ցուցահանդեսում մի կատաղի մրցակցության միմյանց հետ, քան այն նշանների մեջ մյուս կլաստերների.

Խմբավորման կլաստերների է քաղաքը, դուք կարող եք ընտրել առավել համապատասխան շուկաները որոշակի ապրանքների համար:

Կլաստերի վերլուծություն նվազեցնում dimensionality տվյալների: Կատարողական դիտարկումները առանձին կլաստերների, ապա շարժվել դեպի բազմակի discriminant վերլուծության. Այն շատ պարզ է եւ ավելի էժան է, քան համարում յուրաքանչյուր դեպք:

Որի նպատակն clustering է խմբի օբյեկտների նմանատիպ հատկանիշներով: Համար ավելի օբյեկտիվ գնահատման աստիճանից նմանության պետք է ներկայացնել որոշակի տեղեկանք միավոր: Ձեւավորման կլաստերների, որպես կանոն, ապավինել երկու կամ ավելի feature միաժամանակ.

Կլաստերի վերլուծություն ներառում է օգտագործման լայն շարք clustering մեթոդների. Նրանց թվում են, օրինակ, որպես հավանականային մոտեցմամբ, մոտեցումների, որոնք հիմնված արհեստական ինտելեկտի, տրամաբանական մոտեցման, մի հիերարխիկ մոտեցման:

Հիերարխիկ կլաստերի վերլուծություն ներառում է մի բարդ համակարգ է, որը ունի մի շարք nested խմբերի կամ կլաստերների տարբեր պատվերները: Այս մեթոդը օգտագործում է երկու տեսակի նշանների. Կիտել (նույնացնել նշանների) գոյակցում divizivnymi (փոխանակում): Մի շարք հատկանիշների հանգեցնում է բաժանման վերաբերյալ monothetic դասակարգման մեթոդների եւ համեմատական.

Օգտագործելով այդ բոլոր մեթոդների վիճակագրության, կան մոտ մեկ հարյուր clustering ալգորիթմներ: Բայց հիերարխիկ կլաստերի վերլուծությունը առաջատարն է այս ցանկում. Նրա կոչը կայանում է նրանում, որ այն գործում է կատարելապես դեֆիցիտի տվյալները, նույնիսկ այն ժամանակ, երբ առկա տվյալները տեղի չի, ինչպես պահանջվում է պայմանների սովորաբար բաշխված պատահական փոփոխականների, ինչպես նաեւ այլ պահանջների դասական վիճակագրական մեթոդների.