Upravljanje bilo kojim procesom, uključujućimarketing, uključuje objektivnu procjenu stanja na tržištu. Postupno napredujući kroz sve faze analize tržišnih prilika, koje uključuju odabir ciljnih tržišta, razvoj marketinških miješa i provedbu marketinških aktivnosti, nesvjesno se mora suočiti s potrebom za istraživanjem. Istovremeno, potrebno je ne samo oslanjati se na talent i iskustvo samog analitičara, već i na vješto korištenje metoda obrade podataka.
U suvremenom gospodarstvu s njegovom složenosti ivišestruke procese, ogromna količina informacija za pronalaženje najznačajnijih podataka bez korištenja različitih statističkih paketa postaje vrlo problematična.
Posebna uloga u marketingustudije uzimaju analizu klastera. Po svojoj prirodi, to je kombinirana metoda koja kombinira nekoliko metoda statističkog istraživanja. Temelji se na klasifikaciji višedimenzionalnih promatranja, za svaki od njih postoji niz deskriptivnih varijabli. Klaster analiza uključuje način klasificiranja objekta relativnim homogenim (homogenim) skupinama, s početnim skupom varijabli koje treba razmotriti. Drugim riječima, objekti su podijeljeni u skupine. U skupinama oni pokazuju sličnost na nekoliko načina.
Metode analize klastera koriste se za širok raspon marketinških zadataka.
Segmentacija tržišta omogućuje razbijanjekategorija potrošača na klasterima na temelju očekivanih koristi od nabave određenog proizvoda. Svaki se klaster može sastojati od potrošača koji traže slične prednosti. Ime je prikladno odabrano - segmentacija prednosti.
Analiza ponašanja kupaca. U ovom zadatku je klaster analiza se koristi za stvaranje homogena grupa kupaca kako bi se simulirali ponašanje.
Određivanje mogućnosti novog proizvoda, možeteda bi svoje klasteriranje izvršio zaštitnim znakovima, a postoji izražena pravilnost kada zaštitni znakovi istog klastera pokazuju ozbiljniju konkurenciju jedni s drugima, a ne markama u drugim skupinama.
Grupiranjem gradova u klastere možete odabrati najpovoljnija tržišta za određeni proizvod.
Klaster analiza omogućuje smanjenje dimenzijepodaci. Donošenjem opažanja na pojedine klastere, oni zatim nastavljaju s više diskriminativnih analiza. To je mnogo jednostavnije i jeftinije nego uzeti u obzir svaki slučaj zasebno.
Svrha grupiranja je grupiranjeobjekti na sličnoj osnovi. Za objektivniju procjenu stupnja sličnosti treba uvesti određenu referentnu jedinicu. Prilikom formiranja klastera, oni se obično oslanjaju na dvije ili više svojstava istodobno.
Klaster analiza uključuje korištenješirok raspon metoda klastera. Među njima se može izdvojiti kao što je probabilistički pristup, pristupi koji se temelje na umjetnoj inteligenciji, logičan pristup, hijerarhijski pristup.
Hijerarhijska klaster analiza uključujeSloženi sustav s brojem ugniježđenih grupa ili klastera različitih narudžbi. Ova metoda koristi dvije vrste svojstava. Agglomerativni (ujedinjujući) znakovi koegzistiraju s dijeljenim znakovima. Broj značajki dovodi do podjele na monotetičke metode klasifikacije i poletike.
Koristeći sve ove metode u statistici,postoji stotinjak algoritama klastera. Ali hijerarhijska klasterska analiza zauzima vodeće mjesto na ovom popisu. Njegova atraktivnost leži u činjenici da funkcionira savršeno u prisutnosti manjka podataka, čak i kada uvjeti dostupni za dostupne podatke ne zadovoljavaju zahtjeve normalnosti raspodjele slučajnih varijabli, kao i druge zahtjeve klasičnih statističkih metoda.
