Νέα και ΚοινωνίαΟικονομία

Cluster ανάλυση. Η επιστημονική προσέγγιση στη μελέτη των πολύπλοκων φαινομένων

Ο έλεγχος της κάθε διαδικασίας, συμπεριλαμβανομένου του μάρκετινγκ, προϋποθέτει μια αντικειμενική εκτίμηση της κατάστασης στην αγορά. Σταδιακά κινείται μέσα από τη διαδικασία της ανάλυσης των ευκαιριών της αγοράς, η οποία περιλαμβάνει την επιλογή των αγορών-στόχων, καθώς και την ανάπτυξη των πολύπλοκων μάρκετινγκ και την υλοποίηση των δραστηριοτήτων μάρκετινγκ, άθελά αντιμέτωποι με την αναγκαιότητα της έρευνας. Έτσι, είναι απαραίτητο όχι μόνο να επικαλεστεί το ταλέντο και την εμπειρία του αναλυτή, αλλά και στην επιδέξια τους χρήση τεχνικών επεξεργασίας δεδομένων.

Στη σύγχρονη οικονομία, με σύνθετη και πολύπλευρη διαδικασίες της, τεράστιες ποσότητες πληροφοριών για να βρείτε τα πιο σχετικά δεδομένα χωρίς τη χρήση διαφόρων στατιστικών πακέτων γίνεται πολύ προβληματική.

Καταλαμβάνει μια ειδική ανάλυση διασποράς ρόλο στον τομέα της έρευνας μάρκετινγκ. Από τη φύση της, αυτή τη συνδυασμένη μέθοδος, που συνδυάζει διάφορες μεθόδους της στατιστικής έρευνας. Είναι βασισμένο σε ψέματα κατάταξη των πολλών μεταβλητών παρατηρήσεις, καθένα από τα οποία έχει το δικό του σύνολο των περιγραφικών μεταβλητών. Cluster ανάλυση υποδηλώνει μια μέθοδο για την ταξινόμηση του αντικειμένου σε σχετική ομοιογενές (ομοιόμορφη) ομάδες που έχουν το αρχικό σύνολο μεταβλητών για εξέταση. Με άλλα λόγια, τα αντικείμενα κατανέμονται σε ομάδες. Σε ομάδες, παρουσιάζουν ομοιότητες για διάφορους λόγους.

Οι Cluster μέθοδοι ανάλυσης που χρησιμοποιούνται για ένα ευρύ φάσμα των στόχων μάρκετινγκ.

κατακερματισμός της αγοράς επιτρέπει στον καταναλωτή να σπάσει την κατηγορία σε ομάδες με βάση τα αναμενόμενα οφέλη από την απόκτηση ορισμένων αγαθών. Κάθε ομάδα μπορεί να αποτελείται από τους καταναλωτές που ψάχνουν για παρόμοια οφέλη. Το όνομα που διάλεξε την κατάλληλη - μέθοδος κατάτμησης οφέλη.

Η ανάλυση της συμπεριφοράς των καταναλωτών. Σε αυτό το έργο, η ανάλυση συστάδων χρησιμοποιείται για να δημιουργήσει ένα ομοιογενές ομάδες πελατών για να προσομοιώσει τη συμπεριφορά τους.

Καθορισμός χαρακτηριστικά του νέου προϊόντος, μπορούμε να παράγουμε από ομαδοποίηση μάρκες, την ίδια στιγμή μπορεί να επισημανθεί κανονικότητα προφέρεται όταν οι μάρκες της ίδιας cluster εμφανίζουν έντονο ανταγωνισμό μεταξύ τους από ό, τι με τα σήματα στις άλλες ομάδες.

Ομαδοποίηση clusters στην πόλη, μπορείτε να επιλέξετε τα πιο κατάλληλα αγορές για ορισμένα αγαθά.

Cluster ανάλυση μειώνει τη διάσταση των δεδομένων. Εκτέλεση παρατηρήσεις σε ξεχωριστές συστάδες, στη συνέχεια να προχωρήσουμε σε πολλαπλές διακριτική ανάλυση. Είναι πολύ πιο απλή και φθηνότερη από ό, τι θεωρούν κάθε περίπτωση.

Ο στόχος της ομαδοποίησης είναι να αντικείμενα ομάδας με παρόμοια χαρακτηριστικά. Για μια πιο αντικειμενική αξιολόγηση του βαθμού της ομοιότητας πρέπει να εισάγουν κάποια μονάδα αναφοράς. Κατά το σχηματισμό συστάδες τυπικά βασίζονται σε δύο ή περισσότερα χαρακτηριστικό ταυτόχρονα.

Cluster ανάλυση περιλαμβάνει τη χρήση ενός ευρέος φάσματος μεθόδων ομαδοποίησης. Μεταξύ αυτών είναι, όπως πιθανολογική προσέγγιση, προσεγγίσεις, οι οποίες βασίζονται σε τεχνητή νοημοσύνη, λογική προσέγγιση, μια ιεραρχική προσέγγιση.

Ιεραρχική ανάλυση συστάδων περιλαμβάνει ένα πολύπλοκο σύστημα που έχει μια σειρά από ένθετες ομάδες ή συστάδες των διαφορετικών παραγγελιών. Αυτή η μέθοδος χρησιμοποιεί δύο είδη σημείων. Συσσωμάτωση (ενωτική) σημεία συνυπάρχουν με divizivnymi (κοινή χρήση). Ο αριθμός των χαρακτηριστικών οδηγεί σε διαχωρισμό σε monothetic μεθόδους ταξινόμησης και polythetic.

Η χρήση όλων αυτών των μεθόδων στις στατιστικές, υπάρχουν περίπου εκατό και αλγόριθμοι ομαδοποίησης. Αλλά η ιεραρχική ανάλυση συστάδων είναι μια ηγετική θέση σε αυτή τη λίστα. έφεση του έγκειται στο γεγονός ότι λειτουργεί τέλεια με ένα έλλειμμα των δεδομένων, ακόμη και όταν τα διαθέσιμα δεδομένα δεν λαμβάνει χώρα, όπως απαιτείται από τις συνθήκες κανονικά κατανεμημένες τυχαίες μεταβλητές, καθώς και άλλες απαιτήσεις των κλασικών στατιστικών μεθόδων.

Similar articles

 

 

 

 

Trending Now

 

 

 

 

Newest

Copyright © 2018 el.delachieve.com. Theme powered by WordPress.