Cluster analizo. La scienca alproksimiĝo en la studo de kompleksaj fenomenoj

Kontrolo de iu ajn procezo, inkluzive de merkatiko, engaĝas objektivan takson de la situacio sur la merkato. Iom post iom moviĝas tra la procezo de analizo de merkato ŝancoj, kiuj inkluzivas la elekton de la celo merkatoj, kaj la evoluo de kompleksaj marketing kaj efektivigo de marketing agadoj, per eraro antaŭ la neceso de esplorado. Tiel estas necesa ne nur por fidi la talento kaj sperto de la analizisto, sed ankaŭ sur trejnado en ĝia uzo de datumtraktado teknikoj.

En la moderna ekonomio, kun ĝia kompleksa kaj multfaceta procezoj, grandegaj kvantoj de informo por trovi la plej gravaj datumoj sen la uzo de malsamaj statistikaj pakaĵoj iĝas tre problema.

Ĝi okupas specialan rolon akumuliĝa analitiko en merkatiko. Por lia naturo, tio kombinita metodo, kiu kombinas plurajn metodojn de statistika esploro. Ĝi estas bazita sur mensogoj klasifiko de multvariebla observoj, ĉiu el kiuj havas propran aron de priskriba variabloj. Cluster analizo sugestas metodo por klasifiki la objekton en relativa homogena (uniformo) grupoj havanta la originala aro de variabloj por konsidero. Alivorte, objektoj estas rompitaj malsupren en grupoj. En grupoj, ili montras similecojn sur pluraj grundoj.

Cluster analizo metodoj estas uzitaj por vasta gamo de marketing celoj.

Merkata segmentación permesas la konsumanton rompi la kategorion en aretoj sur la bazo de la atendita profitoj de la akiraĵo de iuj varoj. Ĉiu areto povas konsisti konsumantoj kiuj serĉas similajn avantaĝojn. La nomo li prenis konvenan - profitojn segmentación metodo.

La analizo de konsumadon. En ĉi tiu tasko, la peniko analizo estas uzata por krei homogenajn kliento grupoj por simuli ilia konduto.

Difinante karakterizaĵojn de la nova produkto, ni povas produkti ĝin clustering markoj, samtempe povas esti spurita reguleco prononcita kiam la markoj de la sama areto ekspoziciaĵo feroca konkurado kun la alia ol kun la markoj en la alia vinberarojn.

Kolektante aretoj en la urbo, vi povas elekti la plej taŭga merkatoj por iuj bienes.

Cluster analizo reduktas la dimensinombro de la datumoj. Performing observoj sur apartaj aretoj, poste moviĝi al multa diskriminanta analitiko. Estas multe pli simpla kaj pli malmultekosta ol konsideri ĉiu kazo.

La celo de clustering estas kolekti objektoj de simila karakterizaĵoj. Dum pli objektiva taksado de la grado de simileco devus enkonduki iu referenco unuo. En formante grupoj kutime fidi du aŭ pli trajto samtempe.

Cluster analizo implikas la uzon de vasta gamo de clustering metodoj. Inter ili estas ekzemple probableca alproksimiĝo, aliroj, kiuj estas bazitaj sur artefarita inteligenteco, logika alproksimiĝo, hierarkia aliron.

Hierarkia floraro analizo implikas kompleksan sistemon kiu havas kelkajn nestitaj grupoj aŭ aretoj de diversaj ordoj. Tiu metodo uzas du specoj de signoj. Aglomerado (unuiganta) signoj kunekzisti kun divizivnymi (dividi). La nombro da trajtoj portas al apartiga sur monothetic klasado metodoj kaj polythetic.

Uzante ĉiujn tiujn metodojn en statistiko, ekzistas proksimume cent clustering algoritmoj. Sed la hierarkia akumuliĝa analitiko estas gvidanto en tiu listo. Lia alloga kuŝas en tio, ke ĝi funkcias perfekte kun deficito de datumoj, eĉ kiam la disponeblaj datumoj ne okazas kiel postulita de la kondiĉoj normale distribuita hazarda variablo, kaj ankaŭ aliajn postulojn de la klasika statistika metodoj.