クラスター分析。 複雑な現象の研究で科学的なアプローチ

マーケティングを含む任意のプロセスの制御は、市場の状況の客観的評価を含みます。 徐々にターゲット市場の選択、およびの開発などが市場機会の分析のプロセスを移動する 複雑なマーケティング とマーケティング活動の実施を、無意識のうちに研究の必要性に直面しました。 したがって、アナリストの才能と経験に頼っているが、また、データ処理技術の使用の訓練にしないことだけが必要です。

現代の経済では、その複雑で多面的なプロセスで、大量の情報が異なる統計パッケージを使用せずに最も関連するデータを見つけることは非常に問題となります。

これは、マーケティングの研究に特別な役割をクラスター分析を占めています。 その性質上、この組み合わせた方法により、統計的研究のいくつかの方法を組み合わせます。 これは、記述の変数の独自のセットをそれぞれ有する多変量観測の嘘の分類に基づいています。 クラスター分析は、検討のための変数の元のセットを有する相対均質な（均一な）グループ内のオブジェクトを分類する方法を提案しています。 つまり、オブジェクトはグループに分類されています。 グループでは、彼らはいくつかの理由で、類似性を示します。

クラスター分析法は、マーケティングの目標の広い範囲のために使用されています。

市場のセグメンテーションは 、消費者が特定の財の獲得の期待される利益に基づいてクラスタにカテゴリを破ることができます。 各クラスタは、同様の利益を探している消費者から構成されてもよいです。 メリット分割方法 - 名前は、彼が適切に選びました。

消費者行動の分析。 このタスクでは、クラスター分析は、彼らの行動をシミュレートするために、均一な顧客グループを作成するために使用されます。

新製品の機能を定義する、我々はクラスタ化することによって、それを生成することができ、ブランドを同時に同じクラスタのブランドは他のクラスタ内のマークよりもお互いに熾烈な競争を発揮するときに発音規則をトレースすることができます。

市内のクラスタのグループ化には、特定の商品のために最も適切な市場を選択することができます。

クラスター分析は、データの次元を低減します。 別々のクラスタ上の観測を行って、その後、複数の判別分析に移動します。 それぞれのケースを考えるよりも、はるかに簡単かつ安価です。

クラスタリングの目標は、類似した特性により、グループオブジェクトにあります。 類似度のより客観的な評価のために、いくつかの基準単位を導入すべきです。 クラスターを形成する際に一般的に、同時に2つ以上の機能に依存しています。

クラスター分析は、クラスタリング手法の広い範囲の使用を含みます。 それらの中に基づいている確率論的アプローチ、アプローチ、などのある 人工知能、 論理的なアプローチ、階層的なアプローチ。

階層的クラスター分析は、ネストされたグループまたは異なる次数のクラスタ数を有する複雑なシステムを必要とします。 この方法では、看板の2種類を使用しています。 （統一）の兆候がdivizivnymi（共有）と共存凝集。 機能の数は、一元的な分類方法や多元的での分離につながります。

統計でこれらのメソッドのすべて使用して、およそ百とクラスタリングアルゴリズムがあります。 しかし、階層的クラスター分析は、このリスト内のリーダーです。 その魅力は、それが条件正規分布確率変数と同様に、古典的な統計的手法の他の要件によって必要とされる利用可能なデータが行われない場合でも、データの赤字と完全に動作しているという事実です。