Кластерный анализ

Кластерный анализ — метод классификации объектов по заданным признакам. Задача кластерного анализа состоит в формировании групп: • однородных внутри (условие внутренней гомогенности); • четко отличных друг от друга (условие внешней гетерогенности). Целью кластерного анализа в маркетинге является определение целевых групп потребителей, для которых было бы целесообразно разработать специальное торговое предложение, т.е. уникальную комбинацию инструментов маркетинга. Пример. Курильщики сигар, возраст и уровень доходов которых известны, исследуются на предмет возможности их разделения на однородные группы (кластеры) (рис. 1.3). В варианте В однородные кластеры не выявлены. Следовательно, целенаправленная дифференциация торгового предложения невозможна. В варианте А выявлены две однородные группы курильщиков сигар: «старые и бедные», «молодые и богатые», которых можно считать двумя целевыми группами потребителей. В этом случае целесообразно разработать два специальных торговых предложения уникальных по цене, уровню качества продукции, упаковке, системе продвижения товара и т.д. (Schmalen, 2003. S.401). Элементы, включаемые в один и тот же кластер, имеют разную степень схожести (уровень отличия друг от друга). Техника кластерного анализа заключается в выявлении уровня схожести всех исследуемых элементов и последовательном объединении элементов в порядке возрастания уровня различия между ними. Число выявленных кластеров зависит от заданного уровня схожести (различия) элементов, включаемых в один кластер. Техника кластерного анализа может быть проиллюстрирована дендограммоi, составляемой при помощи статистической компьютерной программы, втом числе SPSS (рис. 1.4). На рис. 1.4 изображен результат кластерного анализа 18 предприятий розничной торговли, которые предлагают в качестве «особого предложения» (товары со скидками) один и тот же набор продуктов (примерно 50 наименований): молочные продукты, чистящие средства, косметика и т.д. Целью кластерного анализа в данном случае является ответ на вопрос: возможно ли разделение исследуемых предприятий розничной торговли на кластеры в зависимости от их ценовой политики в плане формирования «особых предложений» В результате проведения кластерного анализа было выявлено три кластера: А, В и С (рис. 1.4). Предприятия розничной торговли 6, 18, 16, 1,5, 15 (кластер А), так же как и 12, 2, 9, 17, 10 (кластер С), проводят одинаковую ценовую политику при формировании «особых предложений» (это, в частности, магазины торговых сетей EDEKA и REWE). Предприятия розничной торговли, вошедшие в кластер В («Прочие»), не имеют одинаковой ценовой политики, но, тем не менее, их «особые предложения» имеют схожую ценовую структуру. Их можно объединить в одну группу только при задании определенного допустимого уровня их отличия друг от друга (Schmalen, 19. S. 402). При повышении допустимого уровня отличия исследуемых элементов (снижении требований к однородности кластера) возможно объединение кластеров В и С, а затем присоединения к ним кластера А. 1.2.2. ДИСКРИМИНАНТНЫИ АНАЛИЗ Дискриминантный анализ проводится с целью выявления различий между исследуемыми группами. Например, могут быть исследованы группы потребителей конкурирующих товаров (или покупатели конкурирующих брендов) на предмет того, существуют ли различия между исследуемыми группами по заданным признакам. Иными словами, цель анализа — выяснить, можно ли составить «типичный портрет покупателя» для каждой исследуемой группы по заданным характеристикам. Пример. Владельцев BMW и VW возраст и доходы которых известны, исследуют на предмет того, можно ли разделить их (дискриминация) на две группы — «типичных владельцев BMW» и «типичных владельцев VW», так, чтобы группы владельцев характеризовались определенным уровнем дохода и возрастом (рис. 1.5). На рис. 1.5 в системе координат заданных характеристик отмечены сочетания возраста и дохода каждого исследуемого владельца автомобилей (BMW и VW). В ходе дискриминантного анализа предпринимается попытка разделить существующие группы автовладельцев по возрасту и уровню дохода при помощи дискриминантной линий. Дискрими- нантная линия должна быть проведена таким образом, чтоб комбинации характеристик владельцев автомобилей разных марок оказались расположенными по разные стороны линии и возможных пересечений было бы как можно меньше. В этом случае можно составить портрет «типичного владельца автомобиля определенной марки» по заданным характеристикам. В варианте В возможны различные положения дискриминантной линии, при которых число пересечений будет в равной степени многочисленным. В данном случае невозможно разделить владельцев BMW и VW по уровню дохода и возрасту, т.е. не существует «портрета типичного владельца» BMW ИЛИ VW. В варианте А большая часть комбинаций уровней дохода и возраста владельцев VW лежит слева от дискриминантной линии, а владельцев BMW — справа. Это говорит о том, что владельцы BMW характеризуются более высоким уровнем дохода и относительно молоды по сравнению с владельцами VW (Schmalen, 2002. S. 403). Характеристики «типичного потребителя», выявленные в результате проведения дискриминантного анализа, используются при прогнозировании поведения покупателей. Руководствуясь выявленными характеристиками «типичного покупателя», можно спрогнозировать, в пользу какого именно товара будет принято решение о покупке. В нашем примере (см. рис. 1.5) молодого человека с высоким уровнем дохода, желающего приобрести автомобиль, можно рассматривать как потенциального владельца BMW. Если кластерный анализ выявляет возможность разбиения совокупности респондентов на группы, то дискриминантный анализ выявляет возможность установления различий уже существующих групп респондентов. В настоящее время на практике для прогнозирования поведения потребителей используется более совершенный статистический метод — логистической регрессии. Этот метод позволяет не только ответить на вопрос, какой именно товар потребитель выберет скорее всего, но и определить вероятность, с которой потребитель выберет тот или иной товар. висимая переменная Y). В варианте В существует много возможностей проведения регрессионной линии, когда сумма квадратов расстояний от точек эмпирических значений до регрессионной линии будет примерно одинаковой. Возникает так называемый эффект пропеллера. В этом случае линейная зависимость между исследуемыми переменными отсутствует. В варианте А можно найти наилучший вариант положения регрессионной линии при помощи метода наименьших квадратов. В этом случае действительно существует прямая линейная зависимость между уровнем доходов населения и объемом розничной торговли (Schmalen, 2002. S. 405). Результаты регрессионного анализа используются для составления прогнозов изменения количественных переменных путем перенесения выявленных тенденций на будущие периоды. В рассматриваемом примере (см. рис. 1.6 — вариант Л) между уровнем дохода населения (X) и объемом торгового оборота (У) существует линейная зависимость У = с + b - X. Если существует достаточно надежный прогноз относительно роста доходов населения (X), тогда исходя из данных прогноза (Л") и регрессионной зависимости (У = а + b • X) можно составить прогноз роста объемов оборота розничной торговли (У). Использование регрессионного анализа в прогнозировании сопряжено с рядом проблем. Во-первых, исходя из наличия достаточно устойчивой статистической зависимости не всегда можно делать выводы о существовании каузальной (причинно-следственной) взаимосвязи. В нашем примере результаты регрессионного анализа не доказывают того, что растущий уровень доходов населения является причиной роста объемов оборота розничной торговли. Во-вторых, результаты регрессионного анализа могут быть использованы для построения прогнозов только в случае верности «гипотезы стабильности во времени», т.е. если не происходит никаких структурных изменений. Гипотеза стабильности во времени предполагает изменение во времени только исследуемых переменных, все прочие величины являются постоянными. В приведенном выше примере рассматривается влияние уровня дохода на оборот розничной торговли. Предполагается, что степень влияния прочих факторов (например, цены, склонности потребителей к накоплению и т.д.) остается неизменной. На практике результаты регрессионного анализа используются для составления прогнозов, как правило, в сочетании с опросами

Похожие рефераты:

• Кластерный анализ.
• Кластерный анализ
• Контент-анализ (формализованный анализ) документальной информации
• Общий анализ, рыночный анализ и маркетинговая стратегия
• Дисперсионный анализ. Ковариационный анализ