Кластерный анализ как инструмент подготовки эффективных маркетинговых решений
Кластерный анализ как инструмент подготовки эффективных маркетинговых решений - раздел Математика, Доклады по дисциплине Дополнительные главы математической статистики . Регрессионный анализ. 4 Причины Неудач Или Недостаточно Быстрого Роста Бизнеса В Нашей Стране Часто С...
Причины неудач или недостаточно быстрого роста бизнеса в нашей стране часто списываются на несовершенную систему кредитования, пробелы в законодательстве, общую экономическую нестабильность и, наконец, на козни недремлющих конкурентов. Тем большим бывает удивление, когда обнаруживается, что реальные корни проблем — это непонимание покупательского поведения потребителей и клиентов.
Действительно, понять и, тем более, количественно описать покупательское поведение — задача нетривиальная. Наибольшую сложность представляет то, что многие решения принимаются на эмоциональном, а не на рациональном уровне. Даже в тех случаях, когда потребители убеждены в абсолютной рациональности своих покупок, эмоциональная составляющая решения также присутствует. Соответственно, успех компании во многом определяется эффективностью управления процессом сбора, обработки и анализа данных, релевантных для развития бизнеса, прежде всего за счет глубокого понимания поведения клиентов. Качество решений, принимаемых на основании результатов анализа, зависит от качества проведенного анализа, актуальности данных и ряда других факторов. В данной работе кратко рассматриваются технологии подготовки данных для принятия специфических маркетинговых решений. Все материалы базируются на реальных примерах консалтинговой практики авторов.
Как известно, любая технология хороша тем, что регламентирует все необходимые процедуры для достижения определенного результата. Используя ту или иную методику, исполнитель не задумывается, да и не должен задумываться над последовательностью исполняемых шагов и их содержанием. Это позволяет существенно сократить время на анализ данных и принятие решения и обеспечивает необходимую степень корректности выполненного анализа. Рассмотрим решение одной из типичных маркетинговых задач — подготовки к выводу на рынок нового продукта.
Для того, чтобы составить эффективно работающие рекламные материалы и медиаплан необходимо знать предпочтения различных сегментов покупателей, их привычки, особенности выбора продукта, финансовые возможности и т. п. Сегментирование состоит из нескольких этапов, представленных на схеме:
Формализованная процедура сегментирования
· Проведение качественного исследования (серии фокус-групп или глубоких интервью) с целью получения перечня высказываний или свойств для дальнейшей оценки по интервальной или порядковой шкале.
· Проведение опроса.
· Использование процедуры кластерного анализа для определения числа сегментов и их профиля, выработка рекомендаций по эффективной работе с отдельными сегментами.
Первый этап имеет качественный характер и позволяет понять, чем «дышат» потребители или клиенты, их стиль жизни, какими выражениями они характеризуют товар, услугу или фирму, все это в дальнейшем поможет правильно составить план рекламной кампании. Кроме того, необходимо выяснить выделяемые ими решающие факторы принятия решения о покупке. Уже на этом этапе можно сопоставить представления производителей или продавцов товара с мнениями аудитории. Однако пока это лишь предварительная, качественная информация. Ее следует преобразовать в количественную.
Для этого на основе собранных сведений составляют опросную анкету, включающую в себя как вопросы о продукте, так и сведения, характеризующие самого респондента. Исключительно важным при этом является использование интервальных и порядковых шкал, поскольку появляется возможность сравнения ответов, полученных от различных групп покупателей.
Это поясняет следующий пример. При оценке важности конкретных параметров, например, цены, ассортимента и скорости обслуживания в оптовой фирме практически любой клиент ответит, что все эти характеристики играют существенную роль при выборе поставщика. Тем не менее важность данных параметров для разных клиентов может существенно отличаться. Для менеджеров минимаркетов, делающих покупки ежедневно, решающую роль играет ассортимент, и они не склонны каждый раз обходить базы в поисках наиболее дешевого товара. Клиенты, делающие крупные покупки раз в неделю, в большей степени склонны к сравнению цен и выбору наиболее дешевого варианта.
В зависимости от длины "балльной линейки" возможна та или иная степень точности выделения разных сегментов. Отметим, однако, что эта точность связана с числом респондентов. Другими словами, чем точнее должна быть сделана оценка, чем тоньше разведены сегменты, тем больше должен быть объем выборки.
Число сегментов, выделяемых при проведении кластерного анализа, может быть, таким образом, любым, лишь бы объем данных, на основании которых выделяются отдельные сегменты, был статистически значимым.
Сам кластерный анализ представляет собой ряд формальных процедур, которые мы продемонстрируем на реальном примере, взятом из практики авторов.
Фирма Х собирается начать выпуск нового стирального порошка. При этом возможны разные варианты продвижения: от раскрутки собственного брэнда до приобретения уже известного, возможно позиционирование в области дешевых или дорогих СМС. Словом, вопросы, возникающие в начале исследования, типичны и, не сомневаемся, знакомы любому практику.
Разработанная анкета содержала ряд вопросов, характеризующих отношение респондентов к свойствам продукта , а также характеризующих стиль жизни самих респондентов. Результаты ответов на вопросы первой группы (респонденты должны были проранжировать факторы по степени их значимости, начиная с самого важного — от 1 до 8) были собраны в 4 сегмента, существенно различающиеся между собой по типу важнейших с точки зрения респондентов признаков продукта . Эти признаки можно считать "сегментоообразующими".
Легко видеть, что самый крупный (размеры сегментов изменены) сегмент 3 (60% от выборки) — это прагматики, для которых важнейшей характеристикой продукта является его цена, а также такие прозаические качества как моющая способность и эффект отбеливания. Следующий по величине сегмент 1, напротив, на первое место ставит безвредность порошка, цена же занимает последнее 8-е место.
Для того чтобы лучше представить себе покупателей каждой группы, проанализируем их ответы на вопросы следующей части анкеты. Приводятся эти вопросы и величины средних оценок все по той же 8-балльной шкале для каждого вопроса по тем же сегментам. Мы видим, что сегменты 1 и 3 весьма лояльно относятся к новшествам и склонны экспериментировать с новыми продуктами. При этом сегмент 1 относится к импортным порошкам существенно лучше, чем сегмент 3. Сегмент 4 более чувствителен к рекламе и более последователен в выборе: пользоваться как дорогими, так и дешевыми порошками — не для него.
Таким образом, результаты кластерного анализа фактически описывают портрет потребителя с рациональной (свойства стирального порошка) и эмоциональной (оценка степени согласия с утверждениями) точек зрения. На их основании можно определить целевую группу (или степень соответствия предположений о целевой группе фактической картине), расставить акценты в рекламном сообщении и рекламной кампании в целом, избавиться от иллюзий относительно исключительности своего товара по какому-либо определенному свойству (если вдруг выяснится, что практически все потребители ставят его на последнее место по важности) и т. д.
Следует сделать еще одно важное замечание по поводу использования технологии кластерного анализа. Все исследование, начиная с плана и заканчивая анкетой, должно быть "заточено" под методику кластерного анализа. Это касается и используемых шкал, и метода контакта с аудиторией и многих других факторов.
Использование результатов сегментирования на основании кластерного анализа дает компаниям реальный шанс глубже понять своих клиентов и потребителей. Это, в свою очередь, позволит свести к минимуму разницу между представлениями продавцов и покупателей, то есть карта восприятия товара или услуги для них будет практически идентичной.
Что касается программных инструментов обработки результатов, авторы могут рекомендовать пакеты SPSS и NCSS. Несмотря на их кажущееся сходство с Excel по пользовательскому интерфейсу и представлению данных, эти программы позволяют обрабатывать информацию быстрее и эффективнее. Под эффективностью понимается экономия времени на дополнительной обработке данных (написании комментариев и проч.) и использование методов анализа, недоступных в Excel. Наиболее рутинная работа в SPSS — это ввод данных. При этом каждой переменной ставится в соответствие определенная шкала, что является исключительно важным при обработке данных исследований. Время, затраченное на ввод данных с исполнением всех соответствующих процедур, полностью оправдывает себя на этапе обработки и анализа данных, так как результаты, выдаваемые SPSS, практически не нуждаются в дополнительном «причесывании», в отличие от Excel.
Виды регрессионного анализа
Многошаговая регрессия (ШРА) — последовательность шагов РА, выполняемая в направлении увеличения или уменьшения количества учитываемых коэффициентов линейной модели регрессии.
Линейная регрессия
Регрессионный анализ - раздел математической статистики, объединяющий практические методы исследования регрессионной зависимости между величинами по статистическим данным. Проблема
Описание объекта
В нашем случае объектом исследования является совокупность наблюдений за посещаемостью WEB сайта Комитета по делам семъи и молодежи Правительства г. Москвы www.telekurs.ru/ismm. Тематика сайта – эт
Факторы формирующие моделируемое явление
Отбор факторов для модели осуществляется в два этапа. На первом идет анализ, по результатам которого исследователь делает вывод о необходимости рассмотрения тех или иных явлений в качестве переменн
Построение уравнения регрессии
Используя программное обеспечение «ОЛИМП» (которое в свою очередь использует для расчетов указанные выше принципы и формулы чем значительно облегчает нам жизнь), найдем искомое урав
Смысл модели
При увеличении количества вакансий в день, количество посетивших сайт людей будет увеличиваться . Это означает что в настоящий момент сайт не полностью удовлетворяет запросы пользователей, что необ
Общее назначение
Любой закон природы или общественного развития может быть выражен в конечном счете в виде описания характера или структуры взаимосвязей (зависимостей), существующих между изучаемыми явлениями или
Оценивание линейных и нелинейных моделей
Формально говоря, Нелинейное оценивание является универсальной аппроксимирующей процедурой, оценивающей любой вид зависимости между переменной отклика и набором независимых переменных. В общ
Регрессионные модели с линейной структурой
Полиномиальная регрессия. Распространенной “нелинейной” моделью является модель полиномиальной регрессии. Термин нелинейная заключен в кавычки, поскольку эта модель линейна
Существенно нелинейные регрессионные модели
Для некоторых регрессионных моделей, которые не могут быть сведены к линейным, единственным способом для исследования остается Нелинейное оценивание. В приведенном выше примере для скорости
Регрессионные модели с точками разрыва
Кусочно - линейная регрессия. Нередко вид зависимости между предикторами и переменной отклика различается в разных областях значений независимых переменных. Например,
Методы нелинейного оценивания
Метод наименьших квадратов Функция потерь Метод взвешенных наименьших квадратов Метод максимума правдоподобия Максимум правдоподобия и логит/пробит мод
Начальные значения, размеры шагов и критерии сходимости.
Общим моментом всех методов оценивания является необходимость задания пользователем некоторых начальных значений, размера шагов и критерия сходимости алгоритма. Все методы начинают свою работу с ос
Оценивание пригодности модели
После оценивания регрессионных параметров, существенной стороной анализа является проверка пригодности модели в целом. Например, если вы определили линейную регрессионную модель, а реальная зависим
Распределения Вейбулла - Гнеденко
Экспоненциальные распределения - частный случай так называемых распределений Вейбулла - Гнеденко. Они названы по фамилиям инженера В. Вейбулла, введшего эти распределения в практику анализа результ
Распределение Рэлея
Распределение Рэлея введено Дж. У. Рэлеем (1880) в связи с задачей сложения гармонических колебаний со спиральными фазами. Закон Рэлея применяется для описания неотрицательных величин, в частности,
Факторный анализ как метод редукции данных
Под редукцией понимается переход от многих исходных количественных признаков к пространству факторов, число которых значительно меньше числа исходных количественных признаков. Например, от исходных
Общий обзор методов факторного анализа
В основе каждого метода факторного анализа лежит математическая модель, описывающая соотношения между исходными признаками и обобщенными факторами. Перейдем к краткой характеристике этих моделей дл
Метод главных компонент
В основе модели для выражения исходных признаков через факторы здесь лежит предположение о том, что число факторов равно числу исходных признаков (k=m), а характерные факторы вообще отсутств
Центроидный метод
Этот метод основан на предположении о том, что каждый из исходных признаков aj(j = 1...m) может быть представлен как функция небольшого числа
общих факторов F1
Метод экстремальной группировки параметров
Данный метод также основан на обработке матрицы коэффициентов корреляции между исходными признаками. В основе этого метода лежит гипотеза о том, что совокупность исходных признаков может быть разби
Критерии рационального выбора числа факторов
Сколько факторов следует выделять?Напомним, что анализ главных компонент является методом сокращения или редукции данных, т.е. методом сокращения числа переменных. Возникает естест
Проверка качественных характеристик выборки
Будем рассматривать критерии однородности.
Любой статистически критерий проверки гипотез представляет собой средство измерения. Поэтому пользоваться им следует также квалифицированно, как
Метод минимального расстояния
Равномернаяметрика,или метрика Колмогорова, - одна из наиболее старых и наиболее часто используемых вероятностных метрик. Термин «метрика Колмогорова» в отечественной литературе ис
Проверка количественных характеристик выборки
В §1 были определены характеристики генеральной совокупности, т.е. принадлежность к одной генеральной выборке, а также среднее и первый момент.
На данном этапе имеется функция распределени
Иерархические методы кластерного анализа
Суть иерархической кластеризации состоит в последовательном объединении меньших кластеров в большие или разделении больших кластеров на меньшие.
Иерархические аглом
Меры сходства
Для вычисления расстояния между объектами используются различные меры сходства (меры подобия), называемые также метриками или функциями расстояний.
Для придания больших весов более отдале
Методы объединения или связи
Когда каждый объект представляет собой отдельный кластер, расстояния между этими объектами определяются выбранной мерой. Возникает следующий вопрос — как определить расстояния между кластерами? С
Иерархический кластерный анализ в SPSS
Рассмотрим процедуру иерархического кластерного анализа в пакете SPSS (SPSS). Процедура иерархического кластерного анализа в SPSS предусматривает группировку как объектов (строк матрицы данных), т
Определение количества кластеров
Существует проблема определения числа кластеров. Иногда можно априорно определить это число. Однако в большинстве случаев число кластеров определяется в процессе агломерации/разделения множества об
Итеративный процесс.
Вычисляются центры кластеров, которыми затем и далее считаются покоординатные средние кластеров. Объекты опять перераспределяются.
Процесс вычисления центров и перераспределения объектов п
Проверка качества кластеризации
После получений результатов кластерного анализа методом k-средних, следует проверить правильность кластеризации (т.е. оценить, насколько кластеры отличаются друг от друга). Для этого рассчитывают
Алгоритм BIRCH
(Balanced Iterative Reducing and Clustering using Hierarchies)
Алгоритм предложен Тьян Зангом и его коллегами.
Благодаря обобщенным представлениям кластеров, скорость кластеризаци
Алгоритм WaveCluster
WaveCluster представляет собой алгоритм кластеризации на основе волновых преобразований . В начале работы алгоритма данные обобщаются путем наложения на пространство данных многомерной решетки. Н
Алгоритмы Clarans, CURE, DBScan
Алгоритм Clarans (Clustering Large Applications based upon RANdomized Search) формулирует задачу кластеризации как случайный поиск в графе. В результате работы этого алгоритма совокупность узлов гр
Многофакторный дисперсионный анализ
Следует сразу же отметить, что принципиальной разницы между многофакторным и однофакторным ДА нет. Многофакторный анализ не меняет общую логику ДА, а лишь несколько усложняет ее, поскольку, кроме у
Биотестирование почвы
Многообразные загрязняющие вещества, попадая в агроценоз, могутпретерпевать в нем различные превращения, усиливая при этом свое токсическое действие. По этой причине оказались необх
Дисперсионный анализ в химии
ДА – совокупность методов определения дисперсности, т. е. характеристики размеров частиц в дисперсных системах. ДА включает различные способы определения размеров свободных частиц в жидких и газовы
Хотите получать на электронную почту самые свежие новости?
Подпишитесь на Нашу рассылку
Наша политика приватности обеспечивает 100% безопасность и анонимность Ваших E-Mail
Новости и инфо для студентов