Кластерний аналіз. Науковий підхід при вивченні складних явищ

Управління будь-яким процесом, в тому числі і маркетингом, передбачає об`єктивну оцінку ситуації на ринку. Поступово просуваючись по всіх етапах аналізу ринкових можливостей, які включають і відбір цільових ринків, і розробку комплексу маркетингу, і реалізацію маркетингових заходів, мимоволі доводиться стикатися з необхідністю дослідження. При цьому доводиться не тільки покладатися на талант і досвід самого аналітика, а й на вміле їм використання методів обробки даних.

У сучасній економіці з її складністю і багатогранністю процесів, величезним обсягом інформації відшукати найбільш значущі дані без застосування різних статистичних пакетів стає вельми проблематично.

Особливу роль у проведенні маркетингових досліджень займає кластерний аналіз. За своєю природою це комбінований метод, що поєднує кілька способів статистичних досліджень. У його основу закладена класифікація багатовимірних спостережень, для кожного з яких відповідає свій набір описових змінних. Кластерний аналіз передбачає спосіб класифікувати об`єкт за відносними гомогенним (однорідним) групам, володіючи вихідним для розгляду набором змінних. Іншими словами об`єкти розбиваються по групах. У групах вони проявляють схожість за кількома ознаками.

Методи кластерного аналізу використовуються для широкого спектра маркетингових завдань.

Сегментація ринку дозволяє розбити споживчу категорію на кластери за ознаками очікуваних вигод від придбання певного товару. Кожен кластер може складатися з споживачів, які шукають схожі вигоди. Назва йому підібрали відповідне - метод сегментації переваг.

Аналіз поведінки покупців. У вирішенні цього завдання кластерний аналіз застосовується для створення однорідних споживчих груп з метою моделювання їх поведінки.

Визначаючи можливості нового товару, можна провести його кластеризацию по торговим маркам, при цьому простежується яскраво виражена закономірність, коли торгові марки одного і того ж кластера виявляють більш жорстку конкуренцію між собою, ніж з марками в інших кластерах.

Групуючи міста в кластери, можна вибрати найбільш прийнятні ринки збуту для певного товару.

Кластерний аналіз дозволяє скоротити розмірність даних. Виробляючи спостереження над окремими кластерами, потім переходять до множинного дискримінантного аналізу. Це значно простіше і дешевше, ніж розглядати окремо кожен випадок.

Метою кластеризації є групування об`єктів за схожими ознаками. Для більш об`єктивної оцінки ступеня схожості слід ввести якусь еталонну одиницю. При формуванні кластерів зазвичай спираються на два або більше ознаки одночасно.

Кластерний аналіз передбачає використання широкого набору методів кластеризації. Серед них можна виділити такі, як імовірнісний підхід, підходи, в основі яких лежать системи штучного інтелекту, логічний підхід, ієрархічний підхід.

Ієрархічний кластерний аналіз передбачає складну систему, яка має ряд вкладених груп або кластерів різного порядку. Цей метод використовує два види ознак. Агломеративні (об`єднавчі) ознаки сусідять із дівізівнимі (розділяють). Кількість ознак призводить до поділу на монотетіческіе методи класифікації і політетіческіе.

Використовуючи всі ці методи в статистиці, налічується близько ста алгоритмів кластеризації. Але ієрархічний кластерний аналіз займає в цьому списку лідируюче місце. Його привабливість полягає в тому, що він прекрасно функціонує при дефіциті даних, і навіть коли для наявних даних не відбувається виконання умов згідно з вимогою нормальності розподілів випадкових величин, а також інших вимог класичних методів статистики.