Что получаем в итоге. На выходе – набор кластеров/сегментов

На выходе – набор кластеров/сегментов.

Каждый сегмент описывается средними по кластеру значениями переменных. С помощью этих данных можно выделить характерные особенности сегментов, их отличительные черты.

При хорошем кластерном решении дисперсия значений переменных внутри кластера должна быть минимальной (т.е. респонденты внутри кластера однородны), а дисперсия между кластерами максимальна (т.е. респонденты из одного кластера не похожи на респондентов из другого).

КАКОВЫ ПРЕИМУЩЕСТВА МЕТОДА?

Хорошее кластерное решение даёт яркие и чётко различающиеся сегменты.

На основе данных кластерного анализа можно выбирать разные стратегии работы с каждым из сегментов.

Тем не менее, т.к. метод основан на расстояниях между объектами, он не работает с типами переменных, которые не дают возможности рассчитать эти расстояния – категориальными и порядковыми. В случае с такими типами переменных для проведения сегментации рекомендуется использовать CHAID-анализ.

Список Литературы:

1. Акулич М. Сстатистические методы, используемые в маркетинговых исследованиях. Учебник.-М.ЛитагентРидеро, 2017.-80 с.

2. Герасименко В.В. Маркетинг. 3-е издание. Учебник. – М.: Проспект, 2016. – 509 с.

3. ТюринД. В. Маркетинговые исследования: учебник для бакалавров/ Д. В. Тюрин — М.: Издательство Юрайт, 2013. — 342 с. — Серия: Бакалавр. Углубленный курс.

4. Щербинина Л.Ю. Методы подготовки и анализа данных в маркетинговых исследованиях: Учебное пособие. Ч.1. - Калининград: БГАРФ, 2012. - 75 с.

5. Сайт исследовательской компании RADARhttp://radar-research.ru (дата обращения: 21.11.17)