Bármely folyamat irányítása, ideértve a következőket:marketing, magában foglalja a piaci helyzet objektív értékelését. Fokozatosan haladva a piaci lehetőségek elemzésének minden szakaszában, ideértve a célpiacok kiválasztását, a marketingmix kidolgozását és a marketingtevékenységek végrehajtását, önkéntelenül is szembe kell nézni a kutatás szükségességével. Ebben az esetben nemcsak az elemző tehetségére és tapasztalatára kell hagyatkozni, hanem az adatfeldolgozási módszerek ügyes használatára is.
A modern gazdaságban, összetettségével ésa folyamatok sokoldalúsága, hatalmas mennyiségű információ, nagyon problematikussá válik a legjelentősebb adatok megtalálása különféle statisztikai csomagok használata nélkül.
Különleges szerep a marketingbena kutatás klaszterelemzést végez. Jellegéből adódóan ez egy kombinált módszer, amely a statisztikai kutatás több módszerét ötvözi. Többváltozós megfigyelések osztályozásán alapul, amelyek mindegyikének megvan a maga leíró változóinak halmaza. A klaszteranalízis azt javasolja, hogy egy objektumot viszonylag homogén (homogén) csoportokba sorolhassanak, figyelembe véve a kezdeti változókészletet. Más szavakkal, az objektumokat csoportokra bontják. Csoportokban több szempontból mutatnak hasonlóságot.
A klaszterelemzési módszereket a marketing feladatok széles körében alkalmazzák.
A piaci szegmentálás lehetővé teszi a lebontásta fogyasztói kategóriát klaszterekbe egy adott termék beszerzésének várható előnyei alapján. Minden klaszter állhat hasonló előnyöket kereső fogyasztókból. A nevet megfelelően választották meg - az előnyök szegmentálásának módszerét.
Az ügyfél viselkedésének elemzése. A probléma megoldása során klaszteranalízist használnak homogén fogyasztói csoportok létrehozására viselkedésük modellezése céljából.
Meghatározva egy új termék képességeit, megtehetihogy a fürtözés védjegyekkel történjen, miközben kifejezett szabályosság van, amikor ugyanazon klaszter védjegyei erősebb versenyt mutatnak ki egymás között, mint más klaszterekben lévő márkákkal.
A városok klaszterekbe csoportosításával kiválaszthatja a legmegfelelőbb értékesítési piacokat egy adott termékhez.
A klaszterelemzés lehetővé teszi a dimenzió csökkentésétadat. Az egyes klaszterek megfigyelése, majd továbblépés a többszörös diszkrimináns elemzésre. Sokkal könnyebb és olcsóbb, mint minden esetet külön-külön mérlegelni.
A klaszterezés célja a csoportosításhasonló tulajdonságú tárgyak. A hasonlóság mértékének objektívebb megítélése érdekében be kell vezetni egy bizonyos referenciaegységet. A klaszterek létrehozásakor általában egyszerre két vagy több tulajdonságra támaszkodnak.
A klaszterelemzés magában foglalja aklaszterezési módszerek széles skálája. Közülük külön lehet kiemelni például a valószínűségi megközelítést, a mesterséges intelligencia rendszereken alapuló megközelítéseket, logikus megközelítést, hierarchikus megközelítést.
A hierarchikus klaszterelemzés feltételeziösszetett rendszer, amely számos beágyazott csoporttal vagy különféle rendű klaszterrel rendelkezik. Ez a módszer kétféle tulajdonságot használ. Az agglomeratív (egyesítő) jelek együtt élnek a megosztó (megosztó) jelekkel. A jellemzők száma az osztályozás monotetikus és polietetikus módszereire történő felosztáshoz vezet.
Mindezen módszereket használva a statisztikákban,körülbelül száz fürtözési algoritmus létezik. De a hierarchikus klaszterelemzés a vezető helyet foglalja el ebben a listában. Vonzereje abban rejlik, hogy tökéletesen működik, ha kevés az adat, és még akkor is, ha a rendelkezésre álló adatok nem felelnek meg a véletlen változók normál eloszlásának, valamint a klasszikus statisztikai módszerek egyéb követelményeinek megfelelő feltételeknek.
