Bet kokio proceso valdymas, įskaitantrinkodara, apima objektyvų rinkos situacijos vertinimą. Palaipsniui žengiant per visus rinkos galimybių analizės etapus, įskaitant tikslinių rinkų pasirinkimą, rinkodaros derinio kūrimą ir rinkodaros veiklos įgyvendinimą, nevalingai tenka susidurti su tyrimų poreikiu. Šiuo atveju reikia pasikliauti ne tik paties analitiko talentu ir patirtimi, bet ir sumaniu duomenų apdorojimo metodų naudojimu.
Šiuolaikinėje ekonomikoje su savo sudėtingumu irprocesų universalumas, didžiulis informacijos kiekis, tampa labai problematiška surasti reikšmingiausius duomenis nenaudojant įvairių statistinių paketų.
Ypatingas vaidmuo rinkodarojeatliekant tyrimus atliekama grupinė analizė. Pagal savo pobūdį tai yra kombinuotas metodas, apjungiantis kelis statistinių tyrimų metodus. Jis pagrįstas daugiamatių stebėjimų klasifikavimu, kurių kiekvienas turi savo aprašomųjų kintamųjų rinkinį. Klasterinė analizė numato būdą klasifikuoti objektą į santykinai homogeniškas (homogeniškas) grupes, turint svarstyti pradinį kintamųjų rinkinį. Kitaip tariant, objektai skirstomi į grupes. Grupėse jie rodo panašumus keliais būdais.
Klasterinės analizės metodai naudojami atliekant įvairiausias rinkodaros užduotis.
Rinkos segmentavimas leidžia suskaidytivartotojų kategoriją į grupes, atsižvelgiant į numatomą konkretaus produkto įsigijimo naudą. Kiekvieną klasterį gali sudaryti vartotojai, ieškantys panašių pranašumų. Pavadinimas buvo pasirinktas tinkamai - privalumų segmentavimo metodas.
Kliento elgesio analizė. Sprendžiant šią problemą, klasterinė analizė naudojama siekiant sukurti homogeniškas vartotojų grupes, siekiant modeliuoti jų elgesį.
Nustatydami naujo produkto galimybes, galitesudaryti grupes pagal prekių ženklus, nors yra ryškus dėsningumas, kai tos pačios grupės prekių ženklai konkuruoja tarpusavyje labiau nei su kitų grupių prekių ženklais.
Grupuodami miestus į grupes, galite pasirinkti tinkamiausias konkretaus produkto pardavimo rinkas.
Klasterinė analizė leidžia sumažinti matmenisduomenis. Stebint atskirus klasterius, tada pereinama prie kelių diskriminantų analizės. Tai yra daug lengviau ir pigiau nei nagrinėti kiekvieną atvejį atskirai.
Grupavimo tikslas yra grupuotiobjektai panašiais pagrindais. Norint objektyviau įvertinti panašumo laipsnį, reikėtų įvesti tam tikrą atskaitos vienetą. Kurdami grupes, jie vienu metu dažniausiai remiasi dviem ar daugiau funkcijų.
Klasterinė analizė apimaplatų grupavimo metodų spektrą. Tarp jų galima išskirti tikimybinį požiūrį, požiūrius, pagrįstus dirbtinio intelekto sistemomis, loginį požiūrį, hierarchinį požiūrį.
Daroma prielaida, kad atliekama hierarchinė klasterių analizėsudėtinga sistema, kurioje yra daugybė skirtingų lizdų grupių arba grupių. Šis metodas naudoja dviejų rūšių bruožus. Aglomeraciniai (vienijantieji) bruožai egzistuoja kartu su skaldančiais (skirstančiais). Požymių skaičius lemia skirstymą į monotetinius ir polietetinius klasifikavimo metodus.
Naudojant visus šiuos metodus statistikoje,yra apie šimtas klasterizuotų algoritmų. Tačiau hierarchinė klasterių analizė užima pirmaujančią vietą šiame sąraše. Jo patrauklumas slypi tame, kad jis puikiai veikia, kai trūksta duomenų, ir net tada, kai turimi duomenys neatitinka sąlygų pagal atsitiktinių kintamųjų normalaus paskirstymo reikalavimą, taip pat kitus klasikinių statistikos metodų reikalavimus.
