Успешный маркетинг ведет к процветанию корпорации.
На сайте изложены рекомендации, как сделать систему оценки маркетинга фирмы более эффективной и максимально повысить марочный капитал.
Основные методы сегментирования рынкаМатериалы по маркетингу / Сегментирование рынка / Основные методы сегментирования рынкаСтраница 2
Пример сегментации потребителей компьютеров методом AID представлен на рисунке 2.3.2.
Рисунок 2.3.2 - Сегментирования потребителей компьютеров методом AID
При втором подходе все выбранные признаки изучаются совместно и одновременно (здесь чаще всего используется кластерный анализ). При этом аналитик может исследовать либо дерево возможных объединений, либо задавать желаемое число кластеров. Пример сегментации потребителей верхней одежды методом дерева сегментов представлен в приложении А.
Для целей сегментирования также используются методы мультиатрибутивной классификации, когда разделение происходит по комплексу анализируемых признаков одновременно. Наиболее эффективными из них являются методы автоматической классификации, или иначе кластерного анализа.
Метод кластерной сегментации в последнее время находит все более активное применение в первую очередь благодаря развитию электронных систем обработки маркетинговой информации. Данный метод позволяет провести группировку объектов различной природы, а для любого набора переменных - найти группы объектов, обладающих сегментными признаками.
Термин «кластерный анализ» обозначает множество вычислительных процедур, используемых при классификации объектов. В результате применения классифицирующих процедур создаются «кластеры», или группы очень похожих объектов.
Методы кластерного анализа предусматривают подготовку данных об анализируемых объектах и представление этих объектов в виде однородных групп. Целесообразность применения кластерного анализа к проблемам сегментации обусловлена тем, что его вычислительные процедуры позволяют классифицировать потребителей по группам.
Общая идея кластерного анализа в рамках решения проблем сегментации сводится к решению следующих задач: классификация потребителей; разработка различных схем кластеризации; создание гипотез о существовании в исследуемой совокупности потребителей однородных групп; проверка гипотез о наличии однородных групп в исследуемых совокупностях потребителей.
Кластерный анализ проводится по следующим этапам:
- подготовка данных для кластеризации (часто в виде таблиц значений переменных по результатам анализа анкет);
- определение множества свойств, по которым будут оцениваться объекты (выбор переменных, которые будут играть первоочередную роль при сегментации);
- вычисление меры сходства между объектами (нормирование переменных, приведение их в сопоставимый вид для определения похожести потребителей);
- применение кластерного анализа для создания групп сходных объектов (использование выбранных переменных для определения схожести различных потребителей и формирования схожих потребительских групп - сегментов);
- проверка достоверности результатов кластерного решения (оценка полученных групп потребителей и нахождение адекватного описания сегментов с учетом средних показателей по использованным в ходе анализа переменным, составление профилей сегментов). [6, с. 137]
Реализация указанных шагов происходит следующим образом.
Строится таблица, в которую заносятся данные по всем изучаемым потребителям и интересующим нас признакам. Проводится нормирование значений признаков, чтобы привести различные численные значения, описывающие разные признаки к сопоставимому виду. Далее происходит «взвешивание» признаков сегментации для отражения большей или меньшей роли признака при измерении сходства между различными объектами-потребителями.
После определения важности признаков осуществляется непосредственно процесс кластеризации, т.е. деления совокупности потребителей на однородные группы-кластеры.
Современные программные продукты, такие как «SPSS», позволяют задавать желаемое число кластеров, которое исследователь хотел бы получить на выходе; выбирать различные процедуры кластеризации в зависимости от применения разных мер сравнения (мер сходства); обрабатывать огромные массивы информации и предоставлять полученные модели сегментации в графическом или табличном виде.
