Коврижных О.Е., Нигматуллина А. А.

Применение методов кластерного анализа в маркетинговых исследованиях

(Приволжского) Федерального Университета

Применение методов кластерного анализа в маркетинговых исследованиях

На сегодняшний день, для того, чтобы принять наиболее оптимальное управленческое решение в условиях жесткой конкуренции, предприятию необходимо располагать большими объемами информации. Так же необходимо точное анализирование рынков намеченной к производству продукции и выпускаемой продукции, капиталов и рабочей силы, основного сырья, что совершенно нельзя рассматривать без использования маркетинговых исследований, но наряду с важностью выбора методов сбора информации, не менее важным является выбор наиболее походящих и правильных методов анализа, так как от этого зависит не только правильность сделанных выводов, но и их точность и определенность.

Под маркетинговыми исследованиями подразумевается систематический сбор, анализ и отображение данных по разным аспектам маркетинговой деятельности. Одним из наиболее универсальных и широкоформатных методов анализа маркетинговых исследований является метод кластерного анализа.

Главной целью кластерного анализа является  нахождение групп схожих объектов в выборке. Кластерный анализ применяется для решения широкого спектра задач, но чаще всего речь идет именно о задаче сегментации.

Кластерный анализ применяется также для того, чтобы определить, в какой нише лучше позиционировать выводимый на рынок продукт. Он позволяет построить карту, на основе которой можно будет определить уровень конкуренции в различных сегментах и характеристики, которыми должен обладать товар для того, чтобы попасть в целевой сегмент. Такая карта позволяет, к примеру, выявить новые рынки, для которых можно разрабатывать и продвигать свои решения.

Основная цель кластерного анализа – выделить в исходных многомерных данных такие однородные подмножества, чтобы объекты внутри каждой группы были похожи в известном смысле друг на друга, а объекты из разных групп – не похожи.

Во всех работах по кластерному анализу отмечается тот факт, что не все выбранные признаки могут быть заданы  количественно (метрами, киллограммами, процентами, штуками и т.д.). При исследовании различных систем, особенно социального характера, большинство признаков не имеют количественного эталона, а могут быть заданы только качественно. И для того, чтобы привести все разноимённые значения признаков к их общему единству, необходимо преобразовать их к общему безразмерному началу.

Практика убедительно подтвердила тот факт, что при управлении социально-экономическими системами или объектами удобнее пользоваться не количественными, а качественными состояниями каждого  элемента (признака) системы. Вопрос заключается только в том, какое должно быть оптимальное число качественных уровней или каков должен быть заданный перечень категорий (градаций) качества  для каждой поставленной задачи исследования.

После определения признаков кластеризации необходимо решить вопрос о расчете степени сходства объектов. К настоящему времени существует четыре основных вида коэффициентов сходства: коэффициенты корреляции, меры расстояния, коэффициенты ассоциативности, вероятностные коэффициенты сходства.

Все остальные меры имеют частный характер и не пригодны для решения общей задачи классификации. Каждый из этих четырёх видов имеет свои достоинства, но и страдает существенными недостатками, которые следует рассмотреть прежде, чем принять решение к использованию одного из них.

Успешность кластеризации также будет зависеть от выбора метода кластеризации. Во многом выбор метода определяется спецификой будущих кластеров, тем не менее, существуют  несколько общих правил.

Неиерархические методы эффективны в случае, если имеется априорная информация о количестве и центрах кластеров. Иерархический кластерный анализ позволит также идентифицировать и исключить из рассмотрения выбросы, с целью повысить качество материала, на основе которого сработает неиерархический метод. Эта идея лежит в основе так называемого двух шагового метода кластеризации.

Даже после того, как после качественно проведенного кластерного анализа правило остановки рекомендовало нам прекратить дальнейшие вычисления, нет оснований считать, что полученное решение является адекватным. Результаты процедура кластерного анализа обязательно требуют проверки с помощью формальных и неформальных тестов.

Таким образом, кластерный анализ является очень удобным средством для выделения сегментов рынка и является незаменимым в маркетинговых исследованиях, но качество исследования будет во многом зависеть от правильности выбора методов кластеризации и грамотной интерпретации результатов исследования.

1) Костерин А.Г. Практика сегментирования рынка .- СПб. Питер. 2002.- 288 с.- (Серия «Маркетинг для профессионалов»).

2) Мандель И.Д. Кластерный анализ. - М.: Финансы и статистика. 1988. - 176 с.