Pages Navigation Menu

ISSN 2227-6017 (ONLINE), ISSN 2303-9868 (PRINT), DOI: 10.18454/IRJ.2227-6017
ПИ № ФС 77 - 51217

Страницы: 26 Выпуск: 5 (5) () Искать в Google Scholar
Цитировать

Цитировать

Электронная ссылка | Печатная ссылка

Скопируйте отформатированную библиографическую ссылку через буфер обмена или перейдите по одной из ссылок для импорта в Менеджер библиографий.
Романюк Е. В. Обзор методов кластерного анализа и оценка их применимости для решения задачи сегментации потребительского рынка / Е. В. Романюк // Международный научно-исследовательский журнал. — 2012. — №5 (5). — С. 26. — URL: http://research-journal.org/economical/obzor-metodov-klasternogo-analiza-i-ocenka-ix-primenimosti-dlya-resheniya-zadachi-segmentacii-potrebitelskogo-rynka/ (дата обращения: 23.05.2017. ).
Романюк Е. В. Обзор методов кластерного анализа и оценка их применимости для решения задачи сегментации потребительского рынка / Е. В. Романюк // Международный научно-исследовательский журнал. — 2012. — №5 (5). — С. 26.

Импортировать


Обзор методов кластерного анализа и оценка их применимости для решения задачи сегментации потребительского рынка

Романюк Е. В.

Россия, Ставрополь, магистр Северо-Кавказского  Федерального Университета 

Обзор методов кластерного анализа и оценка их применимости для решения задачи сегментации потребительского рынка

Аннотация 

В данной работе рассмотрена статья о процессе сегментации потребительского рынка, определение системы поддержки решений, а также применение кластерного анализа в различных областях деятельности, распространенный набор методов кластерного анализа для решения задач маркетинга.

Ключевые слова: Сегментация, кластерный анализ, Data Mining, поддержка принятия решений. Segmentation, cluster analysis, Data Mining, decision support.

Современное содержание процесса сегментации рынка является результатом эволюции концепции маркетинга. Прежде чем производитель стал рассматривать рынок как дифференцированную структуру в зависимости от групп потребителей и потребительских свойств товара его взгляды, и сознание прошли через различные методы маркетинга: массовый, товарно-дифференцированный, целевой.

Рыночная сегментация представляет собой, с одной стороны, метод для нахождения частей рынка и определения объектов, на которые направлена маркетинговая деятельность предприятий. С другой стороны, – это управленческий подход к процессу принятия предприятием решений на рынке, основа для выбора правильного сочетания элементов маркетинга.

Объектами сегментации являются, прежде всего, потребители. Выделенные особым образом, обладающие определёнными общими признаками они составляют сегмент рынка. Основное внимание в маркетинге уделяется поиску однородных групп потребителей, имеющих сходные предпочтения и одинаково реагирующих на маркетинговые предложения.

Для успешной реализации принципов сегментации являются следующие условия:

—      способность предприятия (организации) осуществлять дифференциацию структуры маркетинга (цен, способов стимулирования сбыта, места продажи, продукции);

—      избранный сегмент должен быть достаточно устойчивым, ёмким и иметь перспективы роста;

—     предприятие должно располагать данными о выбранном сегменте, измерить его характеристики и требования;

—     избранный сегмент должен быть доступным для предприятия, т. е. иметь соответствующие каналы сбыта и распределения продукции, систему доставки изделий;

—     предприятие должно иметь контакт с сегментом (например, через каналы личной и массовой коммуникации);

—      оценить защищенность избранного сегмента от конкуренции, определить сильные и слабые стороны конкурентов и собственные преимущества в конкурентной борьбе.

Таким образом — только при достаточном изучении избранного сегмента и оценив собственный потенциал, производитель может принять решение о выборе сегмента.

Data Mining – мультидисциплинарная область, возникшая и развивающаяся на базе таких наук как прикладная статистика, распознавание образов, искусственный интеллект, теория баз данных и др.

Data Mining – это процесс поддержки принятия решений, основанный на поиске в данных скрытых закономерностей.

Data Mining – это процесс обнаружения в сырых данных ранее неизвестных, нетривиальных, практически полезных и доступных интерпретации знаний, необходимых для принятия решений в различных сферах человеческой деятельности.

Кластерный анализ применяется в различных областях. Он полезен, когда нужно классифицировать большое количество информации.

 В маркетинге это может быть задача сегментации конкурентов и потребителей. В маркетинговых исследованиях кластерный анализ применяется достаточно широко — как в теоретических исследованиях, так и практикующими маркетологами, решающими проблемы группировки различных объектов. При этом решаются вопросы о группах клиентов, продуктов и т. д. Так, одной из наиболее важных задач при применении кластерного анализа в маркетинговых исследованиях является анализ поведения потребителя, а именно: группировка потребителей в однородные классы для получения максимально полного представления о поведении клиента из каждой группы и о факторах, влияющих на его поведение.

Важной задачей, которую может решить кластерный анализ, является позиционирование, т. е. определение ниши, в которой следует позиционировать новый продукт, предлагаемый на рынке. В результате применения кластерного анализа строится карта, по которой можно определить уровень конкуренции в различных сегментах рынка и соответствующие характеристики товара для возможности попадания в этот сегмент. С помощью анализа такой карты возможно определение новых, незанятых ниш на рынке, в которых можно предлагать существующие товары или разрабатывать новые.

В сфере маркетинга Data Mining находит очень широкое применение.

Основные вопросы маркетинга «Что продается?», «Как продается?», «Кто является потребителем?» В лекции, посвященной задачам классификации и кластеризации, подробно описано использование кластерного анализа для решения задач маркетинга, как, например, сегментация потребителей.

Другой распространенный набор методов для решения задач маркетинга — методы и алгоритмы поиска ассоциативных правил. Также успешно здесь используется поиск временных закономерностей.

В сфере розничной торговли, как и в маркетинге, применяются:

– алгоритмы поиска ассоциативных правил (для определения часто встречающихся наборов товаров, которые покупатели покупают одновременно). Выявление таких правил помогает размещать товары на прилавках торговых залов, вырабатывать стратегии закупки товаров и их размещения на складах и т.д.

– использование временных последовательностей, например, для определения необходимых объемов запасов товаров на складе.

– методы классификации и кластеризации для определения групп или категорий клиентов, знание которых способствует успешному продвижению товаров.

Литература

  1. Алексеев А. А. «Методика сегментирования потребителей»,// «Маркетинг и маркетинговые исследования в России», № 1,2009 г.
  2. Басовский Л. Е. «Маркетинг», Москва, ИНФРА М,2009 г., — 426 с.
  3. Гольцов А. В. «Перспективы использования стратегического маркетинга на предприятии». // «Маркетинг»,2008 г., № 2., с. 72-89.
  4. Крофт М. Д. «Сегментирование рынка». Санкт-Петербург, «Питер»,2008 г. – 128 с.
  5. Резниченко Б. А. «Критический анализ критериев сегментирования», «Маркетинг в России и за рубежом», №3,2009 г.

Оставить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *

Лимит времени истёк. Пожалуйста, перезагрузите CAPTCHA.