Смекни!
smekni.com

Методические указания по лабораторным работам По дисциплине (стр. 4 из 10)

Имя таблицы

Общее описание данных

tParam Данные об именах и характеристиках по всем переменным сегментирования.
tLnkPrmCrit Параметры взаимосвязи переменных и критериев
tScale Параметры шкалированных данных
tFactPrm Параметры факторных переменных

Hами отмечено, что сходство и различия сегментов или кластеров определяются по значениям переменных и факторов. В качестве меры сходства объектов часто используется евклидово расстояние:

Здесь

dij – расстояние между потребителями i и j;

wk – коэффициент важности (вклад или вес переменной или фактора k);

xik , xjk – координаты точек, соответствующих потребителям по переменной или фактору k.

Все значения dij , xik , xjk определяются как нормированные по правилу нормирования с целью получения x*:

где x – ненормированное значение переменной.

В качестве переменных используют количественные и качественные величины. К числу количественных относят объем продаж, относительный уровень товарооборота и другие. Например, для каждого потребителя можно определить объемы продаж по товарным группам: кондитерские изделия, йогурты, бакалея, колбаса, мясо и мясные полуфабрикаты, рыба и рыбные полуфабрикаты, пельмени.

Для каждого потребителя i можно определить значение фактора k (Fik) как сумму произведений значений переменных фактора на коэффициенты (факторные нагрузки). Например, анализ факторных нагрузок показывает, что клиенты, склонные увеличивать закупки по группам «Мясо и мясные полуфабрикаты», «Рыба и рыбные полуфабрикаты», «Пельмени», не склонны покупать кондитерские изделия. Комплексный анализ всех зависимостей может выявить до 2-3 главных факторов. Например, можно рассматривать «Замороженные продукты», «Закуски», «Для домохозяек» или подобрать другие варианты.

Значения переменных можно заменить на факторы и выполнять кластеризацию по факторам. Для оценки сегментов или кластеров используют функции полезности или критерии на основе определения предпочтений.

Пусть u – вещественная функция, определенная на множестве альтернатив X, и пусть p,q

X.Функция u называется функцией полезности для отношения предпочтения

на X, если u(p) > u(q) для любых p и q, таких, что p
q.

Функция полезности обеспечивает переход от качественного сравнения отдельных альтернатив к сравнению вещественных чисел, которые являются значениями функции полезности, определенными на сопоставляемых альтернативах.

В рамках реляционного подхода может быть определена аддитивная функция полезности:

Величина

определяет важность i – ого свойства S для аналитика в рамках решаемой задачи сопоставления альтернатив p,q. Заметим, что экономико-математические методы широко применяются в современных технологиях, разрабатываемых как информатиками-экономистами, так и экономистами-математиками. Эти новые технологии получили название conjoint analysis («обобщенный анализ»). Например, при исследовании стратегического потенциала сегментов портфолио-методом необходимо построить две функции полезности, семантика которых отражает конкурентноспособность и привлекательность. Однако этот анализ, как и все остальные приложения подобного класса, предполагает использование документальных данных. После выполнения первых работ эта особенность должна быть понятна каждому студенту.

Следующие и предлагаемые для ознакомления данные получены в результате сегментирования по переменным (1 вариант).

Объект

Фактор 1

Фактор 2

Фактор 3

Конкурентность

Привлекательность

Объем рынка

Consumer 1

-2,43821

-0,23049

-4,09333

1,6665

5,9994

7

Consumer 2

-2,78803044

0,2981

-3,0974

1,6665

5,9994

6

Consumer 4

-5,6750326

1,159994

-6,93092

1,3332

6,666

7

Consumer 5

-4,23538359

0,874965

-7,29996

1,6665

5,3328

6

Информация о функциях полезности

Конкурентность

Коэффициенты важности

E1

0,3333

E2

0,3333

E3

0,3333

Привлекательность

Коэффициенты важности

E4

0,3333

E5

0,3333

E6

0,3333

Объем рынка

Коэффициенты важности

E5

1

Доля фирмы

Коэффициенты важности

E7

1

D

Numb

prmName

bScale

objID

objName

crID

CritName

Val

1

1

Var 1

Да

1

Consumer 1

9

Привлекательность

5,9994

2

2

Var 2

Нет

2

Consumer 2

9

Привлекательность

5,9994

3

3

Var 3

Нет

3

Consumer 3

9

Привлекательность

2,9997

4

4

Var 4

Нет

4

Consumer 4

9

Привлекательность

6,666

5

5

Var 5

Нет

5

Consumer 5

9

Привлекательность

5,3328

6

6

Var 6

Нет

6

Consumer 6

9

Привлекательность

2,3331

7

7

Var 7

Нет

7

Consumer 7

9

Привлекательность

2,3331

8

8

E1

Нет

8

Consumer 8

9

Привлекательность

4,6662

9

9

E2

Нет

9

Consumer 9

9

Привлекательность

2,3331

10

10

E3

Нет

10

Consumer 10

9

Привлекательность

4,6662

11

11

E4

Нет

objID

objName

crID

CritName

Val

12

12

E5

Нет

1

Consumer 1

8

Конкурентность

1,6665

13

13

E6

Нет

2

Consumer 2

8

Конкурентность

1,6665

14

14

E7

Нет

3

Consumer 3

8

Конкурентность

6,3327

15

15

E8

Нет

4

Consumer 4

8

Конкурентность

1,3332

23

16

1_Факторная переменная

Нет

5

Consumer 5

8

Конкурентность

1,6665

24

17

2_Факторная переменная

Нет

6

Consumer 6

8

Конкурентность

5,9994

25

18

3_Факторная переменная

Нет

7

Consumer 7

8

Конкурентность

5,6661

Далее первой следует карта восприятия сегментов по объектам-потребителям, второй – по товарам.