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 |
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.