Сегментирование по психологически-поведенческому принципу
Психологическая сегментация делит покупателей на разные группы по
признакам принадлежности к общественному классу, образа жизни или личностным характеристикам. У представителей одной и той же демографической группы могут быть совершенно разные психологические особенности.
Этот признак оказывает одно из важнейших влияний на общее сегментирование рынка. Поскольку книги являются продуктом культурного взаимодействия, очень важно принимать во внимание общественную группу и стиль жизни людей, так как это в значительной мере влияет на выбор.
Так как в нашем случае мы рассматриваем книги формата Pocketbook, основной группой покупателей будут люди, которые ведут спортивный или молодежный образ жизни. В противовес им стоят элитарный и богемный стиль жизни, и потребители, которые придерживаются этого стиля, не являются теми людьми, которые покупают книги мини-формата по низким ценам. Поэтому компании следует ориентироваться именно на молодежь среднего класса.
Также важно учитывать мотивы, которыми руководствуются потребители в выборе товара, и выгоды, которые ими управляют. Учитывая специфику товара, следует ориентироваться на людей, для которых главная цель – это низкая цена или удобство, так как именно эти два качества являются основными для книг Pocketbook.
Кластерный анализ
Кластерный анализ – это задача разбиения заданной выборки объектов (ситуаций) на подмножества, называемые кластерами, так, чтобы каждый кластер состоял из схожих объектов, а объекты разных кластеров существенно отличались. Задача кластеризации относится к статистическое обработке, а также к широкому классу задач обучения без учителя.
Кластерный анализ выполняет следующие основные задачи:
Разработка типологии или классификации.
Исследование полезных концептуальных схем группирования объектов.
Порождение гипотез на основе исследования данных.
Проверка гипотез или исследования для определения, действительно ли типы (группы), выделенные тем или иным способом, присутствуют в имеющихся данных.
Цели кластеризации:
Понимание данных путём выявления кластерной структуры. Разбиение выборки на группы схожих объектов позволяет упростить дальнейшую обработку данных и принятия решений, применяя к каждому кластеру свой метод анализа (стратегия «разделяй и властвуй»).
Сжатие данных. Если исходная выборка избыточно большая, то можно сократить её, оставив по одному наиболее типичному представителю от каждого кластера.
Обнаружение новизны (англ. novelty detection). Выделяются нетипичные объекты, которые не удаётся присоединить ни к одному из кластеров.
Методы кластеризации:
Метод одиночной связи (single method);
Метод полной связи (complete linkage);
Метод средней связи (average linkage);
Метод Варда (Ward's procedure);
Центроидный метод (centroid method)
неиерахические методы кластеризации (nonhierarchical clustering), часто называемые методом k-средних.
Существует около 100 разных алгоритмов кластеризации, однако наиболее часто используемые: иерархический кластерный анализ и кластеризация методов k-средних.
Для проведения кластерного анализа мы возьмем нашу компанию и двух ее конкурентов. Для построения диаграммы необходимо выделить показатели, которые значительно отличают эти три компании.
Таблица 3.2 – Уровни цен и качества продукции
Наименование компании |
Цена |
Качество |
«Эксмо-Пресс» |
32 |
8 |
«Аст» |
45 |
9 |
«Дрофа» |
40 |
7 |
Цена на продукцию устанавливается компанией и является показателем объективным, который не изменяется. Качество же оценивается потребителем, это субъективный показателям, и по нему возможно составить кластеры. Для этого нужно создать выборку с оценками качества. В данном примере она составляется посредством опроса 40 потребителей. Сводные данные представлены в таблице 3.3.
Таблица 3.3 – Оценка качества продукции потребителями
№ |
«Эксмо-Пресс» |
«Аст» |
«Дрофа» |
1 |
10 |
8 |
9 |
2 |
8 |
8 |
4 |
3 |
8 |
8 |
7 |
4 |
8 |
8 |
7 |
5 |
9 |
7 |
7 |
6 |
7 |
9 |
7 |
7 |
6 |
5 |
5 |
8 |
8 |
10 |
8 |
9 |
10 |
10 |
10 |
10 |
10 |
8 |
10 |
11 |
10 |
8 |
9 |
12 |
9 |
9 |
9 |
13 |
7 |
9 |
9 |
14 |
8 |
9 |
9 |
15 |
4 |
9 |
8 |
16 |
9 |
9 |
7 |
17 |
8 |
7 |
6 |
18 |
9 |
5 |
5 |
19 |
9 |
4 |
8 |
20 |
9 |
8 |
8 |
21 |
9 |
6 |
8 |
22 |
7 |
7 |
8 |
23 |
8 |
7 |
8 |
24 |
5 |
9 |
9 |
25 |
10 |
9 |
2 |
26 |
9 |
10 |
8 |
27 |
9 |
9 |
7 |
28 |
9 |
9 |
10 |
29 |
7 |
9 |
10 |
30 |
9 |
5 |
8 |
31 |
8 |
6 |
9 |
32 |
10 |
2 |
7 |
33 |
10 |
8 |
6 |
34 |
7 |
7 |
8 |
35 |
7 |
8 |
7 |
36 |
7 |
7 |
9 |
37 |
8 |
7 |
9 |
38 |
6 |
7 |
9 |
Продолжение таблицы 3.2 |
|||
№ |
«Эксмо-Пресс» |
«Аст» |
«Дрофа» |
39 |
6 |
9 |
9 |
40 |
9 |
7 |
9 |
Проанализируем данные и на их основе построим точечную диаграмму (рис.3.4)
Рис. 3.4 – Кластеризация
Точки на диаграмме – это оценки качества книг потребителями, а их скопления в определенных местах – это кластеры.