聚類分析。 在複雜現象的研究的科學方法

任何過程，包括市場的控制權，涉及的市場情況作出客觀的評價。 通過對市場機會，其中包括目標市場的選擇和發展分析的過程中逐漸趨向 複雜的營銷 和執行營銷活動，在不知不覺中面臨著研究的必要性。 因此，它是必要的，不僅要依靠分析師的人才和經驗，而且也取決於其使用的數據處理技術的培訓。

在現代經濟中，其複雜和多方面的進程，大量的信息，以找到最相關的數據，而無需使用不同的統計軟件包變得非常困難。

它佔據市場營銷研究一個特殊的角色聚類分析。 就其本質而言，這相結合的方法，結合統計研究的幾種方法。 它是基於多元意見的謊言分類，每個都有自己的一套描述性的變量。 聚類分析表明，以在具有原始指令集，用於考慮變量的相對均質的（均勻的）基團的對象進行分類的方法。 換句話說，對象被分解成組。 在團體，他們表現出的幾個理由相似。

聚類分析方法用於廣泛的營銷目標。

市場細分可以讓消費者打破類別進入集群的收購某些商品的預期效益的基礎上。 每個集群可以由消費者誰正在尋找類似的好處的。 這個名字，他選擇了一個合適的 - 利益分割方法。

消費者行為分析。 在此任務中，聚類分析是用來以模擬他們的行為產生均勻的客戶群體。

定義新產品的功能，我們可以通過聚類產生它 的品牌， 在同一時間可以追溯到規律性發音時的品牌在同一集群表現出的激烈競爭中相互比在其他集群的標記。

在城市群分組，您可以選擇最合適的市場某些商品。

聚類分析減少了數據的維數。 執行在不同的簇的觀察，然後移動到多個判別分析。 這是更簡單，更便宜的不是考慮各種情況。

集群的目標是通過類似的特徵組對象。 為相似度的更客觀的評估應該引入一些參考單元。 在形成集群通常同時依靠兩個或更多個特徵。

聚類分析包括使用了廣泛的聚類方法的。 其中包括如概率方法，途徑，是基於 人工智能， 邏輯方法，分層方法。

聚類分析涉及複雜的系統，該系統具有多個嵌套的組或不同的訂單集群。 這種方法使用兩種跡象。 結塊（統一）的跡象與divizivnymi（共享）共存。 的特徵的數量導致對monothetic分類方法和polythetic分離。

使用所有的統計這些方法中，大約有一百聚類算法。 但是，聚類分析是在此列表中的領導者。 它的魅力就在於它與數據的赤字完美運行，甚至當所要求的條件下正常分佈的隨機變量，以及經典的統計方法等要求的可用數據不會發生的事實。