Кластерный анализ в сегментации рынка

Молодецкая С.Ф.

Во всех видах маркетинговой деятельности анализ сегментов покупателей находит применение и оказывает влияние на результаты продвижения продукции покупателям.

Основу сегментирования составляет разбиение потребителей на осмысленные группы, которые принято называть «сегментами». Существует огромное множество подходов к классификации объектов. Среди существующих методов достойное место занимает кластеризация как совокупность методов и технологий выделения однородных групп объектов и объяснения полученных результатов. В результате применения классифицирующих процедур создаются «кластеры», или группы очень похожих объектов. Целесообразность применения кластерного анализа к проблемам сегментирования обусловлена тем, что его вычислительные процедуры позволяют классифицировать потребителей по группам.

Применения кластерного анализа в рамках решения проблем сегментирования сводится к решению следующих задач:

  • классификация потребителей;

  • разработка различных схем кластеризации;

  • создание гипотез о существовании в исследуемой совокупности потребителей однородных групп;

  • проверка гипотез о наличии однородных групп в исследуемых совокупностях потребителей.

Важной особенностью методов кластеризации является то, что группы, или кластеры, определяются в процессе анализа, а не заранее, и у исследователя может и не быть априорной информации о распределении генеральной совокупности.

Важно отметить особенность применения кластерного анализа в сегментировании. Кластерный метод призван выделять группы из исходного множества объектов. Результатом его применения всегда является некоторый набор групп объектов. Однако получаемое разбиение может и не соответствовать гипотезе аналитика о существовании «реальной» сегментной структуры. Поэтому при применении кластерного анализа аналитик вынужден проводить многочисленные эксперименты, позволяющие совместить его представление о реальной структуре рынка с конкретными вычисляемыми результатами.

Таким образом, задача кластерного анализа заключается в том, чтобы разбить множество исследуемых объектов на относительно небольшое число однородных сегментов таким образом, чтобы каждый объект принадлежал одному и только одному кластеру и чтобы объекты одного кластера, были сходными, в то время как объекты, принадлежащие разным кластерам, были разнородными.

Графическая модель кластерного анализа в двумерном пространстве представлена на рис. 1, где показана идеальная ситуация кластеризации: каждый объект наблюдения попадает только в один кластер, и кластеры четко отделены друг от друга.

2-1.png 

Рисунок 1. Идеальная модель кластеров

В реальности же границы кластеров могут быть нечеткими, и отнесение объекта к какому-либо кластеру кажется неочевидным, как это показано на рисунке 2

 2-2.png

Рисунок 2 Объекты пересечения кластеров

В мире компьютерных технологий существует большое разнообразие компьютерных программ, позволяющих проводить кластеризацию. Одним из таких инструментов является КонСи Сегментирование и рынки.

Кластерный анализ в программе реализуется в несколько этапов:

  1. отбор и преобразование переменных для анализа.

  2. выбор меры расстояния между объектами.

  3. выбор метода кластеризации.

  4. определение числа кластеров.

  5. интерпретация и оценка достоверности кластеров.

Приведем некоторые особенности практической реализации методов кластеризации в программе. Рассмотрим схему сегментирования базового рынка потребителей. Будем считать, что три свойства потребителей определяют схему построения базового рынка.

 2-3.png

Рисунок 3. Сетка сегментирования базового рынка

Оценки каждого свойства будем откладывать по перпендикулярным осям. Указанные три направления поделим на участки. Это может быть значение переменной или диапазон ее изменения. При определении шагов для каждой оси необходимо рассмотреть все возможные значения анализируемого свойства.

Подобное разбиение осей позволяет разделить пространство, ограниченное тремя направлениями, на сетку. Такая сетка обычно именуется сеткой сегментации. Каждая из выделенных клеток рассматривается как потенциальный или действующий сегмент. Этот подход позволяет резко сократить размерности решаемых задач, отсеять малозначимые варианты.

Перед тем как использовать построенную сетку на практике, ее необходимо проверить. Для этого в нее «размещают» потребителей, которые хорошо известны аналитику. После «размещения» потребителей по клеткам сетки проверяют соответствие семантики клеток и оценок, которыми обладают изучаемые потребители.

Построенная сегментная структура позволяет оценить положение действующих сегментов. А незаполненные клетки отражают положение новых потенциальных сегментов. Это очень важное свойство данного подхода.

Рассмотрим пример выделения сегментов. Аналитик мясокомбината провел исследование респондентов для того, чтобы определить позицию торговой марки своего комбината относительно конкурентов. Для этого аналитик провел опрос 1057 респондентов. В опросе  задавались вопросы о том, как респонденты воспринимают колбасные изделия известных им производителей. Кроме того, задавались вопросы о том, каким уровнем качественных свойств должна обладать торговая марка. Необходимо выделить сегменты и определить позиции каждой торговой марки в пространстве качественных параметров брендов. А также аналитик должен предложить направления для репозиционирования своего бренда и должен определить действия, которые могут предпринять конкуренты, если решат улучшать позиции своих торговых марок.

Как с помощью переменных может быть разбита совокупность потребителей на сегменты? Здесь достаточно определить понятие «сегмент» как группу потребителей со схожими значениями переменных. Определим гипотезу о существовании трех сегментов. Самое простое действие, которое мы можем предпринять для построения сегментов, это разбить потребителей на группы по переменным, отражающим качественные характеристики товаров. Но здесь возникает вопрос о том, что какие факторы оказывают наибольшее влияние на результаты кластеризации. Для этого в программе предлагается инструмент факторного анализа. Обычно в качестве главных факторов выбираются первые три фактора. Аналитик должен заменить стандартные имена факторов - Фактор 1, Фактор 2, Фактор 3 на свои имена, которые несут маркетинговый смысл и отражают мотивы поведения респондентов 

2-4.png

Рисунок 4. Матрица факторных нагрузок

На рисунке 4 можно видеть что переменные с большими факторными нагрузками в третьем столбце имеют имена, смысл которых отражает отношение респондентов к потреблению сосисок. Этот фактор "воздействовал" на  респондентов и они отвечали на вопросы о сосисках так, что их ответы коррелировали между собой значительно больше, чем при ответах на другие вопросы. Поэтому переменные о сосисках имеют значительно большие значения факторных нагрузок по третьему фактору.

После завершения построения факторов интерпретации автоматически изменились оси трехмерного пространства, в котором представляются респонденты.

2-5.png

Рисунок 5. Результаты кластеризации

Получено, что число факторов - три, что значительно меньше числа переменных сегментирования, удалось получить наглядное представление множество респондентов в виде облаков точек. При этом принадлежность каждой респондента к кластеру задается цветом.

Чтобы установить маркетинговый смысл выделенных кластеров, аналитик может изучить ответы "среднего" представителя каждого кластера. Экспорт данных в Excel позволяет изучить математические характеристики сегментов и дать им семантические названия.

2-6.png

Рисунок 6. Математические характеристики сегментов

При разработке анкеты были введены вопросы о том, как респондент воспринимает конкурирующие бренды. Были введены переменные, как параметры восприятия. Далее следует построить факторы, в пространстве которых следует провести позиционирование изучаемых брендов. Интерпретацию проведем относительно идеального восприятия. Это означает, что в качестве исходного материала для построения параметров восприятия будут использованы ответы о том, как он воспринимает "идеальный" бренд. Информация о значениях переменных позиционирования (параметрах восприятия бренда) была обработана методом главных компонент ( факторным анализом). Построена матрица факторных нагрузок. Аналитик должен изучить эту матрицу и дать названия выделенным трем главным факторам.

2-7.png

Рисунок 7. Матрица факторных нагрузок по качественным характеристикам товаров

Третьему фактору дадим название "цена - качество". Это означает, что при позиционирование брендов будем учитывать стремление покупателей найти товар с оптимальным по их мнению соотношением "цена-качество". В третьем столбцы матрицы факторных нагрузок именно переменная с этим смыслом имеет наибольшую факторную нагрузку.

Проведем позиционирование брендов на сегментах.

2-8.png

Рисунок 8. Карта позиционирования

На карте позиционирования видны три сегмента. Наибольшим является сегмент "Покупатели вареных колбас и сосисок". Также стоит отметить, что этот сегмент довольно "капризных покупателей", т.к. для них при позиционирования "Бренда А и Е" необходимо обратить внимание на такие качественные характеристики товаров, как свежесть, цвет мяса, гармоничность специй, качественная структура мяса, а также доверие к упаковке, известность марки (это "показывают" оси частных критериев, которые входят в сегмент).

На сегменте «Копченные и варенные колбасы» следует позиционировать "Бренд Б". Необходимо обратить внимание на такой фактор как свежесть, гармоничность специй.

Таким образом, предложенный инструментарий КонСи позволяет провести кластерный анализ в сегментации рынка, используя методы факторного анализа.

Литература

  1. Костерин А.Г. Практика сегментирования рынка. Спб.: изд-во «Питер», 2002, 288 с.

  2. Руднева П.С. Опыт создания структурных кластеров в развитых странах [Электронный ресурс]. URL: http://journal.vlsu.ru (дата обращения 11.09.2012)

  3. Портер М. Конкуренция. М.: издат. дом «Вильяме», 2003. 326 с.

Молодецкая С.Ф.

Кластерный анализ в сегментации рынка

  • Экономика и управление


Яндекс.Метрика