乡下人产国偷v产偷v自拍,国产午夜片在线观看,婷婷成人亚洲综合国产麻豆,久久综合给合久久狠狠狠9

  • <output id="e9wm2"></output>
    <s id="e9wm2"><nobr id="e9wm2"><ins id="e9wm2"></ins></nobr></s>

    • 分享

      大數(shù)據(jù)營(yíng)銷——產(chǎn)品分析

       blackhappy 2019-03-24

      為細(xì)分市場(chǎng)進(jìn)行聚類分析

      并不是每件產(chǎn)品都適合所有客戶,也不是每次營(yíng)銷付出的努力都會(huì)獲得所有客戶相同程度的回應(yīng)。市場(chǎng)細(xì)分是按照客戶相似的特點(diǎn)、產(chǎn)品偏好或預(yù)期將他們分組的一種方式。識(shí)別細(xì)分市場(chǎng)之后,很多時(shí)候不只廣告信息甚至連產(chǎn)品都可以為每個(gè)細(xì)分市場(chǎng)而定制。

      構(gòu)建細(xì)分市場(chǎng)的基礎(chǔ)是:

      • 客戶的人口統(tǒng)計(jì)特征;
      • 客戶的心理統(tǒng)計(jì)特征;
      • 客戶希望從產(chǎn)品或服務(wù)中獲得的好處;
      • 客戶過(guò)去購(gòu)買行為及產(chǎn)品使用行為。

      聚類分析

      聚類分析是一類統(tǒng)計(jì)方法,可應(yīng)用于描述那些自身展現(xiàn)出分類特性的數(shù)據(jù)。進(jìn)行聚類分析時(shí),并沒(méi)有因變量和自變量之分,而是要檢驗(yàn)所有的相互依存關(guān)系。進(jìn)行聚類分析就是查找并整理原始客戶數(shù)據(jù),再將這些客戶劃分為簇。“簇”是一組相對(duì)同質(zhì)的客戶。同一個(gè)簇中的客戶彼此相似,但與簇外的客戶并不相似,與其他簇的客戶尤為不同。聚類分析的主要輸入信息是對(duì)客戶之間相似性的衡量指標(biāo),例如相關(guān)系數(shù)、距離度量和關(guān)聯(lián)系數(shù)。以下是聚類分析的幾個(gè)基本步驟:

      1. 提出問(wèn)題并選出想要作為聚類依據(jù)的變量;
      2. 根據(jù)選擇的變量計(jì)算客戶間的距離;
      3. 將聚類步驟應(yīng)用于距離測(cè)量;
      4. 確定簇的數(shù)目;
      5. 描繪、闡釋簇并得出結(jié)論(在此感知圖等說(shuō)明方法很有用)。

      距離度量

      任何聚類分析的主要輸入?yún)?shù)都是進(jìn)行聚類的個(gè)體之間的距離度量。距離度量即對(duì)進(jìn)行市場(chǎng)細(xì)分的個(gè)體在選定變量上的差異進(jìn)行量化。兩個(gè)個(gè)體之間距離較短(較長(zhǎng))就意味著這兩者在這個(gè)市場(chǎng)細(xì)分變量方面的偏好更相似(不相似)。兩個(gè)個(gè)體之間的距離是用歐氏距離來(lái)衡量的(x_1代表個(gè)體x在變量1上的值,y_1代表y在變量1上的值)。計(jì)算出這次聚類分析中全部個(gè)體彼此之間的歐氏距離,繼而求出兩兩之間的距離矩陣。

      大數(shù)據(jù)營(yíng)銷——產(chǎn)品分析

      K均值聚類算法

      K均值聚類屬于非層次類聚類算法,由于簡(jiǎn)單、快速而得到較為廣泛的應(yīng)用。這種算法在處理不同類型的多個(gè)變量時(shí)具有穩(wěn)健性,更加適合營(yíng)銷中常見(jiàn)的大數(shù)據(jù)集,且對(duì)具有離群值的異常客戶(即與其他客戶完全不同的客戶)不太敏感。在開(kāi)始聚類算法之前必須指定需要的簇的數(shù)目。K均值聚類的基本算法如下:

      1. 選定簇的數(shù)量k;
      2. 隨機(jī)選擇k個(gè)數(shù)據(jù)點(diǎn)作為聚類質(zhì)心;
      3. 將每個(gè)數(shù)據(jù)點(diǎn)分配給距離它最近的聚類質(zhì)心;
      4. 重新計(jì)算新的聚類質(zhì)心;
      5. 重復(fù)前兩步,直到某個(gè)收斂標(biāo)準(zhǔn)得到滿足。這個(gè)收斂標(biāo)準(zhǔn)通常是指客戶數(shù)據(jù)點(diǎn)所分配到的簇在多次迭代中保持恒定。

      一個(gè)聚類質(zhì)心簡(jiǎn)單來(lái)說(shuō)就是這個(gè)簇中所有數(shù)據(jù)點(diǎn)的平均值。它的坐標(biāo)是簇中所有點(diǎn)在每個(gè)維度上的算術(shù)平均值。

      大數(shù)據(jù)營(yíng)銷——產(chǎn)品分析

      簇的數(shù)目

      K均值聚類的一個(gè)主要問(wèn)題是沒(méi)有對(duì)數(shù)據(jù)中簇的數(shù)目給出判斷。K均值聚類必須根據(jù)不同的k值(簇的數(shù)目)多次計(jì)算,來(lái)確定適用于數(shù)據(jù)的簇?cái)?shù)。確定簇?cái)?shù)一個(gè)常用的方法是“肘形判據(jù)”(elbow criterion,亦作“手肘法”“肘部法則”等)。

      肘形判據(jù)的標(biāo)準(zhǔn)是,當(dāng)目前所選的簇?cái)?shù)為最佳值時(shí),新增另一個(gè)簇便不會(huì)新增足夠的信息。我們可以通過(guò)簇的數(shù)量標(biāo)繪“簇內(nèi)方差”與“簇間方差”的比率,來(lái)判定“肘”的位置。

      對(duì)某個(gè)簇中的客戶進(jìn)行市場(chǎng)細(xì)分時(shí)會(huì)選定一些變量作為依據(jù),對(duì)這些變量的方差平均值的估值便是“簇內(nèi)方差”。對(duì)不同細(xì)分市場(chǎng)中客戶市場(chǎng)細(xì)分變量的方差平均估值則稱為“簇間方差”。聚類分析的目的是使簇內(nèi)方差最小化,并使簇間方差最大化。因此隨著簇的數(shù)目不斷增加,簇內(nèi)方差與簇間方差的比值不斷減小。但簇?cái)?shù)增加到一定值的時(shí)候,再增加另一個(gè)簇帶來(lái)的邊際收益會(huì)下降,這樣圖表中便會(huì)出現(xiàn)一個(gè)折角(肘形),即最合適的簇?cái)?shù)。

      大數(shù)據(jù)營(yíng)銷——產(chǎn)品分析

      聚類凝聚點(diǎn)的初始分配會(huì)影響最終的模型性能。用于確保從K均值聚類法獲得穩(wěn)定結(jié)果的一些常用方法如下:

      • 用不同的初值多次運(yùn)行算法。當(dāng)使用不同的起始點(diǎn)時(shí),多次運(yùn)行算法以保證每次的起點(diǎn)都不相同。
      • 隨機(jī)將數(shù)據(jù)劃分為兩部分,在每一部分分別進(jìn)行聚類分析。如果兩部分的簇的數(shù)目與簇的大小均相似的話,那么該結(jié)果便是穩(wěn)健和穩(wěn)定的。

      分析簇

      一旦確定了簇,便可根據(jù)聚類分析的變量或使用人口統(tǒng)計(jì)特征等附加數(shù)據(jù)來(lái)描述簇,由此為每個(gè)細(xì)分市場(chǎng)制定營(yíng)銷策略。描述簇的過(guò)程被稱為“分析”。

      對(duì)于一個(gè)給定的市場(chǎng)細(xì)分標(biāo)準(zhǔn),K均值聚類算法可以用來(lái)確定簇以及每個(gè)簇中的客戶。然而管理層必須慎重選擇進(jìn)行市場(chǎng)細(xì)分的變量。用來(lái)評(píng)估市場(chǎng)細(xì)分方案有效性的常用標(biāo)準(zhǔn)包括:

      • 可識(shí)別性,管理人員識(shí)別市場(chǎng)中細(xì)分市場(chǎng)的難易程度。
      • 可持續(xù)性,細(xì)分市場(chǎng)必須能夠代表足夠大的市場(chǎng)份額,以確保營(yíng)銷方案的個(gè)性化制定具有盈利性。
      • 可獲得性,通過(guò)營(yíng)銷活動(dòng),營(yíng)銷經(jīng)理對(duì)所識(shí)別的細(xì)分市場(chǎng)的接觸程度。
      • 可行性,細(xì)分市場(chǎng)中的客戶和滿足他們需求所必需的營(yíng)銷組合是否與公司的目標(biāo)與核心競(jìng)爭(zhēng)力一致。

      聯(lián)合分析法

      聯(lián)合分析法是一種營(yíng)銷研究方法,有助于經(jīng)理們判定客戶和潛在客戶的偏好。具體地說(shuō),聯(lián)合分析法會(huì)判定客戶對(duì)產(chǎn)品不同屬性的重視程度,以及在產(chǎn)品的眾多屬性和特性之間如何取舍。因此,聯(lián)合分析法最適用于自身屬性具體有形、容易描述或量化的產(chǎn)品。以下是現(xiàn)代聯(lián)合分析法比較重要的幾個(gè)應(yīng)用領(lǐng)域:

      • 根據(jù)競(jìng)爭(zhēng)對(duì)手現(xiàn)有的產(chǎn)品,預(yù)測(cè)本公司即將推出的新產(chǎn)品會(huì)占多少市場(chǎng)份額;
      • 預(yù)測(cè)新的競(jìng)爭(zhēng)產(chǎn)品對(duì)已有任一產(chǎn)品市場(chǎng)份額的影響;
      • 判定客戶對(duì)即將推出的新產(chǎn)品的購(gòu)買意愿;
      • 量化客戶或潛在客戶面對(duì)正在研發(fā)的新產(chǎn)品設(shè)計(jì)中的不同屬性或特性將如何決策。

      實(shí)驗(yàn)設(shè)計(jì)

      聯(lián)合分析法的第一步是實(shí)驗(yàn)設(shè)計(jì),其中包括所有將用于測(cè)試的屬性和屬性值。聯(lián)合分析法中有屬性和通常被稱為“水平”的兩個(gè)概念。屬性可以是價(jià)格、顏色等,水平指具體的數(shù)值或有無(wú)。建立實(shí)驗(yàn)設(shè)計(jì)時(shí),要牢記以下幾點(diǎn):

      • 每種屬性的水平對(duì)于被調(diào)查的人來(lái)說(shuō)越具體、越好理解,調(diào)查結(jié)果就越有效。
      • 測(cè)試的屬性水平越多,就需要越多的數(shù)據(jù)才能獲得相同的輸出準(zhǔn)確度。
      • 對(duì)于定量變量(比如價(jià)格),任意兩個(gè)相鄰水平之間的距離越大(如相隔24000美元),就越難了解客戶如何對(duì)處于兩者之間的水平進(jìn)行評(píng)價(jià)。

      數(shù)據(jù)收集

      現(xiàn)有收集聯(lián)合數(shù)據(jù)的方法,是使用個(gè)人電腦或網(wǎng)絡(luò)版軟件來(lái)引導(dǎo)被調(diào)查者完成互動(dòng)式的聯(lián)合調(diào)查。軟件利用調(diào)查人員提供的實(shí)驗(yàn)設(shè)計(jì)生成假定的產(chǎn)品屬性,并根據(jù)參與調(diào)查者的評(píng)分或選擇來(lái)估算屬性水平的效用。

      閱讀聯(lián)合分析法實(shí)驗(yàn)結(jié)果

      聯(lián)合分析的基本結(jié)果是估算得到的屬性水平效用值。估算得到的效用值(或稱“分值”)對(duì)應(yīng)的是消費(fèi)者對(duì)任一給定屬性水平的平均偏好。對(duì)任意一個(gè)給定屬性,估算得到的效用值通常會(huì)用一個(gè)總和為零的分?jǐn)?shù)系統(tǒng)來(lái)整理,因此負(fù)數(shù)并不意味著該水平的效用值為負(fù),而是表示這個(gè)水平在總體上不如擁有正的估算效用值的水平受歡迎。

      聯(lián)合分析法的輸出信息也常帶有t值,即評(píng)價(jià)統(tǒng)計(jì)顯著性的常用指標(biāo)。

      大數(shù)據(jù)營(yíng)銷——產(chǎn)品分析

      聯(lián)合分析法的應(yīng)用

      (1)權(quán)衡分析

      計(jì)算產(chǎn)品效用的方法十分簡(jiǎn)單,將各個(gè)屬性水平的效用加在一起便可求得。 可以利用效用來(lái)分析普通客戶如何對(duì)一個(gè)屬性進(jìn)行取舍以獲得另一個(gè)更好的屬性。

      (2)預(yù)測(cè)市場(chǎng)份額

      要利用聯(lián)合分析結(jié)果進(jìn)行這類預(yù)測(cè),必須滿足以下兩個(gè)條件:

      • 公司必須了解,除了自己的產(chǎn)品之外,客戶在該范疇下進(jìn)行選擇時(shí)有可能考慮的所有其他產(chǎn)品;
      • 實(shí)驗(yàn)設(shè)計(jì)必須列出這些競(jìng)爭(zhēng)產(chǎn)品的每一種重要特征。公司不僅要計(jì)算出自己產(chǎn)品的效用,還必須能夠計(jì)算出所有競(jìng)爭(zhēng)產(chǎn)品的效用。

      市場(chǎng)份額預(yù)測(cè)需要使用多項(xiàng)邏輯模型。(U_i是產(chǎn)品i的估用效應(yīng),U_j是產(chǎn)品j的估用效應(yīng),n是競(jìng)爭(zhēng)環(huán)境中產(chǎn)品的總數(shù)量,包括產(chǎn)品i)

      大數(shù)據(jù)營(yíng)銷——產(chǎn)品分析

      (3)判定屬性重要性

      從直觀上來(lái)說(shuō),一個(gè)給定屬性內(nèi)估計(jì)效用之間的差異反映了該屬性在選擇過(guò)程中的重要性。計(jì)算屬性重要性的常用公式為:(I_i是屬性i的重要性,U_max是某一屬性的最高效用值,U_min是某一屬性的最低效用值)

      大數(shù)據(jù)營(yíng)銷——產(chǎn)品分析

      得到的結(jié)果總是介于0和1之間,并通常理解為一個(gè)屬性在整個(gè)選擇過(guò)程中的決策權(quán)重百分比。

        本站是提供個(gè)人知識(shí)管理的網(wǎng)絡(luò)存儲(chǔ)空間,所有內(nèi)容均由用戶發(fā)布,不代表本站觀點(diǎn)。請(qǐng)注意甄別內(nèi)容中的聯(lián)系方式、誘導(dǎo)購(gòu)買等信息,謹(jǐn)防詐騙。如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容,請(qǐng)點(diǎn)擊一鍵舉報(bào)。
        轉(zhuǎn)藏 分享 獻(xiàn)花(0

        0條評(píng)論

        發(fā)表

        請(qǐng)遵守用戶 評(píng)論公約

        類似文章 更多