کلسٹر تجزیہ. پیچیدہ مظاہر کے مطالعہ میں سائنسی نقطہ نظر

مارکیٹنگ سمیت کسی بھی عمل، کے کنٹرول، مارکیٹ پر صورت حال کا ایک مقصد کی تشخیص ہوتی ہے. آہستہ آہستہ مارکیٹ کے مواقع، ہدف مارکیٹوں میں سے انتخاب کریں، اور کی ترقی میں شامل ہیں جن میں سے تجزیہ کرنے کے عمل کے ذریعے آگے بڑھ پیچیدہ مارکیٹنگ اور مارکیٹنگ کی سرگرمیوں کے نفاذ، نادانستہ طور پر تحقیق کی ضرورت کے ساتھ سامنا کرنا پڑا. اس طرح یہ ڈیٹا پروسیسنگ تکنیک کے استعمال میں تربیت پر تجزیہ کار کے ٹیلنٹ اور تجربے پر انحصار کرنے کی نہ صرف، لیکن یہ بھی ضروری ہے.

جدید معیشت میں، اس کے پیچیدہ اور کثیر جہتی عمل کے ساتھ، معلومات کی بھاری مقدار سب سے زیادہ متعلقہ ڈیٹا کو مختلف اعداد و شمار پیکجوں کے استعمال کے بغیر تلاش کرنے کے لئے بہت مشکلات ہو جاتا ہے.

یہ مارکیٹنگ کی تحقیق میں ایک خاص کردار کلسٹر تجزیہ قبضہ. اس کی فطرت، اس مشترکہ طریقہ کار، کی طرف سے اعداد و شمار کی تحقیق کے کئی طریقوں کو ملا. اس وضاحتی متغیرات میں سے اپنی سیٹ ہے جن میں سے ہر متعدد متغیر مشاہدے کے جھوٹ کی درجہ بندی کی بنیاد پر کیا جاتا ہے. کلسٹر تجزیہ غور کے لئے متغیرات میں سے اصل سیٹ ہونے رشتہ دار یکساں (وردی) گروپوں میں اعتراض کی درجہ بندی کرنے کے لئے ایک طریقہ کار تجویز کرتا ہے. دوسرے الفاظ میں، اشیاء گروپوں میں ٹوٹ رہے ہیں. گروپوں میں انہوں نے کئی وجوہات کی بنا پر مماثلت دکھاتے ہیں.

کلسٹر تجزیہ طریقوں مارکیٹنگ کے مقاصد کی ایک وسیع رینج کے لئے استعمال ہوتے ہیں.

مارکیٹ انقطاع صارفین کی بعض اشیا کے حصول کی توقع فوائد کی بنیاد پر کلسٹرز میں زمرے توڑنے کے لئے اجازت دیتا ہے. ہر کلسٹر جیسے فوائد کے لئے تلاش کر رہے ہیں جو صارفین پر مشتمل ہو سکتا. فوائد انقطاع طریقہ - نام وہ ایک مناسب اٹھایا.

صارفین کے رویے کا تجزیہ. اس کام میں، کلسٹر تجزیہ ان کے رویے انکرن کرنے کے لئے ترتیب میں ایک یکساں کسٹمر گروپوں بنانے کے لئے استعمال کیا جاتا ہے.

نئی مصنوعات کی خصوصیات کی تعریف، ہم اسے clustering کے کی طرف سے پیدا کر سکتے ہیں برانڈز، ایک ہی وقت میں اعلان باقاعدگی سراغ لگایا جا سکتا ہے جب ایک ہی کلسٹر نمائش کے برانڈز دوسرے گروپ میں نمبر حاصل کر کے مقابلے میں ایک دوسرے کے ساتھ ایک شدید مقابلہ.

شہر میں کلسٹرز گروہ بندی، آپ کو یقین ہے سامان کے لئے موزوں ترین منڈیوں کا انتخاب کر سکتے ہیں.

کلسٹر تجزیہ ڈیٹا کی dimensionality کی گھٹا دیتا ہے. علیحدہ کلسٹرز پر مشاہدے پرفارمنگ، پھر ایک سے زیادہ discriminant تجزیہ منتقل. اس سے ہر معاملے پر غور کے مقابلے میں بہت آسان اور سستا ہے.

clustering کے کا مقصد اسی طرح کی خصوصیات کی طرف سے گروپ اشیاء کے لئے ہے. مماثلت کی ڈگری کے ایک سے زیادہ مقصد تشخیص کے لئے کچھ حوالہ یونٹ متعارف کرانے چاہئے. کلسٹرز کی تشکیل میں عام طور پر ایک ہی وقت میں دو یا زیادہ خصوصیت پر انحصار کرتے ہیں.

کلسٹر تجزیہ clustering کے طریقوں میں سے ایک وسیع رینج کا استعمال شامل ہے. ان میں احتمالی نقطہ نظر، نقطہ نظر، پر مبنی ہیں ہیں مثلا: مصنوعی ذہانت، منطقی انداز فکر، ایک پدانکردوست نقطہ نظر.

درجہ وار کلسٹر تجزیہ جالی دار گروپ یا مختلف احکامات کے گروپ کی ایک بڑی تعداد ہے کہ ایک پیچیدہ نظام شامل ہے. یہ طریقہ نشانیوں میں سے دو قسم کے استعمال کرتا ہے. Agglomerate سے (ایسی متحدہ) نشانیاں divizivnymi (اشتراک) کے ساتھ رہ. خصوصیات کی تعداد monothetic درجہ بندی کے طریقوں اور polythetic پر ایک علیحدگی کی طرف جاتا ہے.

اعداد و شمار میں ان طریقوں میں سے سب کو استعمال کرتے ہوئے، کے بارے میں ایک سو اور clustering الگورتھم موجود ہیں. لیکن پدانکردوست کلسٹر تجزیہ اس فہرست میں ایک لیڈر ہے. اس اپیل کو یہ، ڈیٹا کا خسارہ کے ساتھ بالکل چلتی ہے کہ کے طور پر حالات معمول کے مطابق تقسیم تصادفی متغیر، کے ساتھ ساتھ کلاسیکی شماریاتی طریقوں میں سے دوسری ضروریات کی طرف سے کی ضرورت اس وقت بھی جب آپ کے ڈیٹا کی جگہ نہیں لے کرتا ہے حقیقت میں ہے.