聚类分析。 在复杂现象的研究的科学方法

任何过程，包括市场的控制权，涉及的市场情况作出客观的评价。 通过对市场机会，其中包括目标市场的选择和发展分析的过程中逐渐趋向 复杂的营销 和执行营销活动，在不知不觉中面临着研究的必要性。 因此，它是必要的，不仅要依靠分析师的人才和经验，而且也取决于其使用的数据处理技术的培训。

在现代经济中，其复杂和多方面的进程，大量的信息，以找到最相关的数据，而无需使用不同的统计软件包变得非常困难。

它占据市场营销研究一个特殊的角色聚类分析。 就其本质而言，这相结合的方法，结合统计研究的几种方法。 它是基于多元意见的谎言分类，每个都有自己的一套描述性的变量。 聚类分析表明，以在具有原始指令集，用于考虑变量的相对均质的（均匀的）基团的对象进行分类的方法。 换句话说，对象被分解成组。 在团体，他们表现出的几个理由相似。

聚类分析方法用于广泛的营销目标。

市场细分可以让消费者打破类别进入集群的收购某些商品的预期效益的基础上。 每个集群可以由消费者谁正在寻找类似的好处的。 这个名字，他选择了一个合适的 - 利益分割方法。

消费者行为分析。 在此任务中，聚类分析是用来以模拟他们的行为产生均匀的客户群体。

定义新产品的功能，我们可以通过聚类产生它的品牌，在同一时间可以追溯到规律性发音时的品牌在同一集群表现出的激烈竞争中相互比在其他集群的标记。

在城市群分组，您可以选择最合适的市场某些商品。

聚类分析减少了数据的维数。 执行在不同的簇的观察，然后移动到多个判别分析。 这是更简单，更便宜的不是考虑各种情况。

集群的目标是通过类似的特征组对象。 为相似度的更客观的评估应该引入一些参考单元。 在形成集群通常同时依靠两个或更多个特征。

聚类分析包括使用了广泛的聚类方法的。 其中包括如概率方法，途径，是基于 人工智能， 逻辑方法，分层方法。

聚类分析涉及复杂的系统，该系统具有多个嵌套的组或不同的订单集群。 这种方法使用两种迹象。 结块（统一）的迹象与divizivnymi（共享）共存。 的特征的数量导致对monothetic分类方法和polythetic分离。

使用所有的统计这些方法中，大约有一百聚类算法。 但是，聚类分析是在此列表中的领导者。 它的魅力就在于它与数据的赤字完美运行，甚至当所要求的条件下正常分布的随机变量，以及经典的统计方法等要求的可用数据不会发生的事实。