用於B2B分割的K均值，正常混合和概率D聚類的比較 用於B2B分割的K均值，正常混合和概率D聚類的比較
Satish Garla，Goutam Chakraborty，俄克拉荷馬州立大學和Gary Gaeth，愛荷華大學
聚類分析是組織用於市場細分的一種流行技術。群集將市場中的客戶分成組，使得組內的客戶相似，並且組之間的客戶不同。基於各種相似性度量，在文獻中提出了幾種聚類算法。本海報描述了三種聚類方法（K-means，Normal Mixtures和Probabilistic-D）的比較研究，用於企業對企業（B2B）市場中客戶的細分分析。本研究使用了由液壓和氣動產品供應商進行的調查收集的數據。測量客戶在選擇供應商時對重要屬性的看法的十個變量被用於聚類。基於簇純度和簇概況評估每種方法的結果。SAS®EnterpriseMiner用於概率-D群集和用於分析群集，而JMP®Pro9用於K-Means和普通混合物。
實驗設計
