Comparaison des moyennes K, des mélanges normaux et du clustering probabiliste-D pour la segmentation B2B
Satish Garla, Goutam Chakraborty, Université d'État d'Oklahoma, et Gary Gaeth, Université d'Iowa
L'analyse en grappes est une technique couramment utilisée par les organisations pour la segmentation du marché. Le clustering divise les clients d'un marché en groupes de sorte que les clients d'un groupe soient similaires et que les clients entre les groupes soient différents. Plusieurs algorithmes de regroupement ont été suggérés dans la littérature sur la base de diverses mesures de similarité. Cette affiche décrit une étude comparative de trois méthodes de regroupement (K-moyennes, Mélanges normaux et Probabiliste-D) pour l'établissement de profils de segments de clients sur un marché interentreprises (B2B). Les données recueillies lors d'une enquête réalisée par un fournisseur de produits hydrauliques et pneumatiques ont été utilisées dans cette étude. Dix variables qui mesurent les perceptions des clients concernant les attributs importants lors de la sélection d'un fournisseur ont été utilisées pour la classification. Les résultats de chaque méthode sont évalués en fonction de la pureté de la grappe et des profils de grappe. SAS® Enterprise Miner est utilisé pour la mise en cluster probabiliste D et pour le profilage de clusters tandis que JMP® Pro 9 est utilisé pour les mélanges K-Means et Normal.
