Confronto tra medie K, miscele normali e cluster probabilistico-D per la segmentazione B2B
Satish Garla, Goutam Chakraborty, Oklahoma State University e Gary Gaeth, Università dello Iowa
L'analisi cluster è una tecnica popolare utilizzata dalle organizzazioni per la segmentazione del mercato. Il clustering suddivide i clienti in un mercato in gruppi tali che i clienti all'interno di un gruppo sono simili e i clienti tra i gruppi sono dissimili. Diversi algoritmi di clustering sono stati suggeriti in letteratura sulla base di una varietà di misure di similarità. Questo poster descrive uno studio comparativo di tre metodi di clustering (K-means, Normal Mixtures e Probabilistic-D) per la segmentazione dei profili dei clienti in un mercato business-to-business (B2B). I dati raccolti da un'indagine condotta da un fornitore di prodotti idraulici e pneumatici sono stati utilizzati in questo studio. Dieci variabili che misurano la percezione dei clienti di attributi importanti nella selezione di un fornitore sono state utilizzate per il clustering. I risultati di ciascun metodo vengono valutati in base alla purezza del cluster e ai profili del cluster. SAS® Enterprise Miner viene utilizzato per il cluster probabilistico-D e per i profili di cluster, mentre JMP® Pro 9 è utilizzato per i media K e le miscele normali.
