B2B 분할을위한 K 평균, 표준 혼합 및 확률 론적 D 클러스터링의 비교
Satish Garla, Goutam Chakraborty, Oklahoma State University, Gary Gaeth, 아이오와 대학교
클러스터 분석은 시장 세분화를 위해 조직에서 널리 사용되는 기술입니다. 클러스터링은 시장의 고객을 그룹으로 나뉘어 그룹 내의 고객이 유사하고 그룹 간의 고객이 서로 다른 것입니다. 다양한 클러스터링 알고리즘이 다양한 유사성 측정에 기반한 문헌에서 제안되었다. 이 포스터에서는 B2B (Business-to-Business) 시장에서 고객의 세그먼트 프로파일 링을위한 세 가지 클러스터링 방법 (K-means, Normal Mixtures 및 Probabilistic-D)에 대한 비교 연구를 설명합니다. 이 연구에서는 유압 및 공압 제품 공급 업체가 수행 한 설문 조사 데이터를 사용했습니다. 공급자 선정시 중요한 속성에 대한 고객의 인식을 측정하는 10 가지 변수가 클러스터링에 사용되었습니다. 각 방법의 결과는 클러스터 순도 및 클러스터 프로필에 따라 평가됩니다. SAS® Enterprise Miner는 확률 론적 D 클러스터링 및 프로파일 링 클러스터에 사용되고 JMP® Pro 9는 K-Means 및 Normal Mix에 사용됩니다.
