Confronto tra K-means, miscele normali e clustering probabilistico-D per la segmentazione B2B
Satish Garla, Goutam Chakraborty, Università statale dell'Oklahoma, e Gary Gaeth, Università dell'Iowa
Cluster Analysis è una tecnica popolare utilizzata dalle organizzazioni per la segmentazione del mercato. Il clustering suddivide i clienti di un mercato in gruppi in modo che i clienti all'interno di un gruppo siano simili e i clienti tra i gruppi siano dissimili. In letteratura sono stati suggeriti diversi algoritmi di clustering basati su 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 profilazione dei segmenti dei clienti in un mercato business-to-business (B2B). In questo studio sono stati utilizzati i dati raccolti da un sondaggio condotto da un fornitore di prodotti idraulici e pneumatici. Per il clustering sono state utilizzate dieci variabili che misurano le percezioni dei clienti di attributi importanti nella selezione di un fornitore. I risultati di ciascun metodo vengono valutati in base alla purezza e ai profili dei cluster. SAS® Enterprise Miner viene utilizzato per il clustering probabilistic-D e per la profilazione dei cluster, mentre JMP® Pro 9 viene utilizzato per K-Means e Normal Mixtures.
