用於 B2B 細分的 K 均值、常態混合和機率 D 聚類的比較 用於 B2B 細分的 K 均值、常態混合和機率 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區隔的一種流行技術。聚類將市場中的客戶分成幾組，使得組內的客戶相似，而組之間的客戶不相似。文獻中提出了幾種基於各種相似性測量的聚類演算法。這張海報描述了企業對企業 (B2B) 市場中的客戶細分分析的三種聚類方法（K 均值、正態混合和機率 D）的比較研究。本研究使用了液壓和氣動產品供應商進行的調查所收集的資料。使用十個變數進行聚類，這些變數衡量客戶對選擇供應商的重要屬性的看法。根據簇純度和簇概況來評估每種方法的結果。 SAS® Enterprise Miner 用於機率 D 聚類和分析聚類，而 JMP® Pro 9 用於 K-Means 和常態混合。
