Mavzu: Klasterlash va Segmentlash Reja

Shakl 24.6.
bu erda obro' va martaba uchun emas ", uchinchi - maqsadli:  "Nufuz xarajatlarni qoplaydi." Segment nomini olish uchun quyidagi texnologiyadan foydalanilgan.
Darhaqiqat, sek. 24.6:

• 
  uchun birinchi klaster (4) "Talabalik - bu hayotdagi ajoyib davr" va (8) "Mutaxassislik bo'yicha fikrlashni rivojlantiradi" xarakteristikalari uchun yuqori ko'rsatkichlar. Shu bilan birga (6) «Moddiy xarajatlar katta» va (7) «Vaqt harajatlari katta»;
  
• 
  ikkinchi klaster -  (1) "To'liq muloqot qilish va do'stlashish qobiliyati" va (4) "Talabalar hayotdagi ajoyib davr" degan fikrlarga yuqori baho. (3) "Ishdagi muhim qadam" va (9) "Nufuzli ta'lim";
  
• 
  uchinchi klaster -  (6) "Moddiy xarajatlar katta" va (9) "Kunduzgi ta'lim obro'li", (4) "Talabalar hayotidagi ajoyib davr" ga nisbatan past baholar.
  

• 
  Foydali tomonga qarab, bunday ta'lim olish sabablarini tushunish qulay.
  
• 
  RFP - bu dasturiy ta'minot to'plami.
  
• 
  Usulning nazariyasi bo'linmalarda tavsiflangan. 23.6.
  
• 
  Profilni yaxshiroq ko'rish uchun uni soat yo'nalishi bo'yicha 90 ° burishingiz kerak.
  

Va yangi mahsulotni joylashtirishni rivojlantirish ushbu marketing vositasining usullarini aniqlashi kerak. Birinchi qadam - kompaniyaning strategik maqsadiga asoslangan ushbu loyihani amalga oshirish uchun eng mos usullarni tanlash. Kompaniyaning marketing strategiyasini shakllantirishda ishlatilishi kerak bo'lgan bozor segmentatsiyasining asosiy usullari mavjud.
Asosiy usullar
Marketologlarning asosiy usullari quyidagilardan iborat:

1. 
   Iste'molchilarni klasterli tahlil qilish. Klasterlash - bu bir xil savolga o'xshash javoblar bilan birlashtirilgan iste'molchilar guruhlarining shakllanishi natijasidir. Xaridorlarning yoshi, daromad darajasi, sevimli mashg'uloti yoki ijtimoiy / oilaviy holati bo'yicha klaster.
   
2. 
   Mahsulot segmentatsiyasi va sotishni rag'batlantirish. Ushbu usul yangi mahsulotni yaratish, ishlab chiqarish va ishlab chiqarish jarayonini boshlashdan oldin qo'llaniladi. Segmentlar sig'imini tahlil qilish va muayyan mahsulot uchun o'z joyini va uning xususiyatlarini tahlil qilish orqali aniqlash mumkin, xususan bozorlarni yig'ish usulini qo'llashda.
   
3. 
   Funktsional kartalar ustida ishlash. Ushbu usul mahsulotning o'zini va potentsial iste'molchini yanada puxta - ikki segmentatsiyalashga asoslangan.
   

Keling, birinchi nav haqida to'xtalamiz. Guruhlarni birlashtirish uchun siz turli xil hisoblagichlarga asoslanib potentsial mijozlar o'rtasidagi o'xshashlikdan foydalanishingiz kerak. Taksonomiya bilan ishlashda mijozlar guruhiga ega bo'lgan ierarxik daraxtlar shaklida bajarilishi mumkin bo'lgan klasterlash algoritmlari zarur.
Eng keng tarqalgan algoritmlardan biri bu PRIZM. U mumkin bo'lgan 500 ijtimoiy va ma'lumot to'plamini kamaytirgan holda segmentatsiya jarayonini boshlaydi. Ushbu tizim sizga ma'lum bir segmentni shakllantirishga imkon beradi. Natijada, masalan, 50 oiladan iborat klaster ajralib turadi. Ushbu ko'rsatkich eng muvaffaqiyatli professional martaba, yuqori daromad va ma'lumot darajasi, shuningdek, katta mulk va odamlarning o'rtacha yoshi borligini ko'rsatadi. Ishlab chikarish korxonalarida katta xajmdagi maʼlumotlar sanoat buyumlar interneti texnologiyalarini joriy etish natijasida xam xosil buladi. Ushbu jarayon davomida mashina va stanoklarning asosiy kismlari va detallari sensorlar, ijro etuvchi kurilmalar, nazoratchilar va baʼzan chegara (tumanli) xisob-kitoblarni amalga oshirishga kodir arzon protsessorlar bilan taʼminlanadi.
Ishlab chikarish jarayonida doimiy maʼlumotlar yotish va ularni oldindan kayta ishlash (masalan, filtrlash) amalga oshiriladi.
Analitik platformalar real vaktda ushbu axborot massivlarini kayta ishlaydi, natijalarni eng kulay shaklda takdim etadi va undan kelajakda foydalanish uchun saklaydi. Olingan maʼlumotlarni taxlil kilish asosida uskunaning xolati, uning ishlash samaradorligi, ishlab chikarilayotgan maxsulotning sifati, texnologik jarayonlarga uzgartirish kiritish zarurligi xakida xulosalar chikariladi [2].
Demak, xulosa kilib shu aytish mumkinki, katta xajmdagi maʼlumotlarni samarali taxlil kilish orkali biz, korxonalarda texnologik rejimlarni uzgartirish istikbollari, xizmat kursatadigan xodimlarni kamaytirish yoki kayta taksimlashni xisoblab chikish, kelajakda korxonaning yanada rivojlanishi buyicha strategik karorlar kabul kilish imkoniyatiga ega bulamiz. Katta xajmdagi maʼlumotlar bugungi kunning asosiy yechimlaridan biri.
Katta xajmdagi maʼlumotlar mexnat va kapital resurslari bilan bir katorda barcha resurslarni samarali kupaytirish manbai buladi. Katta xajmdagi maʼlumotlardan foydalanish korxona va kompaniyalarning rakobatda ustunlikka erishishiga xamda usishiga asos buladi xamda ularni taxlil kilish orkali mexnat unumdorligi yangi tulkinining poydevori yaratiladi. Katta xajmdagi maʼlumotlar taxlili taxlilchilar, tadkikotchilar va biznes foydalanuvchilariga ilgari mavjud bulmagan yoki kullash mumkin bulmagan maʼlumotlar asosida karor kabul kilishni optimallashtirish va tezlashtirish imkoniyatini beradi. Katta xajmdagi maʼlumotlarni kayta ishlashning va taxlil kilishning turli xil usullari mavjud. Aytish joizki xar bir usul, xar bir yunalishi uziga xos xamda katta xajmdagi maʼlumotlar bilan ishlashda turli vazifalarni bajaradi. Barcha usullar katta xajmdagi maʼulmotlarni kayta ishlashda ularni soni, jixati, xolati formati, vakti va x.k.larni inobotga olgan xolda kul kelishi mumkin
Korxonalarda va kompaniyalarda katta xajmdagi maʼlumotlar texnologiyalaridan samarali foydalanish uchun axborot tizimini yagona
rakamli platformaga utkazish zarur. Bu esa maʼlumotlarni y^ish, kayta ishlash va taxlil kilish tezligini oshishiga olib keladi, maʼlumotlar bazasidagi axborotlarni konfidensialligini taʼminlash darajasi xamda maʼlumotlar bazasi xajmi ortadi.
Katta xajmdagi maʼlumotlar ushbu rakamli asrda xisobga olinadigan kuchdir va bundan keyin shunday bulib koladi. Buni yirik brendlar va soxa mutaxassislari juda yaxshi bilishadi va istikbolda bu soxani rivojlantirish katta axamiyatga ega. Uning kup afzalliklaridan foydalanadigan biznes raxbarlari uzok muddatda rakobatchilardan oldinda bulishadi. Shu sababli katta xajmdagi maʼlumotlar texnologiyasini joriy kilish va zamon bilan xamnafas takomillashtirib borish tarakkiyotning asosiy yunalishlaridan biri xisoblanadi.
Ushbu usulga asoslangan segmentatsiyaning yana bir misoli - "yangilangan yoki yangi mahsulotga iste'molchilarning munosabati". Tahlil xarakteristikaga asoslanadi. Bir necha toifadagi odamlar paydo bo'ladi, ular orasida supernovatorlar, novatorlar, superkonservatorlar, konservatorlar va oddiy mijozlar bor. Ularga asoslanib, siz Martni tahlil qilishingiz va yangi mahsulotlarni yaratilishidan va chiqarilishidan oldin ularga bo'lgan haqiqiy munosabatni aniqlab olishingiz kerak.
Tahlil va reklama sohasidagi hozirgi tendentsiyalar bozor segmentatsiyasining murakkab usullarini taqozo etmoqda. Bu kompaniya yoki korxonaning bozor imkoniyatlarini samarali tahlil qilish uchun zarurdir. Integratsiyalashgan marketing mahsulotni bozorni tez sur'atda ilgari surish uchun eng ustuvor mezonlarga muvofiq segmentatsiyalashga undaydi. Ushbu usulning o'ziga xos xususiyati bitta aniq omil yoki bir xil tovarlar toifasiga ajratishdir.
Integratsiyalashgan marketing mahsulotni bozorni tez sur'atda ilgari surish uchun eng ustuvor mezonlarga muvofiq segmentatsiyalashga undaydi.
Bundan tashqari, mahsulot modelining maqsadli xaridorini aniqlashni tahlil qilish muhimdir: uni tanlangan makonda targ'ib qilish uchun qaysi mezon va parametrlar muhimdir. Funktsional karta usuli mahsulotning qaysi segmentiga mo'ljallanganligini va u qanday parametrlar va xususiyatlarga ega bo'lishi kerakligini aniqlashga imkon beradi.
Mahsulotning yangi strategiyasini ishlab chiqishda ham ushbu usul maqsadli iste'molchini sotib olish va afzal ko'rishda barcha mezonlarni hisobga olishga imkon beradi.
Ushbu yondashuv tufayli yangi mahsulotni ishlab chiqish jarayonida siz nuqsonlarni ko'rishingiz va tuzatishingiz va iste'molchingiz uchun mahsulot yaratishingiz mumkin.
"K-segmentatsiya" usuli mos segmentlarni potentsial tanlash uchun segmentatsiyani qidirishga qaratilgan. Ushbu usulga muvofiq, ma'lum iste'mol bozori mavjud bo'lib, uning tuzilishini o'rganish mumkin emas va bunday mezonlarga muvofiq segmentatsiya qilish mumkin emas. Ushbu usul faqat kompaniya bir necha yil davomida ishlagan taqdirda ishlatilishi mumkin. Bu yangi kompaniyalar uchun mos emas, chunki uning asosiy maqsadi mavjud xaridorlarni tahlil qilish, maqsadli guruhlarni shakllantirish va mavjud tovarlarning iste'molchilariga qarab ehtiyojlarni aniqlashdir.
Yuqoridagi usullar va bozor segmentatsiyasining usullari eng keng tarqalgan va samarali hisoblanadi. Biroq, yana ko'p narsalar mavjud. Marketingda ushbu vositaning asosiy maqsadi maqsadli iste'molchilar guruhlarini ajratish mumkinmi degan savolga javob olishdir. Agar bunday barqaror guruhlar etarli bo'lmasa, ommaviy marketing strategiyasidan foydalanish tavsiya etiladi.
Men MailChimp.com deb nomlangan sayt uchun elektron pochta marketing sohasida ishlayman. Biz mijozlarga reklama auditoriyalari uchun yangiliklar tarqatishda yordam beramiz. Har safar kimdir bizning ishimizni "pochta qutisi" deb atasa, yuragimda yoqimsiz sovuq his qilaman.
Nima uchun? Ha, chunki elektron pochta manzillari endi siz granatalar kabi xabarlarni tashlaydigan qora qutilar emas. Yo'q, elektron pochta marketingida (onlayn aloqaning boshqa shakllarida bo'lgani kabi, tvitlar, Facebook-dagi postlar va Pinterest-dagi kampaniyalarda) korxona kliklarni kuzatish, onlayn buyurtmalar, ijtimoiy tarmoqlarda statuslarni tarqatish va boshqalar. Bu ma'lumotlar shunchaki aralashuv emas. Ular sizning auditoriyangizni tavsiflaydi. Ammo bilmaganlar uchun bu operatsiyalar yunon tilining donoligiga mos keladi. Yoki esperanto.
Mijozlaringiz (foydalanuvchilar, obunachilar va boshqalar) bilan bitimlar to'g'risidagi ma'lumotlarni qanday yig'asiz va o'z ma'lumotlaringizni tinglovchilaringizni yaxshiroq tushunish uchun ishlatasizmi? Ko'p odamlar bilan muomalada bo'lganingizda, har bir mijozni alohida-alohida o'rganish qiyin, ayniqsa agar ularning barchasi siz bilan har xil yo'l tutsa. Nazariy jihatdan har kim bilan shaxsan suhbatlashishingiz mumkin bo'lsa ham, amalda bu deyarli mumkin emas.
Siz xaridor uchun bazani tanlashingiz va har bir xaridor uchun tasodifiy va moslashtirilgan marketingni "bombardimon qilish" o'rtasida o'rtachani topishingiz kerak. Ushbu muvozanatga erishish usullaridan biri mijozlar bozorini segmentirovka qilish uchun klasterlashni qo'llashdir, shunda siz turli xil maqsadli tarkib, takliflar va hk bilan mijozlar bazangizning turli segmentlariga kirishingiz mumkin.
Klaster tahlili - bu turli xil ob'ektlarni to'plash va ularni o'z turlariga ko'ra guruhlarga bo'lish. Ushbu guruhlar bilan ishlash orqali - ularning a'zolari umumiyligi nimada ekanligini va ularni bir-biridan nima ajratib turishini aniqlash - siz mavjud bo'lgan tartibsiz ma'lumotlar qatori haqida ko'p narsalarni bilib olishingiz mumkin. Ushbu bilim sizga eng maqbul qaror qabul qilishga yordam beradi va avvalgidan ko'ra batafsilroq.
Shu nuqtai nazardan, klasterlash qidiruv ma'lumotlarini izlash deb ataladi, chunki bu usullar siz vizual ravishda qamrab ololmaydigan ulkan ma'lumotlar to'plamidagi munosabatlar to'g'risidagi ma'lumotlarni "chiqarib olishga" yordam beradi. Va ijtimoiy guruhlardagi aloqalarni kashf etish har qanday sohada foydali - maqsadli auditoriya odatlari asosida filmlarni tavsiya qilish, shaharning jinoiy markazlarini aniqlash yoki moliyaviy investitsiyalarni oqlash uchun.
Klasterlash uchun eng ko'p foydalanadigan narsa - bu rasmlarni klasterlash: kompyuterga "bir xil" ko'rinadigan rasm fayllarini tashlash. Masalan, Flickr tipidagi rasmlarni joylashtirish xizmatlarida foydalanuvchilar juda ko'p miqdordagi tarkibni ishlab chiqaradilar va fotosuratlarning ko'pligi sababli oddiy navigatsiya imkonsiz bo'ladi. Ammo, klaster texnikasidan foydalanib, siz shunga o'xshash tasvirlarni birlashtira olasiz, foydalanuvchiga hatto batafsil tartiblashdan oldin ushbu guruhlar orasida harakat qilish imkonini beradi.
Xulosa
Klasterlash uchun eng ko'p foydalanadigan narsa - bu rasmlarni klasterlash: kompyuterga "bir xil" ko'rinadigan rasm fayllarini tashlash. Masalan, Flickr tipidagi rasmlarni joylashtirish xizmatlarida foydalanuvchilar juda ko'p miqdordagi tarkibni ishlab chiqaradilar va fotosuratlarning ko'pligi sababli oddiy navigatsiya imkonsiz bo'ladi. Ammo, klaster texnikasidan foydalanib, siz shunga o'xshash tasvirlarni birlashtira olasiz, foydalanuvchiga hatto batafsil tartiblashdan oldin ushbu guruhlar orasida harakat qilish imkonini beradi.

Foydalanilgan adabiyotlar

1. Aurelian Geron, Hands on Machine Learning with Scikit-Learn
2. Keras&Tensorflow // Second edition Concepts, Tools, and Techniques to Build Intelligent Systems, 2019, 510 pages
3. Primoz Potocnik, Neural Networks: MATLAB examples // Neural Networks course (practical examples)© 2012
4. https://www.guru99.com/deep-learning-tutorial.html
5. https://www.tutorialspoint.com/python_deep_learning/python_deep_learning_de ep_neural_networks.htm
6. https://www.mathworks.com/help/deeplearning/examples/create-simple-deeplearning-network-for-classification.html