Segmentacja łańcuchów środków-celów: miary podobieństwa sekwencji i ilościowe wskaźniki jakości grupowania a wyniki grupowania

• Autorzy: Anna Myrda

Warianty tytułu

Segmentation of Means-End Chains: Sequence Dissimilarity Measures and Quantitative Cluster Validity Indexes vs. Clustering Results

• Języki publikacji: PL

Abstrakty

Łańcuchy środków-celów zbudowane z jakościowych i sekwencyjnych danych opisujących struktury poznawczo-motywacyjne nabywców można wykorzystać podczas segmentacji rynku. Celem analiz było sprawdzenie, czy i jak miary podobieństw sekwencji wpływają na właściwości wybranych ilościowych wskaźników jakości grupowania oraz na końcowe wyniki eksploracyjnej analizy skupień. W grupowaniu 482 drabinek użyto następujących miar podobieństwa sekwencji: Hamminga, najdłuższej wspólnej podsekwencji, najdłuższego wspólnego przyrostka i optymalnego dopasowania oraz 3 wskaźników jakości grupowania: Silhouette, Bakera, Huberta oraz Huberta i Levina. Na podstawie indeksów jakości grupowania za najlepszy uznano model z 8 grupami, bez względu na sposób wyznaczania podobieństwa między obiektami.(abstrakt oryginalny)

EN

The Means-End Chains are built with qualitative and sequential data describing the cognitive-motivational structures of consumers, which can be used for market segmentation. The objective of the study is to analyse whether and how sequence dissimilarities measurement affects the properties of the selected quantitative cluster validity indexes and the final results of exploratory cluster analysis. The following measures of sequence dissimilarity were used in the grouping of 482 ladders: Hamming, the longest common subsequence, the longest common suffix and optimum matching. S cluster validity indexes were used to measure clustering goodness: silhouette, index of Baker and Hubert and index of Hubert and Levin. Based on the cluster validity indexes the model with 8 groups was selected as the best irrespective of the sequence dissimilarity measure used in the analysis.(original abstract)

Słowa kluczowe

PL

Segmentacja rynku; Analiza skupień; Wskaźniki jakościowe; Badania konsumenckie; Strategia marketingowa

EN

Market segmentation; Cluster analysis; Qualitative coefficients; Consumer research; Marketing strategy

• Czasopismo: Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu
• Rocznik: 2014
• Numer: nr 336 Badania marketingowe - nowe podejścia oraz metody na współczesnym rynku
• Strony: 70--78

Twórcy

autor

Anna Myrda

• Uniwersytet Ekonomiczny w Krakowie

Bibliografia

• Domurat A., Identyfikacja wartości osobowych w badaniach psychologicznych. Wartości jako cele działań i wyborów, Wydawnictwo Uniwersytetu Warszawskiego, Warszawa 2009.
• Elzinga C.H., Sequence analysis: metric representations of categorical time series, 2008, http://home.fsw.vu.nl/ch.elzinga/MetricsRevision.pdf [dostęp: 22.02.2013].
• Gabadinho A., Ritschard G., Müller N.S., Studer M., Analyzing and Visualizing State Sequences in R with TraMineR, "Journal of Statistical Software" 2011, no. 40(4), s. 1-37.
• Gabadinho A., Ritschard G., Studer M., Muller N., Mining sequence data in R with the TraMineR package: A user's guide, 2009.
• http://mephisto.unige.ch/pub/TraMineR/doc/1.2/TraMineR-1.2-Users-Guide.pdf [dostęp: 23.02.2013].
• Hamming R.W., Error-Detecting and Error-Correcting Codes, "Bell System Technical Journal" 1950, no. 26, s. 147-160.
• Hubert L., Arabie P., Comparing partitions, "Journal of Classification" 1985, no. 2, s. 193-218.
• Kąciak E., Teoria środków - celów w segmentacji rynku. Studium metodologiczno -empiryczne, Oficyna a Wolters Kluwer business, Warszawa 2011.
• Kolenda M., Taksonomia numeryczna. Klasyfikacja, porządkowanie i analiza obiektów wielocechowych, Wydawnictwo AE, Wrocław 2006.
• Lesnard L., Optimal Matching and Social Sciences, Série des Documents de Travail du CREST, Institut National de la Statistique et des Etudes Economiques, Paris 2006.
• Levenshtein V. I., Binary codes capable of correcting deletions, insertions and reversals, "Soviet Physics Doklady" 1966, no. 10 (8), s. 707-710.
• Migdał-Najman K., Najman K., Analityczne metody ustalania liczby skupień, "Taksonomia" 12, Klasyfikacja i analiza danych - teoria i zastosowanie, red. K. Jajuga, M. Walesiak, Wydawnictwo AE, Wrocław 2005, s. 264-265.
• Milligan G.W., Cooper M.C., An examination of procedur es for determining the number of clusters In data set, "Psychometrika" 1985, vol. 50, no. 2, s. 159-179.
• Olson J.C., Reynolds T.J., The Means-End Approach to Understanding Consumer Decision Making, [w:] T.J. Reynolds, J.C. Olson (red.), Understanding Consumer decision Making. The Means-End Approach to Marketing Decision Making and Advertising Strategy, Mahwah, Lawrence Earlbaum Associates, New York 2001, s. 3-20.
• Reynolds T.J., Dethloff C., Westberg S.J. Advancements in Laddering, [w:] T.J. Reynolds, J.C. Olson (red.), Understanding Consumer decision Making. The Means-End Approach to Marketing Decision Making and Advertising Strategy, Mahwah, Lawrence Earlbaum Associates, New York 2001, s. 91-118.
• Reynolds T.J, Gutman J., Laddering Theory, Method, Analysis, and Interpretation, [w:] T.J. Reynolds, J.C. Olson (red.), Understanding Consumer decision Making. The Means-End Approach to Marketing Decision Making and Advertising Strategy, Mahwah, Lawrence Earlbaum Associates, New York 2001, s. 25-62.
• Rousseeuw P.J. Silhouettes: a graphical aid to the interpretation and validation of cluster analysis, "Journal of Computational and Applied Mathematics" 1987, vol. 20, s. 53-65.
• Steinley D., K-means clustering: a half-century synthesis, ,,British Journal of Mathematical and Statistical Psychology" 2006, no. 59, s. 1-34.
• Walesiak M., Analiza skupień, [w:] Statystyczna analiza danych z wykorzystaniem program R, M. Walesiak, E. Gatnar (red.), PWN, Warszawa 2009, s. 407-433.