Projekti kirjeldus

Klasterdamine

Klasterdamine võimaldab jagada objektid sarnaste tunnuste alusel gruppidesse. Näiteks on meil suur andmebaas klientidest ning me võime silma järgi kirjeldada, kas kaks klienti on sarnased või erinevad, kuid me ei tea parimat viisi, kuidas kõik kliendid gruppidesse jaotada. Seega anname me arvutile ülesandeks kliendid segmenteerida ning ise protsessi täiendavalt ei sekku (arvuti õpib sarnasused ise selgeks). Teisisõnu ütleme me arvutile: “Vaata, siin on andmed, mida tean oma klientide kohta ja siin on metoodika, kuidas mõõta nende sarnasust. Näita mulle, mida huvitavat leiad!” Tulemusena võime näha mustreid, millest meil varasemalt aimugi ei olnud. Näiteks võib arvuti avastada, et eksisteerib grupp kliente, kes on ostnud suures koguses punast veini iga kord, kui oleme teinud allahindlust. Toome järgnevalt näiteid ka olukordadest, kus klasterdamine uut väärtust aitab luua:

  • Ettevõte viib pidevalt läbi kampaaniaid, mille koondtulemus on teada. Klasterdamine aitab saada aga teada, millistele kliendigruppidele kampaania tegelikult mõjus. Näiteks võib juhtuda, et kampaania mõjus positiivselt vaid 26-28 aastatele meestele, samas kui 40-45 aastased naised hakkasid mõnevõrra vähem tarbima.
  • Soovime muuta klientidele saadetava info personaalsemaks ja kliendi huvidele vastavaks. Igale kliendile eraldi läheneda ei ole võimalik ning turundusmeeskond ütleb, et nad suudaksid koostada 4-5 erinevat e-maili. Klasterdamine võimaldab jaotada kliendid nimetatud arvu gruppidesse ning annab ülevaate, mis tunnused üht või teist gruppi iseloomustavad.

Link: Vaata näidet klasterdamise kohta, kus võtsime teismeliste sotsiaalmeedia profiilide andmed ning jaotasime nad turusegmentideks.

klasterdus