Jump to content

Геодемографическая сегментация

В маркетинге геодемографическая сегментация — это метод многомерной статистической классификации, позволяющий определить, попадают ли отдельные лица в разные группы путем количественного сравнения нескольких характеристик с предположением, что различия внутри любой группы должны быть меньше, чем различия между группами.

Принципы

[ редактировать ]

Геодемографическая сегментация основана на двух простых принципах:

  • Люди, живущие в одном районе, с большей вероятностью будут иметь схожие характеристики, чем два человека, выбранные наугад.
  • Районы можно классифицировать по характеристикам населения, которое в них проживает. Любые два квартала могут быть отнесены к одной и той же категории, т. е. в них проживают схожие типы людей, даже если они сильно разделены.

Алгоритмы кластеризации

[ редактировать ]

Использование разных алгоритмов приводит к разным результатам, но не существует единого наилучшего подхода к выбору лучшего алгоритма, так же как ни один алгоритм не предлагает каких-либо теоретических доказательств своей достоверности. [1] Одним из наиболее часто используемых методов геодемографической сегментации является широко известный алгоритм кластеризации k-средних . Фактически большинство современных коммерческих геодемографических систем основаны на алгоритме k-средних. Тем не менее, методы кластеризации, основанные на искусственных нейронных сетях, генетических алгоритмах или нечеткой логике, более эффективны в больших многомерных базах данных (Brimicombe 2007).

Нейронные сети могут обрабатывать нелинейные зависимости, устойчивы к шуму и демонстрируют высокую степень автоматизации. Они не предполагают каких-либо гипотез относительно характера или распределения данных и оказывают ценную помощь в решении проблем географического характера, которые на сегодняшний день невозможно решить. Одним из наиболее известных и наиболее эффективных методов нейронных сетей для достижения неконтролируемой кластеризации является самоорганизующаяся карта (SOM). SOM был предложен как улучшение метода k-средних, поскольку он обеспечивает более гибкий подход к кластеризации данных переписи населения. Метод SOM недавно использовался Спилманом и Тиллом (2008) для разработки геодемографической кластеризации набора данных переписи населения, касающегося города Нью-Йорка.

Другой способ характеристики сходства отдельного полигона со всеми регионами основан на нечеткой логике . Основная концепция нечеткой кластеризации заключается в том, что объект может принадлежать более чем одному кластеру. В двоичной логике набор ограничен двоичным определением «да-нет», означающим, что объект либо принадлежит, либо не принадлежит кластеру. Нечеткая кластеризация позволяет пространственной единице принадлежать более чем одному кластеру с различными значениями членства. В большинстве исследований, касающихся геодемографического анализа и нечеткой логики, используются алгоритм Fuzzy C-Means и алгоритм Густавсона-Кесселя. [1] (Фэн и Флауэрдью, 1999).

Известными системами геодемографической сегментации являются Claritas Prizm (США), CanaCode Lifestyles (Канада), PSYTE HD (Канада), Tapestry (США), CAMEO (Великобритания), ACORN (Великобритания) и MOSAIC (Великобритания). Появляются также новые системы, ориентированные на подгруппы населения. Например, Сегментос исследует геодемографический образ жизни выходцев из Латинской Америки в Соединенных Штатах. И MOSAIC, и ACORN используют ономастику для определения этнической принадлежности по именам жителей. [2] [3]

Кластеры образа жизни CanaCode

[ редактировать ]

Кластеры образа жизни CanaCode разработаны компанией Manifold Data Mining и классифицируют канадские почтовые индексы на 18 отдельных основных групп образа жизни и 110 нишевых стилей жизни. [4] Он использует статистику текущего года по более чем 10 000 переменных, начиная от демографии и социально-экономических факторов и заканчивая расходами и особенностями образа жизни (например, поведением потребителей), включая использование продуктов, использование средств массовой информации и психографику.

PSYTE HD Канада [5] представляет собой геодемографическую систему сегментации рынка, которая классифицирует канадские почтовые индексы и территории распространения на 57 уникальных групп образа жизни и взаимоисключающих типов районов. PSYTE HD Canada построен на демографической и социально-экономической базе переписи населения Канады, а также на различных входных данных третьих сторон, объединенных в современную среду построения кластеров. Полученные кластеры представляют собой наиболее точные снимки канадских районов. PSYTE HD Canada — это эффективный инструмент для анализа данных о клиентах и ​​потенциальных рынках, получения рыночной информации и понимания, а также интерпретации поведения потребителей на разнообразном канадском рынке.

Система КАМЕО

[ редактировать ]

Классификации CAMEO представляют собой набор потребительских классификаций, которые используются организациями на международном уровне в рамках своих стратегий продаж, маркетинга и сетевого планирования.

CAMEO UK была создана на уровне почтовых индексов, домохозяйств и отдельных лиц и классифицирует более 50 миллионов британских потребителей. Он был создан для точного сегментирования британского рынка на 68 различных типов районов и 10 ключевых маркетинговых сегментов.

На международном уровне Global CAMEO — это крупнейшая в мире система сегментации потребителей, охватывающая 40 стран. Существует также единая глобальная классификация CAMEO International, которая разделяет границы.

CAMEO был разработан и поддерживается Callcredit Information Group.

Система желудей

[ редактировать ]

Классификация жилых кварталов ( Желудь ) разработана CACI в Лондоне. Это единственный доступный в настоящее время геодемографический инструмент, созданный на основе данных текущего года, а не данных переписи населения 2011 года. Acorn помогает анализировать и понимать потребителей, чтобы повысить взаимодействие с клиентами и пользователями услуг для реализации стратегий по всем каналам. Acorn сегментирует все 1,9 миллиона почтовых индексов Великобритании на 6 категорий, 18 групп и 62 типа.

Система МОЗАИКА

[ редактировать ]

Mosaic UK — это система классификации людей Experian. Первоначально создан профессором Ричардом Уэббером (приглашенным профессором географии Университета Кингс-Колледж в Лондоне) совместно с Experian. Последняя версия Mosaic была выпущена в 2009 году. Она классифицирует население Великобритании на 15 основных социально-экономических групп, в рамках которых 66 [6] разные типы.

Mosaic UK является частью семейства классификаций Mosaic, которое охватывает 29 стран, включая большую часть Западной Европы, США, Австралию и Дальний Восток.

Mosaic Global — это глобальный инструмент классификации потребителей Experian. Он основан на простом предположении, что города мира имеют общие модели жилищной сегрегации. Mosaic Global — это последовательная система сегментации, которая охватывает более 400 миллионов домохозяйств по всему миру с использованием местных данных из 29 стран. Он выделил 10 типов жилых кварталов, которые можно встретить в каждой из стран.

система геоСмарт

[ редактировать ]

В Австралии geoSmart — это система геодемографической сегментации, основанная на том принципе, что люди со схожим демографическим профилем и образом жизни, как правило, живут рядом друг с другом. Он разработан австралийским поставщиком геодемографических решений RDA Research.

Геодемографические сегменты geoSmart создаются на основе демографических показателей и смоделированных характеристик австралийской переписи населения ( Австралийское статистическое бюро ), а система обновляется с учетом недавнего роста домохозяйств. Кластеризация создает единый сегментный код, который представлен описательным оператором или эскизом.

В Австралии geoSmart в основном используется для сегментации баз данных, привлечения клиентов, профилирования торговых зон и таргетинга на почтовые ящики, хотя его можно использовать и в широком спектре других приложений.

Классификация выходной области

[ редактировать ]

Классификация выходных территорий (OAC) — это бесплатная и открытая геодемографическая сегментация Управления национальной статистики Великобритании (ONS), основанная на переписи населения Великобритании 2011 года. Она классифицирует 41 переменную переписи в трехуровневую классификацию: 7, 21 и 52. группы.

Ощущаемые преимущества OAC перед другими коммерческими классификациями проистекают из того факта, что методология открыта и документирована, а данные открыты и свободно доступны как государственным, так и коммерческим организациям при соблюдении условий лицензирования.

OAC имеет широкий спектр потенциальных применений: от географического анализа до социального маркетинга и профилирования потребителей. Государственный сектор Великобритании является одним из основных пользователей OAC.

Гобелен сообщества ESRI

[ редактировать ]

Этот метод классифицирует районы США на 67 сегментов рынка на основе социально-экономических и демографических факторов, а затем объединяет эти 67 сегментов в 14 типов образов жизни с такими названиями, как «Высшее общество», «Стиль пожилых людей» и «Фабрики и фермы». [7] Наименьшая пространственная детализация данных достигается на уровне группы блоков переписи населения США.

См. также Сегментация рынка#Компании (собственные базы данных сегментации).

  1. ^ Jump up to: а б Грекусис, Джордж; Томас, Хацихристос (2012). «Сравнение двух нечетких алгоритмов в анализе геодемографической сегментации: методы нечетких C-средних и методы Густавсона – Кесселя». Прикладная география . 34 : 125–136. дои : 10.1016/j.apgeog.2011.11.004 .
  2. ^ «Использование интеллектуальных систем для определения этнической принадлежности по именам», Ричард Уэббер, UCL, 2006 г.
  3. ^ «Ономастика для бизнеса: может ли дискриминация помочь развитию? — Paris Innovation Review» . www.paristechreview.com .
  4. ^ «Кластеры образа жизни потребителей | Анализ многообразных данных» . Проверено 12 ноября 2020 г.
  5. ^ Система сегментации рынка для Канады PSYTE HD Canada
  6. ^ Экспериан. «Сегментация» . www.segmentationportal.com .
  7. ^ «Данные Esri — Демографические и бизнес-данные за текущий год — Оценки и прогнозы» . www.esri.com .
  • Бримикомб, Эй Джей (2007). «Двойной подход к обнаружению кластеров в наборах данных точечных событий» . Компьютеры, окружающая среда и городские системы . 31 : 4–18. doi : 10.1016/j.compenvurbsys.2005.07.004 .
  • Фэн З., Флауэрдью Р., 1999. Использование нечеткой классификации для улучшения геодемографического таргетинга . В книге Б.Гиттингса (ред.), «Инновации в ГИС 6, Лондон: Тейлор и Фрэнсис», (стр. 133–144).
  • Грекусис, Г.; Хацихристос, Т. (2012). «Сравнение двух нечетких алгоритмов в анализе геодемографической сегментации: методы нечетких C-средних и методы Густавсона – Кесселя». Прикладная география . 34 : 125–136. дои : 10.1016/j.apgeog.2011.11.004 .
  • Спилман, SE; Тилл, Джей Си (2008). «Анализ социальной сферы, интеллектуальный анализ данных и ГИС». Компьютеры, окружающая среда и городские системы . 32 (2): 110–122. doi : 10.1016/j.compenvurbsys.2007.11.004 .
Arc.Ask3.Ru: конец переведенного документа.
Arc.Ask3.Ru
Номер скриншота №: 868391f784afdc9a8784e28f7643dd0a__1711574220
URL1:https://arc.ask3.ru/arc/aa/86/0a/868391f784afdc9a8784e28f7643dd0a.html
Заголовок, (Title) документа по адресу, URL1:
Geodemographic segmentation - Wikipedia
Данный printscreen веб страницы (снимок веб страницы, скриншот веб страницы), визуально-программная копия документа расположенного по адресу URL1 и сохраненная в файл, имеет: квалифицированную, усовершенствованную (подтверждены: метки времени, валидность сертификата), открепленную ЭЦП (приложена к данному файлу), что может быть использовано для подтверждения содержания и факта существования документа в этот момент времени. Права на данный скриншот принадлежат администрации Ask3.ru, использование в качестве доказательства только с письменного разрешения правообладателя скриншота. Администрация Ask3.ru не несет ответственности за информацию размещенную на данном скриншоте. Права на прочие зарегистрированные элементы любого права, изображенные на снимках принадлежат их владельцам. Качество перевода предоставляется как есть. Любые претензии, иски не могут быть предъявлены. Если вы не согласны с любым пунктом перечисленным выше, вы не можете использовать данный сайт и информация размещенную на нем (сайте/странице), немедленно покиньте данный сайт. В случае нарушения любого пункта перечисленного выше, штраф 55! (Пятьдесят пять факториал, Денежную единицу (имеющую самостоятельную стоимость) можете выбрать самостоятельно, выплаичвается товарами в течение 7 дней с момента нарушения.)