Clusteranalyse

Verfahren, mit dem eine umfangreiche Menge von Elementen durch Bildung homogener Klassen, Gruppen oder »Cluster« optimal strukturiert werden soll. Elemente eines Clusters sollen möglichst ähnlich, Elemente unterschiedlicher Cluster möglichst unähnlich sein.

Verfahren der multivarianten Analyse, dessen Aufgabe es ist, Mengen von Objekten bei gleichzeitiger Betrachtung aller erfaßten Merkmale (Variablen, Eigenschaften) so in Teilmengen (Cluster) zu zerlegen, daß die zu demselben Cluster gehörenden Objekte untereinander möglichst ähnlich und die zu verschiedenen Clustern gehörenden Objekte möglichst unähnlich sind. Die Homogenität innerhalb der Cluster ermöglicht eine präzise Charakterisierung, die Heterogenität zwischen den Gruppierungen sorgt für Trennschärfe. Besondere Bedeutung fällt diesem Verfahren bei der planerischen Arbeit im Marketing zu, wo versucht wird im Rahmen einer Marktsegmentierung Zielgruppen für neue Produkte zu erfassen.

Gruppenbildung zur Darstellung, Beobachtung und Profilierung von Markt-, Kunden

- und Produktsegmenten. Marktentwicklungen kann nicht durch eine einheitliche Gesamtstrategie begegnet werden. Um sich auf seinen Märkten orientieren zu können, muss sich ein Unternehmen einen Überblick verschaffen wer wie mit wem im Wettbewerb steht, welche Kunden sich wie verteilen und welche Fremdprodukte mit den eigenen vergleichbar sind.
Ein Weg hierzu ist die Cluster-analyse. Sie strukturiert den vielfältigen Gesamtmarkt, in dem sie ihn in logische Untergruppen teilt. Bspw. besteht das Fahrzeugangebot des Automobilmarktes aus den unterschiedlichsten Fahrezeugtypen und -modellen. Die Clusteranalyse sortiert diese Gesamtmenge in Gruppen sich ähnelnder Fahrzeuge. Ein Hersteller erkennt so, welches Modell welches Marktteilnehmers jeweils mit seinem Produkt in direktem Wettbewerb steht.

Bei der Clusterung von Konsumenten werden jeweils die zusammengefasst, deren Bedürfnisse, Kauf- und Entscheidungsverhalten sich möglichst ähneln. Hier kann ein Unternehmen die einzelnen Kundengruppen zielgerichtet ansprechen. Oder es kann dadurch Marktnischen erkennen. Wenn die Clusteranalyse bspw. ein großes Segment allein stehender Golf-spielender Frauen im Seniorenalter und mit einer bestimmten Kaufkraft erkennen lässt, dann kann dies ein interessantes Segment für ein neues Verlagsprodukt sein, dessen Inhalt sich exakt an diesem Lesersegment orientiert. Außerdem bietet es Unternehmen eventuell der Sportartikel-und Modebranche, der Gastronomie und der Touristik, die ebenfalls in diesem Segment eine attraktive Kundengruppe sieht, eine attraktive Werbeplattform.

Die Grundregel der Clusteranalyse ist somit:
- Die Unterschiede zwischen den einzelnen Gruppen sollen möglichst groß,
- die Unterschiede innerhalb einer Gruppe möglichst gering sein.

Die beste Möglichkeit hierzu ist, das Profil eines solchen Segments mit möglichst vielen Kriterien zu beschreiben. Bei der Clusteranalyse von Kunden genügt es bspw. nicht, sie nur nach Alter, Einkommen und soziale Schicht aufzuteilen. Werden diese soziodemographischen Merkmale allein berücksichtigt, dann bleiben die Segmente inhomogen, denn es unterscheiden sich auch Konformisten und Individualisten, Aktive und Passive, Optimisten und Pessimisten. Somit zählen bei der Clusteranalyse auch psychographische Eigenschaften, die sich unter anderem in Charakter, Interessensgebiete, Verhaltensformen, Einstellungen und Bevorzugungen darstellen.

Siehe auch
NC-/CNC-/DNC-Maschinen
Marktsegmentierung

Das Ziel der Clusteranalyse ist, unter einer Menge von Objekten, von denen bestimmte Eigenschaften durch einen geeigneten Variablensatz gemessen worden sind, sogenannte natürliche Gruppierungen (Cluster) aufzufinden. Diese gef und enen Gruppierungen sollten sich auszeichnen durch:
1. Homogenität innerhalb der Cluster. Das heißt, daß die Objekte innerhalb einer gef und enen Gruppierung eine große Ähnlichkeit in allen einbezogenen Eigenschaften aufweisen sollten. Je ähnlicher die Objekte sind, desto homogener ist die Gruppierung und desto präziser kann sie charakterisiert werden.
2. Heterogenität zwischen den Gruppierungen. Das heißt, daß sich die Objekte einer Gruppierung von den Objekten der anderen Gruppierungen stark unterscheiden sollten. Je heterogener die gef und enen Cluster sind, desto trennschärfer sind sie. Leider treten in der Praxis relativ häufig sog. Mischtypen auf, die diese beiden Bedingungen mehr oder weniger stark beeinträchtigen, so daß die Auffindung natürlicher Gruppierungen große Probleme bereiten kann. Trotzdem besitzt die Clusteranalyse für die planerische Arbeit im Marketing große Bedeutung, da nur selten ein Produkt geschaffen wird, das generell akzeptiert wird. Häufig soll ein Produkt entwickelt werden, das für bestimmte Zielgruppen (Cluster) abgestimmt ist. Dazu ist es notwendig, die Existenz, die Größe und eine detaillierte Charakterisierung dieser Zielgruppen zu erhalten. Genau diese Fragen versucht die Clusteranalyse zu beantworten. Bei der Durchführung einer Clusteranalyse sind verschiedene mathematische Probleme zu beachten: Das Datenproblem: Dabei ist zu klären, welche und wie viele Eigenschaften pro Objekt heranzuziehen sind. Vor allem aber ist wesentlich, wie diese Eigenschaften gemessen werden (nominal, ordinal,. . .), da davon die beiden folgenden Punkte betroffen sind. Die Wahl des Proximitätsmaßes: Um zu bestimmen, wie ähnlich (nahe) zwei Objekte liegen, bedarf es eines geeigneten Maßes. Man unterscheidet zwei Kategorien:
a) Distanzmaße (beispielsweise die euklidische Distanz)
b) Ähnlichkeitsindikatoren (bei spielsweise der Korrelationskoeffi zient). Die Wahl des Clusterverfahrens (Algorithmus): Es gibt eine Vielzahl von ClusterAlgorithmen, die sich alle durch mehr oder weniger große Eigentümlichkeiten auszeichnen. Die sicherlich gebräuchlichsten ClusterVerfahren sind die sog. hierarchischen Verfahren, die meist von den Einzelobjekten ausgehen und durch sukzessives Zusammenfassen zu den gesuchten Gruppierungen führen.

<< vorhergehender Begriff

nächster Begriff >>

Cluster-Analyse

CME