Глава 8, Оперативное управление — II п7

дает очень ценную информацию. Метод кластерного анализа позволя­ет разбить клиентов на сегменты (кластеры) на основе отличительных признаков, которые вы зададите. Ниже приведем примерную после­довательность применения данного метода.

Шаг 1. Вы определяете несколько признаков клиентов, которые, на ваш взгляд, характеризуют их покупательское поведение. Для приме­нения этого метода все признаки должны иметь числовое выражение. Например, признаки могут быть следующие:

1. среднемесячный объем закупок;

2. частота закупок (сколько заказов размещает у вас клиент в месяц);

3. количество товаров (которые клиент у вас закупает).

В результате каждый клиент будет характеризоваться тремя при­знаками, каждый из которых может быть выражен количественно. Пусть клиент X характеризуется признаками (х_{, х₂, х₃), а клиент Y — признаками (y_v у_у у₃). Тогда мы можем рассчитать то, что в математи­ке называют расстоянием между данными объектами, — некую вели­чину, которая в нашем случае будет характеризовать меру сходства между клиентами. Чаще всего для расчета расстояния используют ев­клидово расстояние, которое представляет собой расстояние между двумя точками в многомерном пространстве. Конкретно в нашем слу­чае оно будет выглядеть следующим образом:

расстояние (х,у)= f_t(x_j - y_tf.

Необходимо получить численные оценки «меры сходства» между всеми парами клиентов. Чем меньше значение такой оценки, тем бо­лее похожи клиенты из соответствующей пары друг на друга по вы­бранным критериям.

Шаг 2. После объединения двух наиболее близких клиентов в один кластер вам необходимо рассчитать расстояние между оставшимися клиентами (каждого из которых можно также считать кластером) и данным кластером клиентов. Наиболее распространен подход, когда в качестве расстояния между кластерами используется расстояние меж­ду двумя наиболее близкими элементами кластеров — метод «ближай­шего соседа».

Итеративно повторяя эту процедуру, постепенно вы, очевидно, объедините всех клиентов в один кластер (рис. 18). Когда же следует остановиться?

Шаг 3. В большинстве случае математические методы не позволя­ют оценить однозначно, на каком шаге стоит остановиться, — только

138

Управление продажами

«Расстояние» и между клиентами (кластерами клиентов)

;ahj.

Клиенты (А, В, С и т. д.) Рис. 18. Объединение клиентов в кластеры

вы как специалист по своей компании можете определить, сколько кластеров клиентов вам нужно рассматривать. Выбирая последова­тельно кластеры, рассматривая клиентов, которые в них вошли, вы создадите несколько гипотез относительно сходства данных клиентов, которые в дальнейшем могут быть проверены другими методами. Как и любой другой математический метод, кластерный анализ дает вам в первую очередь почву для размышлений, а не конечные выводы.

Когда стоит применять данные методы?

Несмотря на то что описанные методы чрезвычайно разнообразны и при этом не покрывают и сотой доли всех существующих методов, можно выделить несколько общих фактов, на которые следует обра­тить внимание.

Во-первых, каждый из описанных методов очень чувствителен к ин­формации. Если используемая информация некорректна, то и резуль­тат будет соответствующим. Улучшить «качество» информации мож­но за счет применения информационных систем и контроля работы с ними. Часть вопросов контроля можно «снять» с помощью регламен­тации работы с информационной системой, часть — с помощью выбо­рочного контроля.

Во-вторых, точность каждого метода зависит от объема используе­мой информации. Чем больше информации о клиентах у вас имеется, тем больше возможностей для применения различных методов ее об­работки. Очевидно, что сбор информации — задача трудоемкая и не