2/CLU – ADABOX-Tool zur Clusteranalyse für die Marktforschung
Die zentrale Aufgabenstellung bei einer Clusteranalyse ist die Aufteilung eines vorhandenen Datenbestandes in gut unterscheidbare und in sich homogene Datengruppen. Daher zieht man diese Methode z.B. heran, um innerhalb von Teilnehmern einer Befragung Kundensegmente zu identifizieren. Das prominenteste Segmentierungsverfahren ist der K-Means Algorithmus (siehe „Partitionierende Clusteranalyse“). Der Anwender gibt hier eine Segmentanzahl vor und das Verfahren bestimmt iterativ, basierend auf einer zunächst zufällig bestimmten Aufteilung der Teilnehmer, eine Segmentierungslösung in entsprechend viele Segmente. Aber was ist die „richtige“ Segmentanzahl?
Diese Frage lässt sich vorweg nicht beantworten und es ist in der Regel notwendig, Segmentierungslösungen mit unterschiedlichen Segmentanzahlen zu bestimmen. Bei deren Beurteilung fließen einerseits statistische Kriterien wie die Segmentgrößen und deren Trennschärfe ein (siehe „Bestimmung der Clusteranzahl“). Da es aber in der Regel mehrere statistisch akzeptable Lösungen gibt, ist anderseits die inhaltliche Interpretierbarkeit der gebildeten Segmente von zentraler Bedeutung.
Genau an diesem Punkt spielt das2/CLU-Tool aus der ADABOX seine Stärke aus. Das Tool ermöglicht es dem Anwender mit sehr geringem Initialaufwand Segmentierungslösungen mit variierender Segmentanzahl zu berechnen. Die produzierten Segmentierungslösungen können dann in einem inhaltlich individuell gestaltbaren tabellarischen Export zusammengefasst und dargestellt werden (Beispiel siehe Grafik).
Die Grafik zeigt einen 2/CLU-Export aus der ADABOX: Aggregierte Darstellung einer fiktiven Segmentierungslösung mit 3 Segmenten. Die Segmentierungsvariablen (aktiv) sind vier Relevanzen von Produktmerkmalen auf einer 5er-Skala. In die Segmentberechnung nicht mit eingeflossen sind die demographischen Variablen (passiv).
Die rote und gelbe Zellhinterlegung in den Segmentspalten entspricht in ihrer Intensität dem Abstand zum Wert aus der Total-Spalte. Durch diese erkennt man schnell, dass Segment 2 sich durch überdurchschnittliche Relevanz beim Preis und Ausstattung auszeichnet und zum Großteil aus Frauen besteht.
Der tabellarische Export kann neben Mittelwerten eine Vielzahl an Kennzahlen und Gütekriterien für die Segmente und die Gesamtlösung enthalten, welche eine schnelle statistische und inhaltliche Beurteilung ermöglichen. Zur weiterführenden inhaltlichen Beschreibung der Segmente steht darüber hinaus die Darstellung von Variablen zur Verfügung, die nicht in die Berechnung der Segmente miteinbezogen wurden.
Im Gegensatz zum klassischen K-Means Verfahren verwenden wir als Startpunkt standardmäßig keine zufällige Unterteilung, sondern das Ergebnis einer vorgeschalteten hierarchischen Clusteranalyse (siehe „Partitionierende Clusteranalyse“). Dieses Vorgehen eliminiert das Zufallselement des Verfahrens und garantiert reproduzierbare Ergebnisse. Es ermöglicht insbesondere eine sinnvolle Untersuchung der Segmentstabilität bei variierender Segmentanzahl.
Beratung zu 2/CLU und zu Clusteranalysen:
Anneke Schwier
Share
