BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Sroka Łukasz (Uniwersytet Ekonomiczny w Katowicach)
Tytuł
Wykorzystanie algorytmu k-prototypów w segmentacji klientów przedsiębiorstwa w marketingu wielopoziomowym
The Use of the k-Prototypes Method in the Segmentation of Customers of a Company in the Multi-Level Marketing
Źródło
Wiadomości Statystyczne, 2021, nr 7, s. 44-56, tab., wykr., bibliogr. s. 55-56
Słowa kluczowe
Segmentacja, Marketing wielopoziomowy, Strategia marketingowa, Uczenie maszynowe
Segmentation, Multilevel marketing, Marketing strategy, Machine learning
Uwagi
Klasyfikacja JEL: C38, C19, D12
streszcz., summ.
Abstrakt
Segmentacja klientów odgrywa istotną rolę w przygotowaniu strategii marketingowej przedsiębiorstwa. Zróżnicowanie nabywców pod względem ich cech i zachowań oraz zrozumienie tego, jak kształtują się ich preferencje i potrzeby, jest kluczowe dla określenia efektywnych narzędzi marketingowych. Celem artykułu jest przedstawienie możliwości wykorzystania metody k-prototypów w procesie segmentacji klientów. W badaniu za pomocą tego algorytmu uczenia maszynowego wyróżniono klastry oraz przeprowadzono analizę statystyczną powstałych grup. Posłużono się danymi sprzedażowymi za okres od września do października 2020 r., które uzyskano z przedsiębiorstwa handlowego działającego w systemie marketingu wielopoziomowego (MLM). Dokonano podziału na sześć segmentów, znacznie różniących się między sobą pod względem cech charakterystycznych dla klientów przedsiębiorstwa MLM. Algorytm k-prototypów jako metoda segmentacyjna zadowalająco przetworzył dane zarówno numeryczne, jak i kategorialne i w ten sposób umożliwił wyznaczenie klastrów. Otrzymane wyniki pozwoliły stwierdzić, że w badanym przedsiębiorstwie występują grupy klientów nastawionych na maksymalizację korzyści wskazanych jako cel działalności w planie marketingowym, niezdecydowanych co do dalszego trwania w strukturach tej jednostki oraz niewiążących swojej przyszłości z przedsiębiorstwem. (abstrakt oryginalny)

Segmentation of clients plays an important role in designing a company's marketing strategy. Differentiating between groups of customers in terms of their characteristics and behaviours, and understanding how customer preferences and needs are shaped, is key to determining effective marketing tools. The aim of the paper is to present the potential of the k-prototypes method in the customer segmentation process. In the study, conducted according to the above-mentioned type of machine learning algorithm, clusters were extracted and the statistical analysis of the groups thus obtained was carried out, using sales data of a trading company operating in the Multi-Level Marketing (MLM) system for the period from September to October 2020. As a result, the company's customers were divided into six segments, significantly different from each other in terms of features characteristic for clients of an MLM enterprise. The k-prototypes algorithm, adopted here as a segmentation method, satisfactorily processed both numerical and categorical data, and made it possible to identify the clusters. The results obtained by means of this method demonstrated that there are groups of clients of the examined company which focused on maximizing the benefits indicated in the marketing plan as the aim of the company's operations, customers undecided as to whether to continue in the entity's structure, and customers who did not plan to associate their future with the examined company
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka SGH im. Profesora Andrzeja Grodka
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Pełny tekst
Pokaż
Bibliografia
Pokaż
  1. Amymen Ben Haj Kacem, M., Ben N'cir, C., Essoussi, N. (2015). Parallel K-prototypes for clustering Big Data. W: M. Núnez, N. Thanh Nguyen, D. Camacho, B. Trawiński (red.), Computational Collective Intelligence (s. 629-632). Madrid: Springer.
  2. Angowski, M., Domańska, K., Kijek, T. (2017). Zastosowanie metod K-średnich w segmentacji nabywców na rynku produktów spożywczych. Metody Ilościowe w Badaniach Ekonomicznych, 18(4), 521-530.
  3. Boschetti, A., Massaron, L. (2017). Python. Podstawy nauki o danych. Gliwice: Helion.
  4. Duliniec, E. (1994). Badania marketingowe w zarządzaniu przedsiębiorstwem. Warszawa: Wydawnictwo Naukowe PWN.
  5. Gregor, B., Wadlewski, A. (2014). Multi Level Marketing jako model biznesu. Marketing i Rynek, 3, 15-31.
  6. Grzyb, M. (2019, 17 lipca). K-prototypów - grupowanie zmiennych kategorycznych i ciągłych. https://mateuszgrzyb.pl/k-prototypow-grupowanie-zmiennych-kategorycznych-i-ciaglych .
  7. Hong-Jun, J., Byoungwook, K., Jongwang, K., Soon-Young, J. (2018). An efficient grid-based k-prototypes argorithm for sustainable decision-making on spatial objects. Sustainability, 10(8), 1-20. https://doi.org/10.3390/su10082614 .
  8. Huang, Z. (1998). Extensions to the k-Means Algorithm for Clustering Large Data Sets with Categorical Values. Data Mining and Knowledge Discovery, 2(3), 283-304. https://doi.org/10.1023/A:1009769707641 .
  9. Kauf, S. (2014). Wykorzystanie metody taksonomii wrocławskiej w segmentacji rynku. W: E. Gatnar, G. Maciejewski (red.), Metody ilościowe w badaniach marketingowych (s. 65-79). Katowice: Wydawnictwo Uniwersytetu Ekonomicznego w Katowicach.
  10. Raschka, S., Mirjalili, V. (2019). Python. Uczenie maszynowe. Gliwice: Helion.
  11. Retzler, K. (1988). Direct Marketing: The Proven Path to Successful Sales. Glenview: Scott, Foresman and Company.
  12. Rószkiewicz, M. (2002). Metody ilościowe w badaniach marketingowych. Warszawa: Wydawnictwo Naukowe PWN.
  13. Verani, M., Bartels, J., Dagevos, H., Sijtsema, S., Onwezen, M., Antonides, G. (2012). Segments of Sustainable Food Consumers: A Literature Review. International Journal of Consumer Studies, 36(2), 123-132.
  14. Wadlewski, A. A., Modliński, A. (2016). Strategia rozwoju sieci dystrybucji firmy MLM. Przykład matrycowego planu kompensacyjnego. W: A. A. Wadlewski, A. Modliński (red.), Innowacyjne działania w obszarze zarządzania i marketingu (s. 133-142). Łódź: Wydawnictwo Uniwersytetu Łódzkiego. https://www.nist.gov.pl/files/zalacznik/1461863038_Wadlewski_Innowacyjno%C5%9B%C4%87.pdf .
  15. Wedel, M., Kamakura, W. A. (2002). Introduction to the special issue on market segmentation. International Journal of Research in Marketing, 19(3), 181-183.
  16. Żakowska-Biemans, S., Gutkowska, K., Sajdakowska, M. (2013). Segmentacja konsumentów z uwzględnieniem skłonności do zaakceptowania innowacji w produktach żywnościowych pochodzenia zwierzęcego. Handel Wewnętrzny, (4), 141-154.
Cytowane przez
Pokaż
ISSN
0043-518X
Język
pol
URI / DOI
http://dx.doi.org/10.5604/01.3001.0015.0482
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu