지오데모형
Geodemographic segmentation마케팅에서 지오그래픽 분할은 어떤 집단 내의 차이가 집단간의 차이보다 적어야 한다는 가정 하에 복수의 특성을 정량적으로 비교함으로써 모집단의 개체가 다른 집단에 속하는지 여부를 알아내기 위한 다변량 통계분류 기법이다.s
원칙
지오데모그래픽 분할은 다음의 두 가지 간단한 원리에 기초한다.
- 같은 동네에 사는 사람들은 무작위로 뽑힌 두 사람보다 비슷한 성격을 가질 가능성이 더 높다.
- 이웃은 그들이 포함하는 인구의 특성에 따라 분류될 수 있다.어느 두 동네든 같은 카테고리에 둘 수 있다. 즉, 그들은 서로 멀리 떨어져 있어도 비슷한 유형의 사람들을 포함하고 있다.
클러스터링 알고리즘
서로 다른 알고리즘을 사용하면 결과가 달라지지만, 어떤 알고리즘도 그 확실성에 대한 이론적 증거를 제공하지 않듯이 최고의 알고리즘을 선택할 수 있는 최선의 접근법은 단 한 가지도 없다.[1]지리학적 분할에서 가장 자주 사용되는 기법 중 하나는 널리 알려진 k-평균 군집 알고리즘이다.사실 현재 상용 지리학 시스템의 대부분은 k-평균 알고리즘에 기반을 두고 있다.그러나 여전히 인공 신경망, 유전 알고리즘 또는 퍼지 논리로부터 오는 클러스터링 기술은 크고 다차원적인 데이터베이스 내에서 더 효율적이다(Brimicombe 2007).
신경망은 비선형 관계를 처리할 수 있고, 소음에 강하며 높은 수준의 자동화를 보여준다.그들은 자료의 성격이나 분포에 관한 어떠한 가설도 가정하지 않고, 지금까지 해결이 불가능했던 지리적 성격의 문제를 다루는데 귀중한 도움을 준다.감독되지 않은 클러스터링을 달성하기 위한 가장 잘 알려져 있고 가장 효율적인 신경망 방법 중 하나는 SOM이다. SOM은 k-means 방법보다 개선된 것으로 제안되어 왔는데, 그것은 인구조사 데이터 클러스터링에 보다 유연한 접근법을 제공하기 때문이다. SOM 방법은 최근에 스필먼과 틸(2008)이 g를 개발하기 위해 사용하였다.뉴욕시와 관련된 인구 조사 데이터 집합의 측량학적 군집화
개별 폴리곤의 모든 지역과의 유사성을 특징짓는 또 다른 방법은 퍼지 논리에 기초한다.퍼지 군집의 기본 개념은 개체가 둘 이상의 군집에 속할 수 있다는 것이다.이진 논리학에서 세트는 정의가 없는 이진 yes에 의해 제한된다. 즉, 객체가 클러스터에 속하거나 속하지 않음을 의미한다.퍼지 군집화는 공간 단위가 구성원 값이 다양한 둘 이상의 군집에 속하도록 허용한다.지질학적 분석과 퍼지 논리에 관한 대부분의 연구는 퍼지 C-Means 알고리즘과 구스타프슨-케셀 알고리즘을 사용한다.[1] (펑과 플라워듀 1999)
시스템들
유명한 지리학적 분할 시스템은 클라리타스 프리젬(미국), 카나코드 라이프스타일(캐나다), 싸이키테 HD(캐나다), 태페스트리(미국), 카메오(영국), 도토리(영국), 모자이크(영국) 시스템이다.인구 하위그룹을 겨냥한 새로운 제도도 등장하고 있다.예를 들어, Segmentos는 미국의 히스패닉계 사람들의 지질학적 라이프스타일을 조사한다.MOSCOE와 AORTORY는 모두 주민 이름에서 민족성을 유추하기 위해 위노마스틱스를 사용한다.[2][3]
KanaCode 라이프스타일 클러스터
카나코드 라이프스타일 클러스터는 다지관 데이터 마이닝에 의해 개발되었으며 캐나다 우편번호를 18개의 뚜렷한 주요 라이프스타일 그룹과 110개의 틈새 라이프스타일 그룹으로 분류한다.[4]인구통계학부터 사회경제적 요인, 지출, 라이프스타일 특성(예: 제품 사용, 미디어 사용, 정신통계학)에 이르는 10,000개 이상의 변수에 대한 현재 연도 통계를 사용한다.
싸이티 HD
PYTE HD Canada는[5] 캐나다 우편 번호와 보급 지역을 57개의 독특한 생활 방식 그룹과 상호 배타적인 이웃 유형으로 분류하는 지리학 시장 세분화 시스템이다.PYTE HD Canada는 예술 클러스터 구축 환경에서 결합된 다양한 제3자 데이터 입력 외에 캐나다 인구통계학적 및 사회경제적 기반을 기반으로 구축된다.결과 클러스터는 이용 가능한 캐나다 이웃의 가장 정확한 스냅샷을 나타낸다.PYYTE HD Canada는 고객 데이터와 잠재 시장을 분석하고, 시장 인텔리전스와 통찰력을 얻고, 다양한 캐나다 시장 전반에서 소비자의 행동을 해석하는 효과적인 도구다.
카메오 시스템
COMEO 분류는 조직이 판매, 마케팅 및 네트워크 계획 전략의 일부로 국제적으로 사용하는 일련의 소비자 분류다.
카메오 UK는 우편번호, 가정, 개인 레벨로 지어졌으며 5천만 명이 넘는 영국 소비자들을 분류하고 있다.그것은 영국 시장을 68개의 뚜렷한 이웃 유형과 10개의 주요 마케팅 부문으로 정확하게 나누기 위해 건설되었다.
인터내셔널 글로벌 COMEO는 40개국을 아우르는 세계 최대 규모의 소비자 세분화 시스템이다.국경을 넘나드는 하나의 글로벌 분류인 카메오 인터내셔널도 있다.
카메오는 Callcredit Information Group에 의해 개발되었으며 유지되고 있다.
도토리 계통
주거지역 분류는 CACI에 의해 런던의 개발되었다.그것은 2011년 인구조사 정보가 아닌 현 연도 데이터를 사용하여 구축된 현재 이용 가능한 유일한 지리학적 도구다.도토리는 모든 채널에 걸쳐 전략을 제공하기 위해 고객 및 서비스 사용자와의 참여를 높이기 위해 소비자를 분석하고 이해하는 데 도움이 된다.도토리는 모두 190만 개의 영국 포스트코드를 6개 분류, 18개 그룹, 62개 유형으로 나눈다.
모자이크 시스템
모자이크 UK는 Experian의 사람 분류 시스템이다.원래 리차드 웨버 교수(런던 킹스 칼리지 대학의 지리학 교수 방문)가 Experian과 연합하여 만들었다.모자이크 최신판은 2009년에 발매되었다.그것은 영국 인구를 15개의 주요 사회 경제 집단과 66개의 다른[6] 유형으로 분류한다.
모자이크 UK는 서유럽, 미국, 호주, 극동지역을 포함한 29개국을 포괄하는 모자이크 분류군의 일부다.
모자이크 글로벌은 체험자의 글로벌 소비자 분류 도구다.세계 도시들이 주거 분리라는 공통 패턴을 공유한다는 간단한 명제에 근거한다.모자이크 글로벌은 29개국 현지 데이터를 활용해 전 세계 4억 가구 이상을 커버하는 일관된 세분화 시스템이다.그것은 각 국가에서 찾아볼 수 있는 10가지 유형의 주거 지역을 확인했다.
지오스마트 시스템
호주에서 지오스마트는 인구통계학적 프로파일과 라이프스타일이 비슷한 사람들이 서로 가까이 사는 경향이 있다는 원칙에 따른 지오그래픽 세분화 시스템이다.호주의 지리학 솔루션 공급업체인 RDA Research에 의해 개발되었다.
지오스마트 지오데모그래픽 부문은 호주 통계청(Australian Bureau of Statistics, Australian Bureau of Statistics) 인구통계학적 측정 및 모델링 특성에서 생산되며, 최근 가계 성장에 따라 시스템이 업데이트된다.클러스터링은 설명문 또는 축소판 그림으로 표현되는 단일 세그먼트 코드를 만든다.
호주에서 지오스마트는 광범위한 다른 애플리케이션에서 사용될 수 있지만 주로 데이터베이스 세분화, 고객 확보, 무역 영역 프로파일링 및 편지함 타겟팅에 사용된다.
출력 영역 분류
OAC(Output Area Classification, Output Area Classification, OCS)는 영국 인구통계청 2011에 근거한 무료 및 개방형 지리학적 분할이다.인구조사 변수 41개를 7개, 21개, 52개 그룹으로 3단계로 분류한다.
기타 상업적 분류에 비해 OAC의 인식된 이점은 방법론이 공개되고 문서화되며, 데이터가 허가 조건에 따라 공공 및 상업 조직 모두에게 개방적이고 자유롭게 이용 가능하다는 사실에서 기인한다.
OAC는 지리적 분석에서부터 소셜 마케팅 및 소비자 프로파일링에 이르기까지 다양한 잠재적 애플리케이션을 보유하고 있다.영국의 공공 부문은 OAC의 주요 사용자 중 하나이다.
ESRI 커뮤니티 태피스트리
이 방법은 사회경제적, 인구통계학적 요인을 바탕으로 미국 인근을 65개 시장부문으로 분류한 뒤 이들 67개 부문을 14개 유형의 라이프모드로 통합해 '하이 소사이어티', '시니어 스타일', '팩토리와 농장'[7] 등의 이름을 붙였다.가장 작은 공간적 세분화 데이터들은 미국 인구조사 블록 그룹의 수준에서 생산된다.
참고 항목: Market_segmentation#Companies_(popermetic_segmentation_databases)
참조
- ^ a b Grekousis, George; Thomas, Hatzichristos (2012). "Comparison of two fuzzy algorithms in geodemographic segmentation analysis: The Fuzzy C-Means and Gustafson–Kessel methods". Applied Geography. 34: 125–136. doi:10.1016/j.apgeog.2011.11.004.
- ^ "Using Intelligent Systems to infer ethnicity from names, Richard Webber, UCL 2006".
- ^ "Onomastics for business: can discrimination help development? - Paris Innovation Review". www.paristechreview.com.
- ^ "Consumer Lifestyle Clusters Manifold Data Mining". Retrieved 2020-11-12.
- ^ 캐나다 PYTE HD 캐나다 시장 세분화 시스템
- ^ Experian. "Segmentation". www.segmentationportal.com.
- ^ "Esri Data - Current Year Demographic & Business Data - Estimates & Projections". www.esri.com.
- Brimicombe, A. J. (2007). "A dual approach to cluster discovery in point event data sets". Computers, Environment and Urban Systems. 31: 4–18. doi:10.1016/j.compenvurbsys.2005.07.004.
- 펑, Z, 플라워듀, R, 1999.지리학적 표적을 개선하기 위한 퍼지 분류의 사용.B.Gittings(Ed.)에서 GIS 6 런던의 혁신:테일러 & 프랑시스, (pp. 133–144)
- Grekousis, G.; Hatzichristos, T. (2012). "Comparison of two fuzzy algorithms in geodemographic segmentation analysis: The Fuzzy C-Means and Gustafson–Kessel methods". Applied Geography. 34: 125–136. doi:10.1016/j.apgeog.2011.11.004.
- Spielman, S.E.; Thill, J.C. (2008). "Social area analysis, data mining and GIS". Computers, Environment and Urban Systems. 32 (2): 110–122. doi:10.1016/j.compenvurbsys.2007.11.004.
