Een voorbeeld van een schattingsstrategie voor clustering

Harde gegevens kunnen u helpen beslissingen te nemen voor uw kleine bedrijf, maar soms heeft u zoveel details dat het moeilijk kan zijn om te begrijpen wat de gegevens zeggen. Dit kan met name gelden voor taken als het schatten van reacties op een testmarkt. De cijfers die u haalt uit een testmarketing-inspanning kunnen de trend verdoezelen waarnaar u op zoek bent. Je kunt de verwarring opruimen door te clusteren.

Gegevens ordenen

Als u nummers van een marketingtest ontvangt, moet u de gegevens ordenen. Als u bijvoorbeeld reacties ontvangt van klanten die uw product met een ander vergelijken en een patroon van antwoorden vindt, plaatst u deze samen. Voorbeeld: testmarkt nummer 1 bestaat uit vijf groepen met 1000 klanten in elke groep. In die groepen vindt u gunstige reacties op uw product als 925, 850, 875, 935 en 890. Uw eerste impuls zou kunnen zijn om alle cijfers bij elkaar op te tellen en te matigen. Schrijf ze in plaats daarvan in een rij of kolom en onderzoek ze voor een patroon.

Een gemeenschappelijk centrum vinden

Terwijl u uw groep getallen bekijkt, ziet u mogelijk een gemeenschappelijk nummer waarrond ze zich clusteren. In het bovenstaande voorbeeld zou gezegd kunnen worden dat 925, 850, 875, 935 en 890 rond 900 clusteren. Merk op dat dit een opgeleide schatting is, en geen wiskundig gemiddelde. Aangezien u geen boekhouding uitvoert, waar exacte aantallen vereist zijn, kunt u uzelf een aantal ruwe schattingen laten maken. In het voorbeeld zou je kunnen zeggen dat ongeveer 900 mensen van elke 1000 je product leuk vonden.

Uw Cluster-schatting gebruiken

Het gevaar van inschatten door een cluster te gebruiken, is dat je mag toegeven aan wishful thinking. Met andere woorden, u kunt getallen op of af ronddraaien om ze rond het gewenste aantal te laten clusteren. U kunt deze zwakte in uw schattingen tegengaan door ze af en toe te middelen. Het gemiddelde van de getallen in het voorbeeld is bijvoorbeeld 895. Dit geeft aan dat de schatting op basis van het identificeren van een nummer de gegevensclusters in de buurt redelijk dicht bij elkaar lagen.

Uw Cluster-schatting niet gebruiken

Schattingen zijn goed voor het nemen van beslissingen die geen precisie vereisen. Marketingbeslissingen kunnen vooruitgaan op basis van ruwe trends, omdat anomalieën waarschijnlijk niet schadelijk zijn voor uw inspanningen. Als uw getallen echter echt willekeurig zijn, moet u met een brede variantie geen schatting eisen. Zelfs een gemiddelde zal je niet helpen met willekeurige getallen. U zou uw test opnieuw moeten ontwerpen nadat u de factor isoleerde die de grote schommelingen in antwoorden veroorzaakte. Als u één factor niet kunt isoleren, voert u de test opnieuw uit onder verschillende omstandigheden, zoals het vergelijken van uw product met producten van twee concurrenten.