Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "Multi-Level Marketing" wg kryterium: Temat


Wyświetlanie 1-1 z 1
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
Autorzy:
Sroka, Łukasz
Powiązania:
https://bibliotekanauki.pl/articles/1373823.pdf
Data publikacji:
2021-07-30
Wydawca:
Główny Urząd Statystyczny
Tematy:
segmentacja
metoda k-prototypów
marketing wielopoziomowy
MLM
segmentation
k-prototypes method
Multi-Level Marketing
Opis:
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.
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.
Źródło:
Wiadomości Statystyczne. The Polish Statistician; 2021, 66, 7; 44-56
0043-518X
Pojawia się w:
Wiadomości Statystyczne. The Polish Statistician
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-1 z 1

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies