SIM案例：聚类分析找出了三个细分市场.docxVIP

SIM案例:聚类分析找出了三个细分市场

各细分市场的平均特征

主成分==2维解释超过50％的品牌特征

特征值

百分比

累计百分比特征向量

计算机线上市时间价格

付款条件

资金质保

电话支持安装

硬件服务营销

软件兼容速度

4.378033.677333.6773

0.367620.03995-0.346610.099660.382250.05822-0.013320.358190.320870.37934-0.320790.11339

1.638412.603068.42062.8782

1.638412.6030

68.4206

-0.303300.44558 -0.198680.12826-0.196790.281990.42004-0.04393-0.119500.10577

0.157150.47427

0.18262-0.11850-0.013330.531740.027640.49151-3.9594

-0.183890.006190.157020.270390.19876

1.351810.398178.8187

0.122490.237520.048120.492530.20604

0.255480.31725-0.393610.167520.393320.35634-0.1.194

1.26169.704388.5230

0.165310.212170.33348-0.08159-0.28097

-0.234760.05857

0.258910.596200.070750.234280.30677

0.7695

5.9194

94.4424

-0.015600.464020.228260.268620.27998-0.39857

-0.17320-0.18272-0.074960.292860.35063-0.28577

0.35572.7358

97.1782

-0.06428-0.299190.672600.300390.153980.16151

0.375940.32957-0.162960.11546-0.08746

在这个2维图中是否遗漏了任何变量?

变量共同度（communalities）

*付款条件(只有9%的方差被解释)

计算机线值上市时间

0.856440.57843

*质保(只有24%的方差被解释)

价格

付款条件资金

质保

电话支持安装

硬件服务营销

软件兼容

速度培训

0.639590.090840.751170.243710.508590.567260.491850.662210.521620.703700.64089

如果两个品牌很靠近，这代表什么？

*两个品牌在各种属性方面都很近似（他们的属性值高度相关）

观察旋转载荷矩阵

因子1:旋转后的因子（rotatedfactorpattern）

计算机线值

0.881767

-0.280935

*计算机线路宽

上市时间

-0.129445

0.749447

*优惠的融资条款

价格

-0.603232

-0.525071

*优秀的服务和营销

付款条件

0.139959

0.266921

*昂贵

资金

0.861048

-0.098828

*软件不兼容

质保

电话支持安装

硬件服务

-0.015704-0.2245120.7407230.701270

0.4934180.6768900.136348-0.008483

因子2:

营销

软件兼容

0.712771-0.718843

0.3926360.069904

*快速上市

速度

0.004681

0.838854

*高性能（速度快）

培训

0.476995

0.642936

*完善的培训和电话支持

*质保很好

*昂贵

(属性的)因子载荷和(品牌的)因子得分

2个属性指向同一个方向意味着什么?

*某些品牌的某个属性得分很高,同时另一个属性得分也很高(这些属性值高度相关)

如何识别某品牌的某个特征值很高?

*将属性箭头延长为一直线

*从品牌位置画一条垂直线到属性线，检查品牌是在特征线的正向还是负向（计算正/负值）

*按照这种方法得出的结论不是一个精确的结果，因为此图无法涵盖品牌－特征矩阵的所有信息。

在