एक क्लस्टरिंग अनुमान रणनीति का एक उदाहरण

हार्ड डेटा आपके छोटे व्यवसाय के लिए निर्णय लेने में आपकी मदद कर सकता है, लेकिन कभी-कभी आपके पास इतना विस्तार होता है कि यह समझना मुश्किल हो सकता है कि डेटा क्या कह रहा है। यह विशेष रूप से कार्यों के लिए सच हो सकता है जैसे परीक्षण बाजार में प्रतिक्रियाओं का अनुमान लगाना। टेस्ट मार्केटिंग प्रयास से आपको जो नंबर मिलते हैं, वे उस प्रवृत्ति को अस्पष्ट कर सकते हैं, जिसकी आप तलाश कर रहे हैं। आप क्लस्टरिंग के माध्यम से भ्रम को साफ़ कर सकते हैं।

डेटा का आयोजन

यदि आप एक विपणन परीक्षण से नंबर प्राप्त करते हैं, तो आपको डेटा को व्यवस्थित करना होगा। उदाहरण के लिए, यदि आपको अपने उत्पाद की दूसरे से तुलना करने वाले ग्राहकों से प्रतिक्रियाएँ प्राप्त होती हैं, और आप प्रतिक्रियाओं का एक पैटर्न पाते हैं, तो उन्हें एक साथ रखें। उदाहरण: टेस्ट मार्केट नंबर 1 में प्रत्येक समूह में 1, 000 ग्राहकों के साथ पांच समूह होते हैं। उन समूहों में, आप अपने उत्पाद को 925, 850, 875, 935 और 890 होने के लिए अनुकूल प्रतिक्रिया पाते हैं। आपका पहला आवेग सभी संख्याओं को जोड़ने और उन्हें औसत करने के लिए हो सकता है। इसके बजाय, उन्हें एक पंक्ति या कॉलम में लिखें और उन्हें एक पैटर्न के लिए जांचें।

एक सामान्य केंद्र ढूँढना

जब आप अपने समूह की संख्या की जांच करते हैं, तो आप एक सामान्य संख्या देख सकते हैं जिसके चारों ओर वे क्लस्टर करते हैं। उपरोक्त उदाहरण में, 925, 850, 875, 935 और 890 को 900 के आसपास क्लस्टर के लिए कहा जा सकता है। ध्यान दें कि यह एक शिक्षित अनुमान है, गणितीय औसत नहीं है। चूंकि आप लेखांकन नहीं कर रहे हैं, जहां सटीक संख्या की आवश्यकता होती है, आप अपने आप को कुछ मोटे अनुमान लगाने की अनुमति दे सकते हैं। उदाहरण में, आप कह सकते हैं कि प्रत्येक 1, 000 में से लगभग 900 लोग आपके उत्पाद को पसंद करते हैं।

अपने क्लस्टर अनुमान का उपयोग करना

क्लस्टर का उपयोग करके अनुमान लगाने का खतरा यह है कि आप इच्छाधारी सोच में पड़ सकते हैं। दूसरे शब्दों में, आप उन्हें इच्छित संख्या के आसपास क्लस्टर बनाने के लिए संख्याओं को ऊपर या नीचे कर सकते हैं। आप अपने अनुमानों में इस कमजोरी का मुकाबला एक बार में औसतन हर बार कर सकते हैं। उदाहरण के लिए, उदाहरण में संख्याओं का औसत 895 है। यह इंगित करता है कि एक संख्या की पहचान करने के आधार पर अनुमान डेटा क्लस्टर के आसपास यथोचित था।

अपने क्लस्टर अनुमान का उपयोग नहीं

अनुमान ऐसे निर्णय लेने के लिए अच्छे होते हैं जिनमें परिशुद्धता की आवश्यकता नहीं होती है। विपणन निर्णय किसी न किसी रुझान के आधार पर आगे बढ़ सकते हैं क्योंकि विसंगतियों की सबसे अधिक संभावना आपके प्रयासों को नुकसान नहीं पहुंचाएगी। यदि आपकी संख्या वास्तव में यादृच्छिक है, हालांकि, विस्तृत संस्करण के साथ, आपको अनुमान लगाने के लिए मजबूर नहीं करना चाहिए। यहां तक ​​कि एक औसत भी आपको यादृच्छिक संख्या में मदद नहीं करेगा। प्रतिक्रियाओं में बड़े झूलों का कारण बनने वाले कारक को अलग करने के बाद आपको अपने परीक्षण को फिर से डिज़ाइन करना चाहिए। यदि आप एक कारक को अलग नहीं कर सकते हैं, तो अलग-अलग परिस्थितियों में फिर से परीक्षण करें, जैसे कि अपने उत्पाद की तुलना दो प्रतिस्पर्धी उत्पादों से करें।