Contoh Strategi Estimasi Clustering

Hard data dapat membantu Anda membuat keputusan untuk bisnis kecil Anda, tetapi kadang-kadang Anda memiliki begitu banyak detail sehingga sulit untuk memahami apa yang dikatakan data. Ini bisa benar terutama untuk tugas-tugas seperti memperkirakan tanggapan terhadap pasar uji. Angka yang Anda dapatkan dari upaya pemasaran tes dapat mengaburkan tren yang Anda cari. Anda dapat menghapus kebingungan melalui pengelompokan.

Pengorganisasian Data

Jika Anda menerima angka dari tes pemasaran, Anda harus mengatur data. Misalnya, jika Anda menerima tanggapan dari pelanggan yang membandingkan produk Anda dengan yang lain, dan Anda menemukan pola tanggapan, tempatkan semuanya. Contoh: Uji Pasar No. 1 terdiri dari lima grup dengan 1.000 pelanggan di setiap grup. Dalam grup itu, Anda menemukan respons yang menguntungkan untuk produk Anda menjadi 925, 850, 875, 935, dan 890. Dorongan pertama Anda mungkin adalah untuk menambahkan semua angka dan rata-rata. Alih-alih, tulislah dalam satu baris atau kolom dan periksa pola.

Menemukan Pusat Bersama

Saat Anda memeriksa grup angka Anda, Anda mungkin melihat nomor umum di sekitar mana mereka mengelompok. Pada contoh di atas, 925, 850, 875, 935, dan 890 dapat dikatakan mengelompok sekitar 900. Perhatikan bahwa ini adalah tebakan yang dididik, bukan rata-rata matematika. Karena Anda tidak melakukan akuntansi, di mana angka-angka yang tepat diperlukan, Anda dapat membiarkan diri Anda membuat beberapa perkiraan kasar. Dalam contoh, Anda dapat mengatakan bahwa sekitar 900 orang dari setiap 1.000 menyukai produk Anda.

Menggunakan Estimasi Cluster Anda

Bahaya memperkirakan dengan menggunakan cluster adalah bahwa Anda mungkin menyerah pada angan-angan. Dengan kata lain, Anda dapat membulatkan angka ke atas atau ke bawah untuk mengelompokkannya di sekitar angka yang Anda inginkan. Anda dapat mengatasi kelemahan ini dalam taksiran Anda dengan meratakannya sesekali. Sebagai contoh, rata-rata angka-angka dalam contoh adalah 895. Ini menunjukkan bahwa perkiraan berdasarkan identifikasi nomor cluster data sekitar cukup dekat.

Tidak Menggunakan Perkiraan Cluster Anda

Perkiraan bagus untuk membuat keputusan yang tidak membutuhkan ketelitian. Keputusan pemasaran dapat bergerak maju berdasarkan tren kasar karena anomali kemungkinan besar tidak akan merugikan usaha Anda. Namun, jika angka Anda benar-benar acak, dengan varian luas, Anda tidak boleh memaksakan perkiraan. Bahkan rata-rata tidak akan membantu Anda dengan angka acak. Anda harus mendesain ulang tes Anda setelah mengisolasi faktor yang menyebabkan perubahan besar dalam respons. Jika Anda tidak dapat mengisolasi satu faktor, jalankan pengujian lagi dalam keadaan yang berbeda, seperti membandingkan produk Anda dengan dua produk pesaing.