Klusteranalys på bas av konsumenters nyttovärden från en conjointstudie

Sammanfattning: Syftet med uppsatsen ligger i att genomföra en kundsegmentering med hjälp av klusteranalys på bas av kundpreferenser från en conjointanalys. Datamaterialet rör konsumentpreferenser med de två attributen öppning, med fem nivåer, och förpackning, om fyra nivåer. Klustermetoderna som används är K-mean, K-median och Fuzzy klustering. Segmenteringen baseras på att använda sig av standardiserade och ickestandardiserade part-worth värden och jämföra utfallen från de olika segmenten. Jämförelsen görs med Adjusted Rand Index efter Hubert & Arabie (1985) och Hit Ratio vilket används inom diskriminantanalys. Utifrån att studera F-kvoten väljes fem kluster. Resultaten visar att nivåerna AC (öppning) och AM (förpackning) är de mest föredragna alternativen för både icke-standardiserade och standardiserade part-worth värden. Dessa alternativ visade sig också vara de mest föredragna alternativen efter modellvärdering. Något ytterligare segment är svårare att hitta. Eventuellt skulle BC (öppning) vara ett alternativ som föredras, utifrån K-means icke-standardiserade och standardiserade part-worth värden och för K-median med standardiserade nyttovärden. Vid borttagning av AC visar Fuzzy c-means klustermetod att öppningsalternativet DL är att föredra. Vid borttagning av förpackningsalternativet AM föredras istället BM. Överlag har segmenten högre part-worth värden för öppningsalterantiven än förpackningsalterantiven vilket antyder att segmenten väljer att prioritera typ av öppning före typ av förpackning. Dock finns det variationer bland segmenten där vissa segment föredrar öppning mer än andra segment. Adjusted Rand Index och Hit Ratio visar på olika resultat för klustermetoderna. Adjusted Rand Index visar att Fuzzy c-means har högst överensstämmelse för grupperingar vid jämförelse av standardiserade och ostandardiserade nyttovärden. Enligt Hit Ratio har K-means högst andel korrekt klassificerade. K-median och Fuzzy c-means har en väldigt låg klassificeringsgrad. En standardisering medför enbart en liten förbättring i andelen korrekt klassificerade.