차원 축소

복잡한 데이터의 패턴을 파악하고 시각화하는 차원축소를 알아봅니다


수강중

11. MDS를 활용한 시장 세분화

  • 콜라, 사이다, 물, 주스 등 음료수를 객관적인 특성으로 분류할 수 있음
    • 탄산: 콜라, 사이다
    • 투명: 사이다, 물
  • 그러나 소비자들에게 제품들은 객관적인 특성에 의해서만 분류되지 않음
    • 학교에서는 콜라, 사이다보다는 건강에 해를 끼치지 않는 물, 주스를 제공할 것 같음
    • 물과 주스는 객관적인 특성만 보면 다른 제품이지만 소비자들이 비슷하다라고 느낀다면 마케팅을 할 때 물의 경쟁 상대는 주스가 될 수도 있음
  • 따라서 마케팅을 할 때는 객관적인 특성도 중요하지만 심리적인 특성도 고려해야 함

실습1

음료수 간의 주관적인 거리 행렬 만들기(1~5점)

콜라 사이다 주스
콜라 0 2 5 3
사이다 2 0 3 2
5 3 0 1
주스 3 2 1 0
  • 숫자가 크면 거리가 멀고 유사성이 떨어진다는 뜻
  • 숫자가 작으면 거리가 가깝고 유사성이 높다는 뜻

-> 엑셀로 만들어 csv 파일로 저장해 R로 불러오면 됨

cmdscale을 통해 메트릭 MDS 시행

cmdscale(d)
     [,1]       [,2]       
[1,] -2.5378165 -0.33255314
[2,] -0.6607996  0.86464887
[3,]  2.4480556  0.07468104
[4,]  0.7505604 -0.60677677
  • d: 불러온 데이터
  • 숫자들이 주관적인 거리이기 때문에 메트릭보다 넌메트릭이 더 적당함

isoMDS을 통해 넌메트릭 MDS 시행

library(MASS)
mds = isoMDS(d)
mds$points
initial  value 1.928240 
final  value 0.000000 
converged
     [,1]       [,2]       
[1,] -2.4521328 -0.29996730
[2,] -0.7948391  0.88577426
[3,]  2.4822099  0.06673524
[4,]  0.7647620 -0.65254220
plot(mds$points, type = 'n')
text(mds$points, c('C', 'Y', 'W', 'J'))
  • 가운데가 비어있으니까 중간에 위치할 만한 신제품을 새로 만드는 전략을 짤 수 있음
  • 콜라는 잘 팔리는데 사이다가 잘 팔리지 않는다면 사이다의 특성을 콜라쪽으로 옮겨서 마케팅을 해볼 수도 있음
  • 건강에 많은 사람들이 관심이 있다면 콜라와 사이다의 특성을 물과 주스 방향으로 옮겨 마케팅을 해볼 수도 있음
  • 제품이 훨씬 많으면 더 많은 전략을 구상하기 쉬움

실습2

  • 단점: 제품이 많아지면 거리를 구하기 어려워짐
  • 제품 간 거리를 측정하지 말고 각 음료에 대한 선호도를 구하면 됨
A B C
콜라 5 1 1
사이다 1 3 1
2 5 4
주스 3 4 5

-> 엑셀로 만들어 csv 파일로 저장해 R로 불러오면 됨

거리 구하기

d = dist(pref)
d
         1        2        3
2 4.472136                  
3 5.830952 3.741657         
4 5.385165 4.582576 1.732051
  • 물과 주스의 거리가 가까움
    • 물에 점수를 낮게 주는 사람은 주스에도 점수를 낮게 준다는 뜻
  • 콜라와 물의 거리가 멂
    • 콜라와 물은 선호가 갈리는 제품임

isoMDS을 통해 넌메트릭 MDS 시행

mds = isoMDS(d)
plot(mds$points, type = 'n')
text(mds$points, c('C', 'Y', 'W', 'J'))
initial  value 0.000000 
final  value 0.000000 
converged
  • 콜라와 사이다는 탄산 음료지만 마케팅을 다르게 해야 함