<?xml version="1.0" encoding="UTF-8"?>
<article xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:noNamespaceSchemaLocation="JATS-archive-oasis-article1-4.xsd" article-type="research-article" dtd-version="1.4" xml:lang="ru">
  <front>
    <journal-meta>
      <journal-title-group>
        <journal-title>Журнал Современные проблемы науки и образования</journal-title>
      </journal-title-group>
      <issn>2070-7428</issn>
      <publisher>
        <publisher-name>Общество с ограниченной ответственностью &amp;quot;Издательский Дом &amp;quot;Академия Естествознания&amp;quot;</publisher-name>
      </publisher>
    </journal-meta>
    <article-meta>
      <article-id pub-id-type="publisher-id">ART-16405</article-id>
      <title-group>
        <article-title>СОВРЕМЕННЫЕ МЕТОДЫ И ИНСТРУМЕНТЫ СЕГМЕНТИРОВАНИЯ ПОТРЕБИТЕЛЬСКИХ РЫНКОВ</article-title>
      </title-group>
      <contrib-group>
        <contrib contrib-type="author">
          <name-alternatives>
            <name xml:lang="ru">
              <surname>Мартышенко</surname>
              <given-names>Н.С.</given-names>
            </name>
          </name-alternatives>
          <name-alternatives>
            <name xml:lang="en">
              <surname>Martyshenko</surname>
              <given-names>N.S.</given-names>
            </name>
          </name-alternatives>
          <email>Natalya.martyshenko@vvsu.ru</email>
          <xref ref-type="aff" rid="affdc5141f2"/>
        </contrib>
        <contrib contrib-type="author">
          <name-alternatives>
            <name xml:lang="ru">
              <surname>Грачева</surname>
              <given-names>В.В.</given-names>
            </name>
          </name-alternatives>
          <name-alternatives>
            <name xml:lang="en">
              <surname>Gracheva</surname>
              <given-names>V.V.</given-names>
            </name>
          </name-alternatives>
          <email>Natalya.martyshenko@vvsu.ru</email>
          <xref ref-type="aff" rid="affdc5141f2"/>
        </contrib>
      </contrib-group>
      <aff id="affdc5141f2">
        <institution xml:lang="ru">Владивостокский государственный университет экономики и сервиса</institution>
        <institution xml:lang="en">Vladivostok state university economy and service</institution>
      </aff>
      <pub-date date-type="pub" iso-8601-date="2014-06-22">
        <day>22</day>
        <month>06</month>
        <year>2014</year>
      </pub-date>
      <issue>6</issue>
      <fpage>559</fpage>
      <lpage>559</lpage>
      <permissions>
        <license xlink:href="https://creativecommons.org/licenses/by/4.0/">
          <license-p>This is an open-access article distributed under the terms of the CC BY 4.0 license.</license-p>
        </license>
      </permissions>
      <self-uri content-type="url" hreflang="ru">https://science-education.ru/ru/article/view?id=16405</self-uri>
      <abstract xml:lang="ru" lang-variant="original" lang-source="author">
        <p>Многообразие задач сегментирования и условий формирования рынков породили множество методов сегментирования. Целью работы является составить научный путеводитель в пространстве современных методов и инструментов сегментирования потребительских рынков. Среди методов сегментирования наиболее мощным инструментом являются методы многомерной классификации данных. В работе рассмотрены различные подходы построения алгоритмов многомерной классификации. При исследовании социально-экономических систем подавляющее большинство явлений не поддается прямому измерению (умственные способности, личностные качества, толерантность, компетентность, мобильность, политические убеждения и т.д.). В таких случаях рекомендуется использовать латентные модели или латентный структурный анализ. В практике сегментирования часто приходится иметь дело с качественными данными. Обработка качественных данных строится на принципах типологий, которые воплощаются в компьютерных технологиях. Использование комбинации количественных и качественных методов часто является наилучшим решением проблемы сегментирования рынка.</p>
      </abstract>
      <abstract xml:lang="en" lang-variant="translation" lang-source="translator">
        <p>The variety of problems of segmentation and conditions of formation of the markets have generated set of methods of segmentation. The work purpose is to make the scientific guidebook in space of modern methods and tools of segmentation of the consumer markets. Among segmentation methods the most powerful tool are methods of multidimensional classification of the data. In work various approaches of construction of algorithms of multidimensional classification are considered. At research of social and economic systems the overwhelming majority of the phenomena does not give in to direct measurement (mental faculties, personal qualities, tolerance, competence, mobility, political convictions etc.) . In such cases it is recommended to use latent models or the latent structural analysis. In segmentation practice often it is necessary to deal with the qualitative data. Processing of the qualitative data is under construction on principles typologization which are embodied in computer technologies. Use of a combination of quantitative and qualitative methods often is the best decision of a problem of market segmentation.</p>
      </abstract>
      <kwd-group xml:lang="ru">
        <kwd>анализ качественных данных</kwd>
        <kwd>латентный структурный анализ</kwd>
        <kwd>многомерный анализ данных</kwd>
        <kwd>сегментирование рынка</kwd>
      </kwd-group>
      <kwd-group xml:lang="en">
        <kwd>analysis of qualitative data</kwd>
        <kwd>latent structural analysis</kwd>
        <kwd>multidimensional analysis of data</kwd>
        <kwd>market segmentation</kwd>
      </kwd-group>
    </article-meta>
  </front>
  <back>
    <ref-list>
      <ref>
        <note>
          <p>1.	Готлиб, А.С. Введение в социологическое исследование. Качественный и количественный подходы. Методология. Исследовательские практики: учебное пособие – М: Флинта: МПСИ, 2005. – 384 с.</p>
        </note>
      </ref>
      <ref>
        <note>
          <p>2.	Загоруйко Н.Г. Прикладные методы анализа данных и знаний – Новосибирск: Изд-во Института математики, 1999. – 270 с.</p>
        </note>
      </ref>
      <ref>
        <note>
          <p>3.	Каныгин Г.В. Инструментальные средства и методологические принципы анализа качественных данных // Социология: методология, методы, математические модели. – 2007. – № 25. – С. 70-98.</p>
        </note>
      </ref>
      <ref>
        <note>
          <p>4.	Коченков А.И., Толстова Ю.Н. Идеи латентно-структурного анализа Лазерсфельда в современной  социологии // Социология: методология, методы, математическое моделирование. – 2003. – № 16. – С. 125-149.</p>
        </note>
      </ref>
      <ref>
        <note>
          <p>5.	Мартышенко Н.С., Мартышенко С.Н. Технологии повышения качества данных в анкетном опросе // Практический маркетинг. – 2008. – №1. С. 8–13.</p>
        </note>
      </ref>
      <ref>
        <note>
          <p>6.	Мартышенко Н.С., Мартышенко С.Н., Кустов Д.А. Средства разработки типологий по данным анкетных опросов в среде EXCEL // Академический журнал западной Сибири. – 2007. – №1. – С. 75–77.</p>
        </note>
      </ref>
      <ref>
        <note>
          <p>7.	Маслак А.А. Измерение латентных переменных в социальных системах. – Славянск-на-Кубани: Издательский центр СГПИ, 2012. – 432 с.</p>
        </note>
      </ref>
      <ref>
        <note>
          <p>8.	Омельченко Г.Г. Теоретико-графовое моделирование сегментации рынка потребителей услуг // Экономика. Право. Печать. Вестник КСЭИ. – 2014. – № 1 (61). – С. 145-154.</p>
        </note>
      </ref>
      <ref>
        <note>
          <p>9.	Поль Р. Гембл, Энтони Марселла, Алан Тапп Глава из книги «Маркетинговая революция» [Электронный ресурс]. – http://www.marketing.spb.ru/lib-research/segment/revolution.htm?printversion (дата обращения: 2.12.2014).</p>
        </note>
      </ref>
      <ref>
        <note>
          <p>10.	Понизовкин Д.М. Построение оптимального графа связей в системах коллаборативной фильтрации // Программные системы: теория и приложения. – 2011. – Т. 2. – № 4. – С. 107-114.</p>
        </note>
      </ref>
      <ref>
        <note>
          <p>11.	Татарова Г.Г. Основы типологического анализа в социологических исследованиях: Учебное пособие / Г. Г. Татарова. – М: Издательский дом «Новый учебник» 2004. –  206 с.</p>
        </note>
      </ref>
      <ref>
        <note>
          <p>12.	Ядов В.А Стратегии и методы качественного анализа данных // Социология: методология, методы, математическое моделирование. – 1991. –№ 1. –С. 014-031.</p>
        </note>
      </ref>
    </ref-list>
  </back>
</article>
