Markets can be complex, but understanding them is critical to companies and institutions that interact with individuals. This thesis uses clustering to segment the Swedish market, which provides a condensed and comprehensible way to understand the population. With the ambition to gain insights into how demographic, and psychographic characteristics of people, and their geographical regions cohere, this thesis investigates four clustering methods in order to segment the Swedish market based on survey responses. The clustering methods used are: A two stage clustering approach with correspondence analysis followed by hierarchical clustering, k-modes cluster analysis, self-organizing maps with hierarchical clustering, and the categorical clustering algorithm CLICKS. Each algorithm is analyzed individually in terms of cluster characteristics, then all algorithms are compared. Correspondence analysis, k-modes and self-organizing maps are found to be viable methods for the geodemographic segmentation, and self-organizing maps outperforms all other algorithms considered, with respect to cluster compactness and within cluster squared dissimilarities. Results show that individuals in urban areas are more likely to live alone, use tobacco substitutes and wanting to get an electric car, compared to rural populations, who in turn are more likely to listen to rock music and visit shopping websites than urban populations. / Marknader kan vara komplexa, men att förstå dem är kritiskt för de institutioner och företag som interagerar med individer. Detta projekt använder klustertekniker för att segmentera den svenska marknaden, vilket tillhandahåller ett mycket begripligt sätt att förstå befolkningen. Med ambitionen att få insikt i demografiska och psykografiska egenskaper hos populationer, och hur dessa hänger samman med individers geografiska regioner, undersöker detta projekt fyra klustertekniker för att segmentera den svenska marknaden utifrån enkätdata. De metoder som undersöks är: En tvåstegs metod med korrespondensanalys följd av hierarkisk klustering, k-modes kluster analys, self-organizing maps följt av hierarkisk klustering och slutligen den kategoriska klusteralgoritmen CLICKS. Varje teknik undersöks individuellt med avseende på klusternas karaktäristiska egenskaper, sedan jämförs teknikerna med varandra. Korrespondensanalysen, k-modes och self-organizing maps visar sig vara tekniker som kan utföra segmenteringen, och self-organizing maps visar sig vara den bästa metoden beträffande klusternas kompakthet och inom-kluster-fel. Resultaten från detta projekt visar att personer i urbana områden är mer benägna att leva ensamma, använda nikotinfritt snus och vilja köpa en elbil, i jämförelse med personer från landsbygden. Individer från landsbygden är i sin tur med benägna att lyssna på rockmusik och besöka shoppinghemsidor än personer i urbana områden.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-188816 |
| Date | January 2016 |
| Creators | Stenbom, Gustav |
| Publisher | KTH, Optimeringslära och systemteori |
| Source Sets | DiVA Archive at Upsalla University |
| Language | English |
| Detected Language | Swedish |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | TRITA-MAT-E ; 2016:35 |
Page generated in 0.0018 seconds