Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Geodemographic Segmentation in Market Research
KTH, School of Engineering Sciences (SCI), Mathematics (Dept.), Optimization and Systems Theory.
2016 (English)Independent thesis Advanced level (degree of Master (Two Years)), 20 credits / 30 HE creditsStudent thesisAlternative title
Geodemografisk Segmentering inom Marknadsundersökningar (Swedish)
Abstract [en]

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.

Abstract [sv]

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.

Place, publisher, year, edition, pages
2016.
Series
TRITA-MAT-E, 2016:35
National Category
Computational Mathematics
Identifiers
URN: urn:nbn:se:kth:diva-188816OAI: oai:DiVA.org:kth-188816DiVA: diva2:939265
External cooperation
NEPA
Subject / course
Optimization and Systems Theory
Educational program
Master of Science - Applied and Computational Mathematics
Supervisors
Examiners
Available from: 2016-06-18 Created: 2016-06-18 Last updated: 2016-06-18Bibliographically approved

Open Access in DiVA

fulltext(2319 kB)206 downloads
File information
File name FULLTEXT01.pdfFile size 2319 kBChecksum SHA-512
c082ea738a1bf3a3e737cd312f7af84d9585318879843e938c51b3df6afe7ebe8cb3010996c5bb99ce6cba8fff372626f17b6834c003e90ee2f09d9b56db80a2
Type fulltextMimetype application/pdf

By organisation
Optimization and Systems Theory
Computational Mathematics

Search outside of DiVA

GoogleGoogle Scholar
Total: 206 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 386 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf