Utilizamos cookies propias y de terceros, analizando sus hábitos de navegación en nuestra página web, con la finalidad de garantizar la calidad, seguridad y mejora de los servicios ofrecidos a través de la misma. En los casos en que el usuario no manifieste expresamente si acepta o no la instalación de las cookies, pero continúe utilizando nuestra página web, se entenderá que éste ha dado su consentimiento, informándole expresamente de la posibilidad de bloquear o eliminar las cookies instaladas en su equipo mediante la configuración de las opciones del navegador. Puede obtener más información a este respecto consultando nuestra Política de Cookies Acepto
Ivie
INSTITUTO VALENCIANO DE INVESTIGACIONES ECONÓMICAS
Artículo de investigación
Neural Computing & Applications Autores: Enrique Bigné, Joaquín Aldás-Manzano, Inés Küster y Natalia Vila

Título: Mature market segmentation: a comparison of artificial neural networks and traditional methods

Fuente: Neural Computing & Applications

Resumen: La motivación de este trabajo reside en la necesidad de un conocimiento más profundo de los segmentos existentes en los mercados de la tercera edad y de, simultáneamente, superar las limitaciones de las herramientas clásicas de segmentación. Los objetivos son: (1) evaluar la capacidad de segmentación de las redes neuronales, específicamente los mapas autorganizados de Kohonen frente a técnicas estadísticas tradicionales como el análisis de conglomerados jerárquico y no jerárquico; y (2) identificar segmentos en el mercado de tercera edad que puedan guiar a las empresas en su satisfacción. Los resultados muestran la superioridad de los métodos no jerárquicos de conglomeración y de los mapas autoorganizados, y la necesidad de un uso complementario de ambos. Adicionalmente se identifican y caracterizan los segmentos encontrados en el mercado de la tercera edad.


Cómo citar este artículo:
Bigné, E., J. Aldas-Manzano, I. Küster y N. Vila, 2010. "Mature market segmentation: a comparison of artificial neural networks and traditional methods", Neural Computing & Applications, 19 (1), febrero, páginas 1-11.


Más artículos