Бенчмаркинг сайтов на основе кластерного анализа

Формула расчета размера выборки представлена на рисунке 2. Поскольку размер генеральной совокупности является малым, он равняется 46, то необходима еще одна формула, представленная на рисунке 3.

Где Z – Величина, которая зависит от доверительной вероятности, ее возможные принимаемые значения представлены в таблице 1, в нашем случае оно равняется 1,643.

P – Процент ответов, то есть если нам необходимо знать удовлетворяет сайт пользователей или нет, то процент ответов будет равняться 0.5.

С – доверительный интервал в десятичной форме, в нашем случае он равняется 0,1. Значение POP – размер генеральной совокупности, равняется 46.

Z2 * ф) * (1-p)

ss =------------c2

Рисунок 2 – Формула расчета размера выборки

ss css =-------- ss-1

1 +----- POP

Рисунок 3 – Формула корректировки для малой генеральной совокупности [4].

Таблица 1 – Возможные принимаемые значения Z

С помощью этих формул были подсчитаны значения SS = 67,5 и CSS =27,6 ≈ 28. Соответственно для того чтобы, с вероятностью 90% и доверительным интервалом в 10%, узнать удовлетворяет сайт пользователей или нет, необходимо опросить 28 пользователей.

Далее определили основные позиции, по которым конкурируют сайты компаний:

• 1)    Юзабилити (удобство использования)

• 2)    Внешний вид

• 3)    Контент (информационное наполнение)

• 4)    Структура

• 5)    Время загрузки

Кластерный анализ предназначен для разбиения совокупности объектов на однородные группы (кластеры или классы). По сути это задача многомерной классификации данных. Существует около 100 разных алгоритмов кластеризации, однако наиболее часто используемые: иерархический кластерный анализ и кластеризация методов k-средних.

Кластерный анализ применяется в маркетинге, это сегментация конкурентов и потребителей. В менеджменте: разбиение персонала на различные по уровню мотивации группы, классификация поставщиков, выявление схожих производственных ситуаций, при которых возникает брак. В медицине - классификация симптомов, пациентов, препаратов. В социологии - разбиение респондентов на однородные группы. По сути, кластерный анализ хорошо зарекомендовал себя во всех сферах жизнедеятельности человека. Преимущество данного метода - он работает даже тогда, когда данных мало и не выполняются требования нормальности распределений случайных величин и другие требования классических методов статистического анализа.

Для целей нашего исследования наилучшим образом подойдет кластерный анализ, поскольку, нашей целью является выяснить, удовлетворяет ли сайт пользователей или нет, путем разделения опрошенных пользователей на 3 группы, недовольных, удовлетворенных и довольных. И сделать выводы о количестве и составе этих групп. Также одной из причин выбора кластерного анализа, было то, что размер выборки был относительно небольшой, а кластерный анализ лучше остальных методов анализа подходит для обработки небольшой выборки.