Последващасегментация За разлика от това, post-hoc сегментацията не прави предположения за оптималната теоретична рамка. Вместо това ролята на анализатора е да определи сегментите, които са най-значими за даден маркетингов проблем или ситуация. При този подход емпиричните данни управляват избора на сегментиране. Обикновено анализаторите използват някакъв тип клъстерен анализ или моделиране на структурни уравнения, за да идентифицират сегменти в данните. Post-hoc сегментирането разчита на достъп до богати набори от данни, обикновено с много голям брой случаи и използва сложни алгоритми за идентифициране на сегменти. Фигурата заедно илюстрира как сегментите могат да се формират чрез групиране; имайте предвид обаче, че тази диаграма използва само две променливи, докато на практика клъстерирането използва голям брой променливи. Статистически техники, използвани при сегментирането Маркетолозите често ангажират търговски изследователски фирми или консултанти за извършване на анализ на сегментирането, особено ако им липсват статистически умения за извършване на анализа. Някои сегменти, особено след хок анализ, разчитат на сложен статистически анализ. Общите статистически подходи и техники, използвани при анализа на сегментацията, включват: Алгоритми за клъстериране - припокриващи се, неприпокриващи се и размити методи; напр. K- средства или друг клъстер анализ Обединен анализ Ансамблови подходи - като случайни гори Хи-квадрат автоматично откриване на взаимодействие - вид дърво на решенията Факторен анализ или анализ на основните компоненти Анализ на латентен клас - родов термин за клас методи, които се опитват да открият основните клъстери въз основа на наблюдаваните модели на асоцииране Логистична регресия Многомерно мащабиране и каноничен анализ Модели на смеси - напр. Алгоритъм за оценка на ЕМ, модели с крайна смес Моделирано сегментиране, използващо едновременно и структурно моделиране на уравнения, напр. LISREL Други алгоритми като изкуствени невронни мрежи.
