Рассматривая  рынки ОАО «ТАиМ» не трудно заметить, что основными потребителями  являются 3 страны. Это  обусловлено  историческими и экономическими факторами. Эти страны  –  Республика Беларусь, РФ, Украина. Рассматривая  эти рынки с точки зрения перспективы, то наиболее предпочтительными выглядят белорусский и российский рынки. На отечественном ситуация еще более благоприятная, потому что правительство посредством закона защищает свой  рынок от  конкурентов, а также ОАО «ТАиМ» не имеет конкурентов производителей в РБ. Учитывая эту ситуацию  заводу следует активизировать усилия по освоению и увеличению поставок продукции на российский рынок. При этом предприятию необходимо провести сегментацию потребительских рынков.

      Одним из методов сегментации потребительских рынков является метод кластерного анализа. Рассматривая рынок РФ, мы его можем разбить на 8 сегментов, затем каждому из них дадим оценки по шкале в пределе от 2 до 9 баллов.

      Для применения на практике алгоритма классификации  рынков с помощью кластер-анализа воспользуемся следующими данными (таблица 1).

    Классификация осуществляется по следующему алгоритму:

I. Рассчитывается пороговый коэффициент (Кj):

    а) по каждому из критериев определяется показатель вариации (В) как отношение  размаха вариации (разность между крайними значениями) к средней величине критерия: 

     

    

      

           б) выявляется  критерий с наибольшим значением  показателя вариации. В нашем  примере это критерий 3;

       в) по критерию с наибольшим значением показателя вариации определяется отношение минимального уровня к максимальному:

      По величине этого отношения  определяется пороговый коэффициент.  Если оно выше 0,5 , то пороговый коэффициент равен рассчитанному отношению, если ниже – на уровне 0,5*, так как при значении ниже 0,5 классифицируемые объекты больше далеки, чем близки. В нашем примере пороговый коэффициент устанавливается на уровне 0,5 (Кj = 05).

    Пороговый коэффициент показывает, что классифицируемые рынки по всем критериям близки не менее чем на величину этого коэффициента. Так если Кj = 0,6, то это означает, что входящие в группу рынки близки не менее чем на 60 процентов.

Таблица 1. Исходные данные для классификации рынков

 

    Среднее          6,0   5,375   5,0

    значение 

Примечание. Собственная разработка

    II. Осуществляется оценка близости двух рынков по одному критерию с помощью индивидуальных коэффициентов близости (Кi):

    Кi = Хi min  ,

               Xi max

    где Хi min; Xi max – минимальное и максимальное значение i-го критерия по двум рынкам.

    Рассчитаем  Кi для рынков А и В по критерию 1:  К₁= 4/7 = 0,571.

    Отметим, что между рынками, по которым  хотя бы один из индивидуальных коэффициентов ниже порогового, интегральные коэффициенты не рассчитываются, а эти рынки не объединяются в одну группу, поскольку данные рынки по соответствующему критерию больше далеки, чем близки. Например, в нашем случае индивидуальный коэффициент по рынкам Брянской и Смоленской областям  (критерий 2) ниже 0,5 (2/7  = 0,286). По этим рынкам расчет интегрального коэффициента нецелесообразен, так как неоднородные рынки (в соответствии с равноправием критериев) не следует объединять в одну группу.

    III. Осуществляется первичная группировка рынков. Рассчитанные интегральные коэффициенты заносятся в Матрицу 1 интегральных коэффициентов (таблица 2).

   Определим и объединим те рынки, у которых  максимальные коэффициенты близости совпадают. Например, у рынков Ярославльская область и Саратовская область они не совпадают, так как у Саратовского рынка  максимальный коэффициент с Ярославльским рынком  (0,696), но у Ярославльского рынка  максимальный коэффициент с Смоленским рынком  (0,8); рынки Саратовской и  Ярославльской областей не объединяются. У рынка краснодарской области максимальный коэффициент с рынком  Московской области(0,802), и у рынка Московской области  максимальный коэффициент с рынком Краснодарский край  (0,802); рынки Московской области  и Краснодарского края  объединяются.

 В нашем  примере объединяются рынки:

- Москва  и Смоленская область; 

-Краснодарский  край и Московская область. 
 
 
 
 
 
 
 
 
 

Таблица 2. Матрица 1 интегральных коэффициентов 
 

 
 

Примечание. Собственная разработка

    IV. Проводится вторичная группировка рынков. Исходная информация для нее следующая (таблица 3).

 

Таблица 3. Первичная группировка рынков 

 

Примечание. Собственная разработка

      Построим  Матрицу 2 (таблица 4) учитывая то, что группы не объединяются, если хотя бы один из рынков одной группы имеет с одним из рынков другой группы коэффициент ниже порогового. 
 
 
 
 
 
 
 
 

Таблица 4. Матрица 2 объединенных рынков 

 
 

Примечание. Собственная разработка

       В ходе вторичной группировки объединяются следующие группы: И и  Н (рынки Санкт-Петербург, Москва и Смоленская область); К и Л (рынки Ярославльская  и Саратовская области); М и О (рынки Краснодарский край, Московская  и Брянская области). Таким образом, у нас образовалась окончательная группировка, результаты которой представлены в таблице 5.

Таблица 5. Результаты вторичной и окончательной группировки рынков

 
 

Примечание. Собственная разработка

      Отметим, что в нашем примере вторичная группировка оказалась окончательной. У нас образовалось 3 группы, в которые вошли однородные рынки.

    Таким образом, у нас после применения метода кластерного анализа образовалось 3 новых сегмента. В первый входят 3 наиболее емкие рынки - Москва, Санкт-Петербург, Смоленская область. Также они являются наиболее перспективными и это связано с тем, что в этих регионах происходит экономический рост. Этот сегмент определяет основную долю движения автозапчастей в другие регионы. Это связано с тем, что, обладая огромными экономическими ресурсами, Москва имеет широкую дилерскую сеть по регионам. Закупая напрямую грузовые автозапчасти по высоким ценам и большими партиями, она затем их перепродает в другие части России.