聚類分析在用戶分類中該如何有效應用？

聚類分析用戶分類數(shù)據(jù)分析

uedc | 2016-07-07 13:42

【數(shù)據(jù)猿導讀】在用戶研究中，很多問題可以借助聚類分析來解決，比如，網(wǎng)站的信息分類問題、網(wǎng)頁的點擊行為關聯(lián)性問題以及用戶分類問題等等。其中，用戶分類是最常見的情況

什么是聚類分析?

聚類分析屬于探索性的數(shù)據(jù)分析方法。通常，我們利用聚類分析將看似無序的對象進行分組、歸類，以達到更好地理解研究對象的目的。聚類結果要求組內對象相似性較高，組間對象相似性較低。在用戶研究中，很多問題可以借助聚類分析來解決，比如，網(wǎng)站的信息分類問題、網(wǎng)頁的點擊行為關聯(lián)性問題以及用戶分類問題等等。其中，用戶分類是最常見的情況。

聚類分析的基本過程是怎樣的?

選擇聚類變量

聚類分析

找出各類用戶的重要特征

聚類解釋&命名

|選擇聚類變量

在設計問卷的時候，我們會根據(jù)一定的假設，盡可能選取對產(chǎn)品使用行為有影響的變量，這些變量一般包含與產(chǎn)品密切相關的用戶態(tài)度、觀點、行為。但是，聚類分析過程對用于聚類的變量還有一定的要求：

這些變量在不同研究對象上的值具有明顯差異;

這些變量之間不能存在高度相關。

因為，首先，用于聚類的變量數(shù)目不是越多越好，沒有明顯差異的變量對聚類沒有起到實質意義，而且可能使結果產(chǎn)生偏差;其次，高度相關的變量相當于給這些變量進行了加權，等于放大了某方面因素對用戶分類的作用。

識別合適的聚類變量的方法：

對變量做聚類分析，從聚得的各類中挑選出一個有代表性的變量;

做主成份分析或因子分析，產(chǎn)生新的變量作為聚類變量。

|聚類分析

相對于聚類前的準備工作，真正的執(zhí)行過程顯得異常簡單。數(shù)據(jù)準備好后，丟到統(tǒng)計軟件(通常是spss)里面跑一下，結果就出來了。

這里面遇到的一個問題是，把用戶分成多少類合適?通常，可以結合幾個標準綜合判斷：

看拐點(層次聚類會出來聚合系數(shù)圖，如右圖，一般選擇拐點附近的幾個類別)

憑經(jīng)驗或產(chǎn)品特性判斷(不同產(chǎn)品的用戶差異性也不同)

在邏輯上能夠清楚地解釋

找出各類用戶的重要特征

確定一種分類方案之后，接下來，我們需要返回觀察各類別用戶在各個變量上的表現(xiàn)。根據(jù)差異檢驗的結果，我們以顏色區(qū)分出不同類用戶在這項指標上的水平高低。如下圖，紅色代表“遠遠高于平均水平”，黃色代表“平均水平”，藍色代表“遠遠低于平均水平”。其他變量以此類推。最后，我們會發(fā)現(xiàn)不同類別用戶有別于其他類別用戶的重要特征。