聚類分析在用戶分類中的應用

什麼是聚類分析?

聚類分析屬於探索性的數據分析方法。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，很多問題可以藉助聚類分析來解決，比如，網站的信息分類問題、網頁的點擊行爲關聯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徵

聚類解釋&命名選擇聚類變量

在設計問卷的時候，我們會根據一定的.假設，儘可能選取對產品使用行爲有影響的變量，這些變量一般包含與產品密切相關的用戶態度、觀點、行爲。但是，聚類分析過程對用於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。因爲，首先，用於聚類的變量數目不是越多越好，沒有明顯差異的變量對聚類沒有起到實質意義，而且可能使結果產生偏差;其次，高度相關的變量相當於給這些變量進行了加權，等於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，產生新的變量作爲聚類變量。聚類分析

相對於聚類前的準備工作，真正的執行過程顯得異常簡單。數據準備好後，丟到統計軟件(通常是spss)裏面跑一下，結果就出來了。

這裏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係數圖，如右圖，一般選擇拐點附近的幾個類別)

憑經驗或產品特性判斷(不同產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徵

確定一種分類方案之後，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。根據差異檢驗的結果，我們以顏色區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“遠遠高於平均水平”，黃色代表“平均水平”，藍色代表“遠遠低於平均水平”。其他變量以此類推。最後，我們會發現不同類別用戶有別於其他類別用戶的重要特徵。

聚類解釋&命名

在理解和解釋用戶分類時，最好可以結合更多的數據，例如，人口統計學數據、功能偏好數據等等(如下圖)……最後，選取每一類別最明顯的幾個特徵爲其命名，就大功告成啦!