聚类分析在用户分类中的应用

tjstar

什么是聚类分析？
聚类分析属于探索性的数据分析方法。通常，我们利用聚类分析将看似无序的对象进行分组、归类，以达到更好地理解研究对象的目的。聚类结果要求组内对象相似性较高，组间对象相似性较低。在用户研究中，很多问题可以借助聚类分析来解决，比如，网站的信息分类问题、网页的点击行为关联性问题以及用户分类问题等等。其中，用户分类是最常见的情况。

聚类分析的基本过程是怎样的？  
选择聚类变量
聚类分析
找出各类用户的重要特征
聚类解释&命名

选择聚类变量  
在设计问卷的时候，我们会根据一定的假设，尽可能选取对产品使用行为有影响的变量，这些变量一般包含与产品密切相关的用户态度、观点、行为。但是，聚类分析过程对用于聚类的变量还有一定的要求：  

这些变量在不同研究对象上的值具有明显差异；
这些变量之间不能存在高度相关。
因为，首先，用于聚类的变量数目不是越多越好，没有明显差异的变量对聚类没有起到实质意义，而且可能使结果产生偏差；其次，高度相关的变量相当于给这些变量进行了加权，等于放大了某方面因素对用户分类的作用。  

识别合适的聚类变量的方法：  
对变量做聚类分析，从聚得的各类中挑选出一个有代表性的变量；
做主成份分析或因子分析，产生新的变量作为聚类变量。

聚类分析  

相对于聚类前的准备工作，真正的执行过程显得异常简单。数据准备好后，丢到统计软件（通常是spss）里面跑一下，结果就出来了。  

这里面遇到的一个问题是，把用户分成多少类合适？通常，可以结合几个标准综合判断：
看拐点（层次聚类会出来聚合系数图，如右图，一般选择拐点附近的几个类别）
凭经验或产品特性判断（不同产品的用户差异性也不同）

在逻辑上能够清楚地解释

找出各类用户的重要特征  
确定一种分类方案之后，接下来，我们需要返回观察各类别用户在各个变量上的表现。根据差异检验的结果，我们以颜色区分出不同类用户在这项指标上的水平高低。如下图，红色代表“远远高于平均水平”，黄色代表“平均水平”，蓝色代表“远远低于平均水平”。其他变量以此类推。最后，我们会发现不同类别用户有别于其他类别用户的重要特征。


聚类解释&命名  

在理解和解释用户分类时，最好可以结合更多的数据，例如，人口统计学数据、功能偏好数据等等(如下图）……最后，选取每一类别最明显的几个特征为其命名，就大功告成啦！