聚类分析思路分享,如何完成用户细分?
聚类分析广泛用于市场研究、管理研究中,用于对个体细分,或对比聚类后不同样本差异。本文给大家简单梳理下聚类分析的分析思路。
![](https://upload-images.jianshu.io/upload_images/10105021-0fc9981e8ba97791.png)
聚类分析,通俗地讲即是分类,根据样本的一些特征,最终将样本分为几类。
在总体类别划分不清楚的情况下,可以用聚类的方法来分类。
01 常用的聚类方法
Spssau提供两种常见聚类方法:
![](https://upload-images.jianshu.io/upload_images/10105021-14ace268d57b0c70.png)
如果是按样本聚类,使用SPSSAU的进阶方法>“聚类分析”功能,可以分析定量或定类数据。
如果是按变量(标题)聚类,可用分层聚类,此时数据只能是定量数据。
需要结合数据类型及具体情况进行选择。
02 聚类前的准备
(1)聚类指标的选择
聚类分析前需要解决几个问题,首先要选择使用哪些变量分析,主要依据研究目标决定。
比如,研究目标是针对不同价值的客户进行分类。
那么研究的核心在于确定哪些指标可以代表客户价值的指标,如消费次数、购买量、顾客满意度、忠诚度等指标,然后以此进行客户分类。其他重要性较低的指标,则不应纳入分析(比如个人信息)。
如果题项较多,可先做因子分析,得到每个维度(因子)的数据,再进行聚类。
(2)聚类个数选择
聚类个数设置为几类没有固定的要求,用户可自行设置聚类数量,如果不进行设置,SPSSAU也会提供默认建议;通常情况下,建议设置聚类数量介于3~6个之间。
03 聚类分析
(1)Spssau操作
案例:旅游消费市场细分
分析前已经进行因子分析,提取出5个主因子,分别命名为分享、关注、便捷性、从众效应、负面口碑,接下来使用这5个指标,对样本进行聚类分析。
![](https://upload-images.jianshu.io/upload_images/10105021-35a5280208c5498a.gif)
选择5个分析项,点击拖拽到右侧,进行分析。
(2)聚类结果分析
聚类分析往往是一个主观判断的过程,需要根据分析结果及个人专业知识判断,应该聚为几类更合适。
这里结合SPSSAU输出结果,提供几个判断聚类效果的方法:
![](https://upload-images.jianshu.io/upload_images/10105021-2ac0fc5f368de686.png)
数据分布均匀
一般来说,每个类别的样本比例应分布均匀,如果出现某一类占比过大或过小,可以考虑重新设置聚类类别个数。
![](https://upload-images.jianshu.io/upload_images/10105021-82900dd7ca552a0f.png)
![](https://upload-images.jianshu.io/upload_images/10105021-d56e76686c81f333.png)
结合频数表格与智能分析结果可知,整体分布较均匀,说明聚类个数设置为3类比较合适。
各类别特征的差异性明显
聚类类别与聚类分析项进行交叉分析,如果呈现出显著性(p<0.05),意味着聚类得到的不同类别样本,在相同指标上有明显的差异。
![](https://upload-images.jianshu.io/upload_images/10105021-58b2ba7719192350.png)
同时可查看每个指标聚类时的重要性对比,如果某个指标重要性较低,考虑移出该指标。
![](https://upload-images.jianshu.io/upload_images/10105021-5b4c98db2fbacf1c.png)
从上述结果看,所有研究项均呈现出显著性,说明不同类别之间的特征有明显的区别,聚类的效果较好。
聚类类别有实际意义
聚类结果最终要得到几个有实际意义的类别。通过对比每类样本的特征,可以明显的区分出三类样本特征,并且根据样本特征进行命名。
![](https://upload-images.jianshu.io/upload_images/10105021-1c18e4afa86adcb9.png)
通过上图可知,第一类人群在每个指标上的得分都比较高,可以命名为旅游爱好者。
第二类人群在各类指标的得分都比较低,可命名为旅游冷淡者。
第三类人群对便捷性、从众效应、负面口碑上有较高得分,相反关注旅游信息、和分享意愿都较低,命名为旅游从众者。
04聚类后的差异分析
得到聚类类别之后,接着需要对比不同类别群体的差异性;包括如在“特征”、“行为”或者“态度”上的差异性。
最常见与个人信息情况做交叉分析,可以得到不同类型的人群分布情况。
或者与"态度题"、"行为题"的差异分析,能够更有针对性的了解不同类型人群的态度及需求,便于结合不同群体提出针对性的建议措施。
其他说明
聚类分析并非统计检验分析方法,而是一种数据描述性方法,没有严格的判断标准,因而可以比较多次聚类结果,综合选择更适合的方案。
如果有定类数据,或使用分层聚类方法分析,分析思路也是如此。