- 相關推薦
聚類分析在用戶分類中的應用
什么是聚類分析?
聚類分析屬于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，很多問題可以借助聚類分析來解決，比如，網站的信息分類問題、網頁的點擊行為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，我們會根據一定的假設，盡可能選取對產品使用行為有影響的變量，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，真正的執行過程顯得異常簡單。數據準備好后，丟到統計軟件(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。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，我們會發現不同類別用戶有別于其他類別用戶的重要特征。
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)……最后，選取每一類別最明顯的幾個特征為其命名，就大功告成啦!
[聚類分析在用戶分類中的應用]相關文章：
【聚類分析在用戶分類中的應用】相關文章：
用戶在每個情景中的角色感07-14
網站的用戶體驗是建設中的關鍵環節07-14
網站優化中如何寫出滿足用戶需求的文章07-14
網站設計中自以為“加強”用戶體驗的那點事07-14
文字在平面設計中的應用07-14
《微表情在面試中的應用》淺談07-11
初中數學教學中應用的模式07-03