聚类分析在用户分类中的应用.pdf

聚类分析在用户分类中的应用.pdf聚类分析在用户分类中的应用
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