Кластеризація для сегментації користувачів

Ви

Маркетинг хоче «сегменти клієнтів» для Котокорму. У мене вже був план просто вигадати три: скупі, звичайні, кити.

Alex Tutor

Можна вгадувати, а можна дати даним самим підказати. Ця родина методів називається кластерний аналіз — пошук груп схожих клієнтів без заздалегідь заданих міток.

Ви

Хіба це не та сама класифікація, що й у логістичній регресії?

Alex Tutor

Схоже, але навпаки. Класифікація розподіляє об'єкти за відомими класами, які вже мають назви. Кластеризація сама знаходить групи — ти навіть не знаєш заздалегідь, скільки їх.

Бувають дві ситуації. Або ти знаєш, скільки груп очікувати, або й гадки не маєш. Обраний метод залежить саме від цього.

Ви

Я справді не знаю, на скільки сегментів насправді діляться клієнти Котокорму.

Alex Tutor

Питання 1

Ти не знаєш, скільки насправді сегментів клієнтів у Котокорму. Яка родина методів пасує до цієї ситуації?

Оберіть одну відповідьІєрархічна кластеризаціяk-середні з k = 3Логістична регресіяt-критерій Стьюдента для залежних вибірок

Alex Tutor

Кожен метод кластеризації починається однаково: перетворити «наскільки схожі ці два клієнти» на число — відстань.

Ви

Відстань як кілометри між їхніми домівками?

Alex Tutor

Відстань у просторі їхніх метрик. Скажімо, клієнт A витрачає 100 грн/міс і робить 1 замовлення, B — 120 грн і теж 1 замовлення. У цьому просторі вони близькі.

Alex Tutor

d_{\text{Euclidean}} = \sqrt{\sum_i (x_i - y_i)^2}

Евклідова відстань: відстань по прямій за всіма змінними.

Це евклідова відстань — звичайна відстань по прямій. Є ще мангеттенська відстань, яка підсумовує модулі різниць замість піднесення до квадрата.

Ви

Названа на честь району? Чому статистикам взагалі важливий манхеттенський трафік?

Alex Tutor

Бо в місті не можна пройти по діагоналі крізь квартали — лише вздовж сітки вулиць. Вона менш чутлива до однієї надзвичайно великої змінної-викиду, ніж евклідова.

Alex Tutor

Питання 2

Клієнт A витрачає 100 грн/міс, робить 1 замовлення; клієнт B витрачає 120 грн, теж 1 замовлення. Яка евклідова відстань між A і B за (витрати, замовлення)?

Ваша відповідь

Одиниці: одиниць відстані (напр. 20)

Alex Tutor

Коли не знаєш кількості груп, використовуй ієрархічну кластеризацію. Вона об'єднує двох найсхожіших клієнтів, перераховує відстані і об'єднує знову.

Ви

І так постійно об'єднує... до безкінечності?

Alex Tutor

Доки всі клієнти не опиняться в одному величезному кластері. При цьому будується дендрограма — дерево, яке можна «розтяти» на будь-якій висоті й отримати стільки груп, скільки треба.

Ви

Тобто дерево вже потім саме підказує кількість кластерів?

Alex Tutor

Вирішуєш ти, коли обираєш, де розтяти — зазвичай там, де гілки найдовші, тобто об'єднані групи були доволі різними.

Alex Tutor

Питання 3

Що будує ієрархічна кластеризація, дозволяючи обрати кількість груп уже потім?

Оберіть одну відповідьДендрограмуГрафік кам'янистого осипуМатрицю помилокКореляційну матрицю

Alex Tutor

А тепер уяви, що кількість відома: керівництво хоче рівно 2 сегменти за витратами. Тоді потрібен метод k-середніх.

Візьмемо чотирьох клієнтів за (щомісячні витрати, замовлення/міс): A(100, 1), B(120, 1), C(500, 5), D(520, 5). k-середні розставляють 2 центроїди — представників груп — і рухають їх, доки ті не стабілізуються.

Alex Tutor

Чотири клієнти, два кластери за витратамиA і B (невеликі витрати) розташовані далеко від C і D (великі витрати); k-середні розділяють їх саме за цим розривом.

Дані графіка

Щомісячні витрати, грн	Невеликі витрати (A, B)	Великі витрати (C, D)
100	1
120	1
500		5
520		5

Ви

Тобто центроїд {C, D} — це просто їхнє середнє значення витрат і кількості замовлень?

Alex Tutor

Саме так: (500 + 520) / 2 = 510 грн, і (5 + 5) / 2 = 5 замовлень. Ця точка стає новим центроїдом цього кластера.

Ви

І кожен клієнт просто дивиться, який центроїд ближче, і переходить туди за потреби?

Alex Tutor

Саме так — призначення найближчому центроїду, перерахунок центроїдів як середнього їхніх учасників, повтор — доки ніхто вже не переходить.

Alex Tutor

Питання 4

Клієнтів C(500, 5) і D(520, 5) k-середні об'єднали в один кластер. Яке середнє значення щомісячних витрат у центроїда цього кластера?

Ваша відповідь

Одиниці: грн (напр. 510)

Ви

А після переміщення центроїдів ми просто... зупиняємось?

Alex Tutor

Ще ні. З новими позиціями центроїдів деякі клієнти можуть виявитися ближче до іншого, тож ми знову переприв'язуємо їх і перераховуємо центроїди.

Ви

Тобто цикл триває, доки хоч щось змінюється?

Alex Tutor

Саме так — це і є збіжність. Спробуй самостійно розставити кроки алгоритму, перш ніж ми підемо далі.

Alex Tutor

Питання 5

Розстав кроки алгоритму k-середніх у правильному порядку.

Торкніться пункту, а потім місця, куди його поставити. Можна перетягувати або користуватися стрілками.

Alex Tutor

Одна пастка: витрати вимірюються сотнями гривень, а замовлення — одиничними числами. Відстані тоді повністю визначатимуться витратами.

Alex Tutor

Ви

Тобто без цього замовлення на місяць практично ігноруватимуться?

Alex Tutor

Майже. І ще один нюанс: k-середні залежить від початкового положення центроїдів. Запусти алгоритм кілька разів — якщо щоразу виходять різні групи, можливо, обране k хибне.

Ви

А як взагалі обрати k із самого початку?

Alex Tutor

Спершу бізнес-логіка — скільки сегментів маркетинг реально зможе опрацювати? Далі подивись, як спадає похибка кластеризації зі зростанням k, і зупинись, коли спад вирівнюється.

Alex Tutor

Питання 6

Оскільки k-середні спирається на відстані, змінна, виміряна сотнями гривень, може домінувати в кластеризації, якщо не стандартизувати всі змінні заздалегідь.

ПравдаНеправда

Alex Tutor

Отже: ієрархічна — коли не знаєш k, k-середні — коли знаєш, і завжди спершу стандартизуй змінні.

Ви

Тобто моє «скупі, звичайні, кити» може не пережити зіткнення з реальними відстанями?

Alex Tutor

Може й збігтися ідеально, а може дані розділяться за чимось несподіваним — наприклад, за частотою, а не витратами. Давай це опишемо.

Ви

Перш ніж я щось запущу — нагадай, що перевірити спершу?

Alex Tutor

Питання 7

Що з переліченого є гарною практикою перед запуском k-середніх на даних клієнтів Котокорму? Обери все, що підходить.

Оберіть усі правильні відповідіСтандартизувати змінні, щоб витрати не заглушили замовлення/місОбрати якомога більше k, щоб кожен клієнт отримав власний персональний кластерЗапустити k-середні кілька разів із різними початковими центроїдами й порівняти результатиОбрати k за бізнес-логікою або за точкою, де похибка кластеризації перестає суттєво спадати

Перш ніж перейти до реального заплутаного сценарію, спробуй самостійно пояснити проблему одиниць вимірювання.

Ви

От халепа, це те саме страшне поле для вільної відповіді.

Alex Tutor

Переживеш. Ось умова.

Ви

Запускай.

Alex Tutor

Питання 8Коротка відповідь · Завдання з перевіркою ШІ

У 2–3 реченнях поясни, чому ті самі чотири клієнти Котокорму можуть опинитися в різних кластерах залежно від того, чи витрати виміряно в гривнях, чи в тисячах гривень.

Напишіть відповідь і отримайте оцінку та відгук від нашого ШІ-рецензента.

Увійдіть, щоб отримати відгук ШІ

Гарна інтуїція. Тепер складніша, реальна ситуація — хтось уже запустив кластеризацію, і результат виглядає підозріло.

Ви

Дай вгадаю: забагато сегментів?

Alex Tutor

Видно, що ти уважно слухаєш.

Ви

Показуй цей безлад.

Alex Tutor

Питання 9Кейс · Завдання з перевіркою ШІ

Напиши свою рекомендацію для маркетолога зростання нижче.

Маркетологиня зростання запустила k-середні на даних клієнтів Котокорму з k = 6, аргументуючи це так: «більше сегментів — більше персоналізації». Отримані сегменти крихітні, кілька містять менше ніж 10 клієнтів, а повторний запуск алгоритму щоразу дає помітно інші групи. Вона хоче твого погодження перед створенням 6 окремих email-кампаній.

Напишіть відповідь і отримайте оцінку та відгук від нашого ШІ-рецензента.

Увійдіть, щоб отримати відгук ШІ

Це і є кластеризація. Далі — факторний аналіз, коли групувати треба не клієнтів, а питання опитування.

Alex Tutor

На цьому все. Ви відповіли на всі завдання — чудова робота.

Наступний урок: Факторний аналіз: опитування та драйвери NPS