聚类分析在用户分类中的应用

起点学院产品经理365成长计划,2天线下闭门集训+1年在线学习,全面掌握BAT产品经理体系。了解详情


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组间对象相似性较。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!

参考资料:

http://www.redshiftresearch.co.uk/ImageLibrary/Cluster%20Analysis.pdf

《社会统计分析方法——spss软件应用》

 

原文来自:网易UED

您的赞赏,是对我创作的最大鼓励。

评论( 0

登录后参与评论
加载中