聚类分析在用户分类中的应用-CDA数据分析师官网

聚类分析在用户分类中的应用

2016-01-22

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，数据分析师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。数据分析师在用户研究中，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。数据分析师培训
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！CDA数据分析师

CDA数据分析师考试相关入口一览（建议收藏）：

▷ 想报名CDA认证考试，点击>>> “CDA报名” 了解CDA考试详情；

▷ 想加入CDA考试题库，点击>>> “CDA题库” 了解CDA考试详情；

▷ 想学习CDA考试教材，点击>>> “CDA教材” 了解CDA考试详情；

▷ 想查询CDA考试成绩，点击>>> “CDA成绩” 了解CDA考试详情；

▷ 想了解CDA考试含金量，点击>>> “CDA含金量” 了解CDA考试详情；

▷ 想获取CDA考试时间/费用/条件/大纲/通过率，点击 >>>“CDA考试官网” 了解CDA考试详情；

数据分析特征偏差层次聚类

数据分析咨询请扫描二维码

上一篇图论在大数据分析中的作用！

下一篇CDA认证再升一档！与国家共同推进大数据人才培养标准教育事业！

聚类分析在用户分类中的应用

CDA考试动态

CDA报考指南

热门栏目

最新资讯

数据分析师报考条件？怎么学？

数据分析自学的学习计划

数据分析相关职业选择

数据挖掘与分析在金融行业的使用

学习数据挖掘需要掌握哪些技能

统计学就业机会都在哪里

企业数字化转型的关键成功因素

爬虫技术在数据分析中的作用

数据分析中的数据可视化技巧

银行数字化用户行为分析

怎样利用数据分析优化营销策略

数据分析行业的就业趋势

如何进行市场数据分析

数据分析与数据挖掘的区别

零基础如何自学数据分析

零基础如何自学数据分析

业务分析师面试常见问题

数据分析自学的有效学习方法

如何使用Excel进行数据分析

怎样搭建数据分析工作流程