什麼是聚類分析?
聚類分析屬於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,很多問題可以藉助聚類分析來解決,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徵
- 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,聚類分析過程對用於聚類的變量還有一定的要求:
- 這些變量在不同研究對像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,用於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於給這些變量進行了加權,等於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
相對於聚類前的準備工作,真正的執行過程顯得異常簡單。數據準備好後,丟到統計軟件(通常是spss)裡面跑一下,結果就出來了。
這裡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係數圖,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徵
確定一種分類方案之後,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“遠遠高於平均水平”,黃色代表“平均水平”,藍色代表“遠遠低於平均水平”。其他變量以此類推。最後,我們會發現不同類別用戶有別於其他類別用戶的重要特徵。
|| 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)……最後,選取每一類別最明顯的幾個特徵為其命名,就大功告成啦!
參考資料:
http://www.redshiftresearch.co.uk/ImageLibrary/Cluster%20Analysis.pdf
《社會統計分析方法——spss軟件應用》
來源:http://uedc.163.com/3287.html
特別注意:本站所有轉載文章言論不代表本站觀點,本站所提供的攝影照片,插畫,設計作品,如需使用,請與原作者聯繫,文章轉自alibuybuy