用K-均值聚類來探索顧客細分

高冷的精神汙染發表於2015-12-06

基於 Python 的顧客細分

在這篇文章中,我要談的東西是相對簡單,但卻是對任何業務都很重要的:客戶細分。客戶細分的核心是能夠識別不同型別的客戶,然後知道如何找到更多這樣的人,這樣你就可以…你猜對了,獲得更多的客戶!在這篇文章中,我將詳細介紹您如何可以使用K-均值聚類來完成一些客戶細分方面的探索。

我們的資料

我們使用的資料來自 John Foreman 的《智慧資料》。該資料集包含了營銷快訊/電郵推廣(電子郵件傳送報價)和來自客戶的交易層面資料(提供的資料來自客戶期望和最終購買)這兩個資訊。

交易層面的資料…


K-均值快速入門

為了細分客戶,我們需要一種方法來對它們進行比較。要做到這一點,我們將使用K-均值聚類。K-均值是一種獲取一個資料集,並從中發現具有類似性質點的組合(或簇)的方法。K-均值的工作原理是,最小化各個點與各簇中點之間的距離,並以此來進行分組。

想一個最簡單的例子。如果我告訴你為下面這些點建立 3 個組,並在每個組的中間繪製一個星星,你會怎麼做?

可能(或希望)是這樣的…

在K-均值中,“ x ”的被稱為“重心”,並指出(你猜對了),給定簇的中心。我不打算詳細講述K-均值實際上是怎什麼樣運作的,但希望這說明會給你一個不錯的想法。

將客戶分類

好吧,那麼,如何我們的客戶該怎麼分類呢?因為我們試圖更多地瞭解我們客戶的行為,我們可以用他們的行為(根據他們是否在收到報價後進行了採購),以此將有類似想法的客戶分類在一起。然後,我們可以研究這些群體,來尋找模式和趨勢,來幫助我們制定未來的報價。

我們最需要的就是一種比較客戶的方法。要做到這一點,我們要建立一個矩陣,包含每個客戶和他們是否迴應了報價的一個 0/1 指標。在 Python 中,這是很容易做到的:

現在建立簇,我們將使用 scikit-learn 庫中 KMeans 的功能。我任意選擇了 5 個簇。我一般的經驗法則是,我進行分類的記錄數至少是類別數的 7 倍。

簇視覺化

一個很酷的技巧,這可能是學校沒有教你的,主成分分析。它有很多用途,但今天我們將用它來將我們的多維資料集轉化到一個二維資料集。 你問為什麼要這樣做?一旦它在二維中(或簡單地說,它有 2 列),它就會變得更容易繪製!

再一次, scikit-learn 發揮作用了!

我們所做的就是我們把 x_cols 列設定為 0/1 指標變數,我們已經把他們變成了一個二維的資料集。我們任取一列,稱之為 x,然後把其餘剩下的叫 y。現在我們可以把每一個點都對應到一個散點圖中。我們將基於它的簇編碼每個點的顏色,可以讓它們更清晰。

如果你要搞點花樣,你也可以畫出各簇的中心。這些都儲存在 KMeans 例項中的 cluster_centers_ 變數。確保你也可以將簇心轉換為二維投影。

對簇更深的挖掘

讓我們在簇中更深入得挖掘吧。以第 4 簇為例。如果我們挑出簇4,並將其與餘下的客戶比較,我們就可以開始尋找可供我們利用的、有趣的方方面面。

作為一個基準,看看簇4與其它簇的葡萄品種對比。事實證明,幾乎所有的Cabernet Sauvignon(赤霞珠)都是由簇4的成員購買的。另外,簇4中沒有一個人買了Espumante(義大利蘇打白葡萄酒)。


你還可以細分出數值功能。例如,看看為何4號簇與其它簇在min_qty的平均值上表現迥異。似乎簇4的成員都喜歡大批量購買!

第4叢集喜歡用大桶來喝 Cabernet Sauvignon

結語

雖然它不會神奇地告訴你所有的答案,但分群是一個很好的探索性嘗試,可以幫助你更多地瞭解你的客戶。有關K-均值和客戶細分的更多資訊,請檢視以下資源:

INSEAD Analytics Cluster Analysis and Segmentation Post
Customer Segmentation at Bain & Company
Customer Segmentation Wikipedia

這篇所用程式碼請查閱 這裡

相關文章