今天，我们将在分析中增加另一个方面-客户群的细分和聚类。 正如我不止一次写的那样，如果我们将客户视为一大堆相同的人，则对客户群的分析仍然是不完整的。 客户分为不同的类型，将以不同的方式使用产品。 有人经常购买，但不多，有人快速离开，有人经常购买。 为了提高效率，值得找出客户群是什么，然后弄清楚您的行为将如何吸引您所需的客户。 理解客户群的主要方法有两种：启发式和聚类
方法1：启发式和专门知识
作为此方法的一部分，根据您的经验，使用产品和客户故事的逻辑，您会得出不同的消费者画像，然后评估在这些定义下您拥有多少客户。 或者，您可以基于对客户指标的分析使用更多的数值方法。 一些流行的数值启发式方法是：
ABC-XYZ
主要思想是将客户除以对收入的总贡献以及增长指标的动态。 ABC负责收入的贡献，XYZ负责收入的稳定性。 它形成9个细分
AX-最大且收入稳定
AZ-大，但他们很少进行购买，收入不稳定
CX-最小，但收入稳定
CZ-很小，收入不稳定，很少购买
在细分市场A中，确定产生收入的80％的客户，在细分市场B中确定其收益的15％，在细分市场C中确定收益的5％。 在细分X中，收入的最小变化（您可以采用33％的百分比），在细分市场中，Z的最大变化（分别是最高的33％的百分比）。 可变性是指收入的差异量。
此分析提供了什么：它使您可以根据客户对您的业务的重要性将其分为几类。 AX，AY，AZ组的客户最多，您应该给予最大的关注。 BX，BY组的客户需要更多关注，他们可以得到发展。 可以减少对其他类别人群的关注。 如果您能够突出显示不同细分市场中客户之间的共通性，那就特别好，这将使您有针对性地努力吸引合适的客户。
RFM（频率-频率-金钱）
主要思想是根据3个属性对客户进行划分：多长时间前对客户进行过一次销售（新近度），他购买商品的频率（频率），产生的收入（货币）。 通常，该方法类似于ABC-XYZ，但角度略有不同。
作为此方法的一部分，您可以将客户划分为新近度组，例如：
通过购买次数，例如：
在收入方面：
- 1000+
- 600-1000
- 200-599
- 0-199
显然，您需要为每个特定的产品，应用程序或产品设置界限。
因此，您将能够将客户划分为多个细分，每个细分都根据对您的重要程度来表征客户。
卡介苗矩阵
主要思想是将客户划分为收入量和收入增长率类别。 这种方法使您能够确定谁是大人物以及增长速度如何。 所有客户都分解为4个象限：
- 明星是收入增长率高的最大客户。 这些是最需要关注的客户。 这是增长的重点。
- 奶牛是低收入或负收入的大客户。 这些客户将构成您当前收入的核心。 看到牛，失去生意。
- 黑马仍然是小客户，但增长率很高。 这些是应注意的客户群体，例如 它们可以长成星星或奶牛。
- 狗是低增长率或负增长率的小客户。 这些是您最不用关注的客户，并向他们应用大规模服务方法以降低成本。
所有启发式方法的优点是相对易于实现，并且能够将客户划分为从业务角度可以理解的组。
缺点是我们仅使用客户的一些属性来描述它们，而排除其他因素。 此外，大多数情况下，客户会暂时处于细分市场中，改变自己的位置，并且很难在细分市场中建立真正的社区。
方法2：聚类
主要思想是在不使用有关客户基础结构的初步假设的情况下找到客户组，并根据可用数据在客户属性之间找到自然的集群。
有一组方法（K均值，C均值，分层聚类等）使您可以基于对象的属性确定对象之间的接近度。 在一般情况下，您将客户描述为一个向量，此向量的每个元素都描述了该客户的某些特征（无论是收入，合作月数，注册地址，购买的产品等）。 之后，您可以将此向量转换为算法所需的格式，在数据上设置算法（并将其配置为集群），并在输出中将客户端分离为集群。
尽管过程看起来并不复杂，但是方法的细节及其解释非常重要。 所选的“距离”度量标准，数据转换方法以及所选因素的数量可以极大地改变图像。 由于最终在多维数据中没有对集群问题的明确“正确”解决方案，因此最终您将不得不独立评估集群的质量，也就是说，最终，如果要在人们的决策中使用这些集群，则需要为其寻找“业务”解释。
从经验来看，我可以说您不应使用客户端的复杂且逻辑上不相关的属性以及狡猾的转换。 尽管在算法方面可能存在一些优雅的解决方案，但您仍难以解释不会膨胀业务环境中任何内容的集群。 如果将群集用于另一个机器学习系统的输入参数，则您的方法可能很好。 但是，当您想要划分客户群并制定营销策略时，这种狡猾的集群将不会带您到任何地方。
集群过程本身是一个迭代过程：
- 弥补矢量
- 转换资料
- 设置算法参数
- 做聚类
- 专家评估群集，可以使用它们吗？
- 如果群集不满足您的要求，请重复步骤1。
这种方法的优点是，通过多次迭代，您将更好地了解客户及其数据。 每次聚类尝试都会向您展示您极有可能从未看过的客户行为和属性部分。 您还将更好地了解不同客户之间的关系。 因此，我建议您进行此练习并带出自己的集群。
循环中的过去文章：
这是一系列产品分析文章中的第六篇：
- 自上而下的方法。 产品经济学。 毛利
- 产品经济学。 收益分析
- 沉浸在客户群的动态中：同类群组分析和流量分析
- 我们以Excel为例收集同类群组分析/流量分析
- 销售渠道分析
- MPRU，收入及其与收入和客户群动态的关系