クラスタリング
Clustering
クラスタリングとは?
- 正解なしに似たもの同士をまとめる
- 隠れたグループ・パターンの発見
- 顧客セグメンテーションに活用
クラスタリングを導入すると、「顧客をどう分けるか」という問いの主役が変わります。これまでは企画チームが年齢層・地域・等級のように既に知っている軸で先に区分を作り、そこへ顧客を当てはめてきました。クラスタリングは順序を逆にし、分ける軸そのものをデータが先に提案させます。そのため「30代女性」ではなく「深夜にモバイルで少額を頻繁に購入するグループ」のように、会議室では思いつかなかった集団が現れます。仮説を検証する道具ではなく、仮説を生み出す道具だという点が、実務で感じる最大の違いです。
アルゴリズムごとに性格が違います。K-平均法は速いものの、クラスター数Kを人が事前に決める必要があり、丸い塊を前提としています。階層的クラスタリングはデンドログラムでまとまっていく過程を目で追えるため、数千件規模の探索に向いています。DBSCANは密度を基準にし、どこにも属さない点を外れ値として別に取り除いてくれます。ただし、アルゴリズムの選択よりも前処理で変数の尺度を揃える作業のほうが結果を大きく左右します。年間購入金額(数百万ウォン単位)と購入回数(一桁)をそのまま入れると、金額の変数ひとつが距離計算を支配してしまいます。適切なKはエルボー法やシルエット係数で見当をつけますが、運用組織が実際に受け持てるグループ数が通常3〜6個だという現実も併せて考える必要があります。
現場で最もよく失敗するポイントは、クラスタリングが必ず答えを出すという事実です。データにはっきりした構造がなくても、K=5を入れると無理やり五つの塊に分けてしまいます。ここに「節約型・プレミアム型」のような名前を付けた瞬間、チーム全体がその名前を事実だと信じ込み、確証バイアスに陥ります。名前を付ける前に、再購入率・客単価のような外部指標でクラスター間の差を検証する手順が必ず必要です。また K-平均法は初期値によって結果が揺れるため、毎月回し直すと、先月の「2番クラスター」の顧客が今月は「4番クラスター」へ移ってしまい、キャンペーンの履歴が途切れ、成果の比較ができなくなります。いったん確定したら基準を固定して新規顧客だけを割り当て、再学習の周期は四半期か半期に決めておくのが安全です。
統計・パターン認識分野の古典的な手法で、教師なし学習の代表的な方法として定着しました。
仮想の事例で見てみましょう。従業員180名、年間売上1,200億ウォン(約1,435,081万円)台の生活用品D2C企業A社は、会員42万人全員に毎週同じクーポンメールを送っていました。6か月の間にメールの開封率は18%から9%へと半減しました。CRMチーム長は「等級で分けても VIP を除けば皆同じ」という言葉を繰り返すばかりの状況でした。
- データ分析チームのキム課長が、直近12か月の購買履歴から訪問周期・客単価・カテゴリーの偏り・クーポン反応率など9変数を抽出し、単位を正規化したうえで42万人をK-平均法で分析しました。
- エルボー図が4と7の間で曖昧に折れると、CRMチーム長が運用人員は3名なので7つは回せないと断言し、シルエット係数が2番目に高いK=5に確定しました。
- 五つのクラスターのうちの一つは、客単価が平均の1.8倍なのにクーポン反応率は3%で最下位でした。マーケティングチームのイ次長は「この人たちにだけ半年間、割引メールを送っていたことになる」と述べ、新製品の優先案内グループとして切り離しました。
- 最大のクラスター14万人は、最後の購入から90日を超えた休眠直前の区間と判明し、クーポンの代わりに再購入周期に合わせたリマインド通知へ切り替え、配信を週1回から月2回に減らしました。
- 3か月後、メールの開封率は9%から21%に上がり、クーポン連動の売上は前四半期比で34%増えました。配信量が40%減ったことで、メッセージ費用も月1,100万ウォン(約132万円)から680万ウォン(約81万円)に下がりました。
金鍾赫
パク・スンテ