分群
Clustering
什麼是分群?
- 在沒有標準答案的情況下,把相似的東西歸為一組
- 發掘隱藏的群組・模式
- 運用於客戶區隔
導入分群後,「該如何劃分客戶」這個問題的主導權會改變。過去是企劃團隊先用年齡層、地區、等級等已知的軸線畫出格子,再把客戶塞進去。分群則是顛倒順序,讓劃分的軸線本身由資料先提出。因此會跳出「深夜用手機頻繁小額購買的族群」這類會議室裡想不到的分組,而不是「30 多歲女性」。它不是驗證假設的工具,而是產生假設的工具,這是實務上感受最大的差異。
演算法因種類而性質各異。K-平均(K-means)速度快,但必須由人預先指定群數 K,且假設資料呈圓球狀聚集。階層式分群可以用樹狀圖(dendrogram)看到合併的過程,適合數千筆規模的探索;DBSCAN 則以密度為基準,把不屬於任何群的點另外視為離群值。不過,比起選擇演算法,在前處理階段統一變數尺度對結果的影響更大。若直接放入年消費金額(KRW 百萬元等級)與消費次數(個位數),金額這個變數會主宰距離計算。適合的群數 K 可用肘部法(Elbow)或輪廓係數(Silhouette)估計,但也要考量營運單位實際能負荷的群數,通常是 3 到 6 組,這也是現實狀況。
在現場最常踩到的陷阱,是分群分析總會給出答案。資料中即使沒有明顯結構,只要輸入 K=5,它也會硬把資料切成五團。這時若替它取上「精打細算型・高端型」之類的名稱,整個團隊就會把這個名稱當成事實來相信,陷入確認偏誤。在命名之前,必須先以再購買率、客單價等外部指標驗證群集之間的差異,這道程序不可或缺。此外,K-means 的結果會因初始值而搖擺,若每個月重新執行,上個月落在「第 2 群集」的客戶這個月可能被歸入「第 4 群集」,導致行銷活動紀錄斷裂,成效也無從比較。一旦確定之後,最好固定標準,只把新客戶分配進來,而重新訓練的週期則以季或半年為單位訂定,會比較穩妥。
源自統計與模式辨識領域的傳統技術,已成為非監督式學習的代表性方法。
以下以假設案例說明。員工 180 人、年營收約 KRW 120,000,000,000 (≈ US$89,816,300) 的生活用品 D2C 企業 A 公司,對全部 42 萬名會員每週寄送相同的優惠券郵件。6 個月內,郵件開信率由 18% 腰斬至 9%。CRM 組長只是一再重複「照等級分開看,除了 VIP 以外其他人都一樣」,陷入僵局。
- 資料分析組的金課長,從近 12 個月的購買紀錄中,擷取造訪週期、客單價、品類集中度、優惠券回應率等 9 個變數,並將單位標準化後,以 K-means 對 42 萬名顧客進行分群。
- 手肘圖在 4 與 7 之間折得模稜兩可,CRM 主管便斷然表示:營運人力只有三人,七個群集根本跑不動,於是選定輪廓係數次高的 K=5。
- 五個群集中,有一群客單價是平均的 1.8 倍,優惠券回應率卻只有 3%,在所有群集中墊底。行銷組的李副理表示:「這些人等於六個月來只收到了折扣郵件」,於是把他們獨立出來,改列為新品優先通知的族群。
- 最大的群集(14 萬人)經分析後發現,正處於最後一次購買後超過 90 天、即將進入休眠的區間。於是改以配合再購買週期的提醒通知取代優惠券,發送頻率也從每週一次減為每月兩次。
- 三個月後,郵件開信率由 9% 升至 21%,優惠券相關營收較上一季成長 34%。發送量減少 40%,訊息費用也從每月 KRW 11,000,000 (≈ US$8,230) 降至 KRW 6,800,000 (≈ US$5,090)。
金鍾赫
Seung-tae Park