需要搜集用戶的哪些特征？
聚類分析變量選擇的原則是：在哪些變量組合的前提,，使得類別內(nèi)部的差異盡可能的小,，即同質(zhì)性高,，類別間的差異盡可能的大，即同質(zhì)性低,，并且變量之間不能存在高度相關(guān)。
常用的用戶特征變量有：
① ?
人口學(xué)變量：如年齡,、性別,、婚姻、教育程度,、職業(yè),、收入等。通過人口學(xué)變量進(jìn)行分類,，了解每類人口的需求有何差異,。
② ?
用戶目標(biāo)：如用戶為什么使用這個產(chǎn)品？為什么選擇線上購買,？了解不同使用目的的用戶的各自特征,，從而查看各類目標(biāo)用戶的需求。
③ ?
用戶使用場景：用戶在什么時候,，什么情況下使用這個產(chǎn)品,？了解用戶在各類場景下的偏好/行為差異。
④ ?
用戶行為數(shù)據(jù)：如使用頻率,，使用時長,，客單價等。劃分用戶活躍等級,，用戶價值等級等,。
⑤ ?
態(tài)度傾向量表：如消費偏好，價值觀等,，看不同價值觀,、不同生活方式的群體在消費取向或行為上的差異。
需要多少樣本量,？
沒有限制,，通常情況下與實際應(yīng)用有關(guān)，如果非要加一個理論的限制,，通常認(rèn)為,，樣本的個數(shù)要大于聚類個數(shù)的平方。
①如果需要聚類的數(shù)據(jù)量較少（1000）,，應(yīng)該考慮選擇快速聚類別法或者兩步聚類法進(jìn)行,。
③如果數(shù)據(jù)量在100～1000之間，理論上現(xiàn)在的計算條件是可能滿足任何聚類方法的要求的,，但是結(jié)果的展示會比較困難,，例如不可能再去直接觀察樹狀圖了,。
應(yīng)用定量方法還是定性方法？
聚類分析是一種定量分析方法,，但對聚類分析結(jié)果的解釋還需要結(jié)合定性資料討論,。
1.聚類分析的定義與用途
聚類分析（Cluster Analysis）是一種探索性的數(shù)據(jù)分析方法，根據(jù)指標(biāo)/變量的數(shù)據(jù)結(jié)構(gòu)特征,，對數(shù)據(jù)進(jìn)行分類,，使得類別內(nèi)部的差異盡可能的小，即同質(zhì)性高,，類別間的差異盡可能的大,，即同質(zhì)性低。
2.聚類分析的方法
①層次聚類法（Hierarchical）,，也叫系統(tǒng)聚類法,。既可處理分類變量，也可處理連續(xù)變量,，但不能同時處理兩種變量類型,，不需要指定類別數(shù)。聚類結(jié)果間存在著嵌套,，或者說層次的關(guān)系,。
②K-均值聚類法（K-Means Cluster），也叫快速聚類法,。針對連續(xù)變量,，也可處理有序分類變量，運算很快,，但需要指定類別數(shù),。K-均值聚類法不會自動對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，需要先自己手動進(jìn)行標(biāo)準(zhǔn)化分析,。
③兩步聚類法（Two-Step Cluster）：可以同時處理分類變量和連續(xù)變量,，能自動識別最佳的類別數(shù)，結(jié)果比較穩(wěn)定,。如果只對連續(xù)變量進(jìn)行聚類,，描述記錄之間的距離性時可以使用歐氏（Euclidean）距離，也可以使用對數(shù)似然值（Log-likelihood）,，如果使用前者,，則該方法和傳統(tǒng)的聚類方法并無太大區(qū)別；但是若進(jìn)行聚類的還有離散變量,，那么就只能使用對數(shù)似然值來表述記錄間的差異性,。當(dāng)聚類指標(biāo)為有序類別變量時，Two-Step Cluster出來的分類結(jié)果沒有K-means cluster的明晰，這是因為K-means算法假定聚類指標(biāo)變量為連續(xù)變量,。
3.聚類分析的步驟
①確定研究目的：研究問題關(guān)注點有哪些,、是否有先驗分類數(shù)…
②問卷編制：態(tài)度語句李克特項目、有序類別…
③確定分析變量：問卷變量的類型,，連續(xù)or分類,，有序類別or無序類別、是否納入后臺數(shù)據(jù),，變量間相關(guān)性低…
④聚類分析：聚類分析方法選擇,、數(shù)據(jù)標(biāo)準(zhǔn)化方法、聚類類別數(shù)確定…
⑤結(jié)果檢驗：類別間差異分析,、是否符合常理…
⑥聚類結(jié)果解釋：類別的命名、類別間的差異,、結(jié)合定性資料解釋…