移动体验恶言堂

好久没写blog，把最近的经验总结总结。

在市场研究中，我们经常需要对市场、用户细分，做不同的用户角色，用得最多的就是聚类分析了。不过这种方法属于探索性分析，需要分析人员非常了解业务，并且知识如何运用聚类的结果，才能高效地分析出有效的结果。

SORRY，我不谈具体分析的技术细节，比如标准化，用相似性算法还是距离的算法，那些不重要，重要的是与业务结合的分析思路——结果导向。

在聚类分析中，最关键的就是聚类变量的选择与样本的代表性，其它什么正态分布之类的东东没意义，唯一一个问题就是不能有高度的相关，否则只是给一个变量赋上了更多的权重而已，如果有这种情况，——我们先对变量聚类，或者用因子分析来解决，找到关键变量，然后选择关键的变量来对个体聚类，最终达到我们的目的——细分用户与市场。

好吧，谈谈变量的选择。假设我要对某微博的用户做细分，指导产品的设计与推广，那么我需要怎样采集数据？

第一，明确细分的标准——用来聚类变量是什么？

如果你了解业务，就会知道，我们更多地用需求特征来对用户分类。比如文本内容偏好——生活？记录？还是其它？图片发表量？转发量？

有时候，我们还会用与行为变量高度相关的态度变量，一起作为聚类的变量，这样整个模型就更完整。

第二，用户对不同设计效果的态度、用户来源的渠道。

因为我要指导产品的设计，我就要知道这些用户喜欢什么色彩了，什么风格的设计。分类完成好，我需要用这些数据来检验聚类的结果——聚类结果与其它变量交叉分析，

又比如去做对应分析，不同的类别离原点越远越好。如果聚类的群体之间行为、态度、人口特征不明显，那说明聚类结果不OK。

这里简单提一下TGI（目标群体指数分析），当群体的变一变量的比例与总体的比例差异超过15%（也有人认为是20%），那么就认为差异是显著的。

为什么要差异显著呢？因为这样才会对业务有指导意义。

以上都是野路子，欢迎探讨：）至于技术细节，百度去！！

偶的email：huangzhe.84@gmail.com