Кластерлік талдау маркетингте қалай жұмыс істейді?

Клиенттерді сегменттеу-маркетологтың негізгі міндеті. Кластерлік талдау арқылы оны қалай тезірек орындау керектігін біліңіз.

Кластерлік талдау-бұл объектілерді маңызды критерийлер бойынша топтарға бөлетін талдау әдісі. Қарапайым мысал: супермаркетте өнімдер қатарға орналастырылған және әрқайсысына қол қойылған — "көкөністер", "ет", "жарма". Сиыр еті қарақұмыққа жетпейді,өйткені ол ет емес, Жарма. Объектілерді топтарға бөлу кластерлеу деп аталады.

Кластерлеуден кейін алынған топтар (немесе сегменттер) зерттеледі. Талдау алгоритмі клиенттердің бірнеше тобын анықтады делік. Олардың біріне өнімді жылына жиырма рет, екіншісіне жылына бір рет сатып алатын адамдар кірді. Маркетолог бұл кластерді зерттей алады және адамдардың одан жиі сатып алуын қалай жасау керектігін түсінеді.

Кластерлік талдау клиенттер мен объектілер топтарын бөлектеу қажет болған жерде пайдалы. Мысалы, банктер несиелік ұпайларды анықтау үшін талдауды, ал сақтандыру компаниялары алаяқтық операцияларды анықтау үшін пайдаланады.

Кластерлік талдау маркетингте қалай қолданылады

Клиенттеріңіз туралы көптеген деректерді жинау және сақтау бизнес үшін пайдалы. Бірақ сіз осы деректерді талдауды шешкен кезде, әр клиент туралы ақпаратты бөлек зерттеу мүмкін емес екенін түсінесіз. Біздің миымыз мұндай көп ақпаратты өңдей алмайды, сонымен қатар бұл практикалық емес.

Барлық ақпаратты бірден зерттеу мүмкін емес, өйткені деректер клиенттен клиентке айтарлықтай өзгереді. Барлығын бірден талдау мен әр клиентті жеке-жеке зерттеу арасындағы тәтті нүктені табу керек. Сондықтан барлық клиенттерді бірнеше топқа бөлу керек. Осылайша, әр түрлі клиенттерге не қажет екенін түсінуге болады.

Ол үшін кластерлік талдау қажет-клиенттер бір немесе бірнеше критерийлер бойынша бөлінеді. Егер клиенттер туралы мәліметтер өте көп болса, кластерлік талдау үшін машиналық оқыту алгоритмдері қолданылады.

Маркетингте кластерлеуді қалай қолданудың бірнеше мысалдары келтірілген.

Клиенттің мінез-құлқының сипаттамасы. Пайдаланушыларды әртүрлі деректер негізінде кластерлеуге болады:

- олар сайтты қаншалықты жиі және қаншалықты терең қарайды;
- қаншалықты жиі сатып алынады және қанша сомаға;
- қандай тауарлар сатып алынады;
- офлайн режимде қалай әрекет ету керек.

Сатып алу процесінің сипаттамасы. Клиенттерді әртүрлі критерийлер бойынша кластерлеуге болады. Мысалы:

тауарды немесе қызметті сатып алған кезде;
өнімді кім сатып алды — клиент немесе оған біреу;
өнімді қай дүкеннен сатып алдыңыз.

SEO. Кластерлік талдауды кілт сөздерді талдау үшін пайдалануға болады — оларды рейтингке, өзектілікке, күрделілікке және басқа параметрлерге байланысты топтарға бөлу.

Өз жұмысыңызда сіз кластерлерді де пайдалана аласыз:

қайта жоспарлау және қайта маркетингті орнату үшін;
жарнамалық және маркетингтік хабарламаларды түзету;
пайдаланушы интерфейсін жекелендіру;
өнімді тұтынушылардың қажеттіліктеріне қарай жекелендіріңіз.

Неліктен басқа әдістер болған кезде кластерлік талдауды қолдану керек

Кластерлік талдаудың негізгі міндеті-сегменттеу. Нысандарды топтарға қолмен бөлуге болады, бірақ кластерлік талдау үлкен көлемдегі деректермен жұмыс істеуге мүмкіндік береді.
"Яндекс метрикасы" немесе Google Analytics сияқты қызметтерде қолмен сегменттеу функциясы бар. Онда сіз трафиктің және пайдаланушылардың қызығушылық сегменттерін таңдап, оларды талдай аласыз.

Бірақ бұл құралдардың шектеулері бар. Егер пайдаланушы деректері аз болса, олармен жұмыс істеу ыңғайлы. Олардың саны көп болған кезде, барлық ақпаратты өңдеу қиынға соғады — мысалы, жүздеген параметрлер бойынша құрастырылған көптеген сегменттер туралы деректерді бір уақытта ұстап тұру.

Содан кейін кластерлік талдау көмекке келеді. Деректермен жұмыс істеуге арналған автоматтандырылған жүйелер оны өздері жүргізе алады, тек сегменттерді бағалау керек. Мұндай жүйелер ресурстарды босатады және талдау үшін адамға қарағанда көбірек параметрлерді қолдана алады.

Кластерлеу қалай жұмыс істейді

Кластерлеу машиналық оқытудың бақыланбайтын әдісі болып саналады, өйткені ол арқылы біз қандай нәтиже күтетінімізді көрсетпейміз. Машиналық оқытудың көмегімен деректердің өзі олардың ішіндегі табиғи құрылымдарды көрсетуі керек. Бұл қиын естіледі, бірақ қарапайым мысалда түсінікті болады.

Сіз футболка шығаратын компанияны басқарасыз делік. Сіз футболкаларды өз клиенттеріңіздің фигурасына сәйкес келтіруді жоспарлап отырсыз. Сізде кейбір клиенттердің деректері бар: олардың бойы мен салмағы. Сіз бір осьтің бойын, екіншісінің салмағын сыза аласыз және клиенттерді осы графикке нүктелер түрінде орналастыра аласыз.

Кластерлеу алгоритмі де графикті "құрастырады" және оған ақпарат бар әрбір клиенттің нүктесімен белгілейді. Содан кейін нүктелердің әр жұбы арасындағы қашықтықты есептейді. Бұл есептеудің негізінде Пифагор теоремасы жатыр: егер сізде екі нүктенің x және y мәндері болса, олардың арасындағы қашықтықты есептеуге болады.

Осы есептеулер негізінде алгоритм нүктелердің ұқсастығын анықтайды. Жұп нүктелер арасындағы қашықтық неғұрлым аз болса, соғұрлым олар ұқсас болады. Қашықтық неғұрлым үлкен болса, соғұрлым олар ерекшеленеді. Нәтижесінде нүктелері бір-біріне жақын орналасқан топтар пайда болады. Топ-бұл кластер. Кластерде биіктігі мен салмағы ұқсас клиенттер бар. Алгоритм кластерлерді әртүрлі түстермен бояйды, осылайша сатып алушының қай топқа жататынын түсінуге болады.

Егер сіз бой мен салмақ сияқты екі айнымалыны қолдансаңыз, онда кластерлік талдау қарапайым және интуитивті болып көрінеді. Айнымалыларды қосуды бастау қиынға соғады. Содан кейін k-орташа алгоритмін қолдануға болады.

K - орташа алгоритмі-деректерді бес, он немесе одан да көп белгілерге ұқсас топтарға бөлуге мүмкіндік беретін кластерлеу әдісі. Оның идеясы-кластерлеу бір уақытта емес.

Қарапайым сөздермен алгоритм осылай жұмыс істейді. Оған қанша кластерді бөлу керек екендігі сұралады және оларды табу үшін көптеген тәсілдер (итерациялар) жасайды. Бірінші Итерация кезінде ол бір-бірінен алшақ орналасқан екі нүктені тауып, олардың айналасында кластерлер құрайды. Келесі уақытта ол басқа нүктелерді алып, жаңа кластерлер салады. Сондықтан ол ең жақын орташа мәндері бар нүктелер тобын іздейді. Алгоритм келесі итерацияда кластерлер өзгермеген кезде аяқталады.

Бұл процесте маркетологтың рөлі қандай? 
Маркетолог айнымалыларды — кластерлер қалыптастыратын көрсеткіштерді белгілейді. Мысалы, бұл "өсу" және "салмақ" емес, "клиенттің кірісі", "жас", "сатып алу құны" және басқалары болуы мүмкін. Сондай-ақ, маркетолог алгоритм жасаған кластерлерді сипаттайды және алынған нәтижелерді пайдалануға болатындығын анықтайды.

Маркетолог тәжірибе жасай алады: айнымалыларды қосу немесе жою және алгоритмді қайта іске қосу. Бұл алгоритмнің неғұрлым мағыналы кластерлер жасайтындығын тексеруге мүмкіндік береді.

Кластерлеу әдісін қалай қолдануға болады: біртіндеп айтыңыз

Кластерлік талдау жасау үшін не істеу керек.

Деректерді дайындаңыз. Сізде барлық қажетті мәліметтер бар екеніне көз жеткізу керек. Бұл әр клиент немесе өнім туралы егжей-тегжейлі мәліметтер болуы керек. Біріктірілген деректер жұмыс істемейді.
Деректерді сандарға аударыңыз. Бұл "нүктелер" арасындағы қашықтықты — кластерленетін объектілерді санау үшін қажет. Мысалы, егер параметрлердің бірі қала болса, Астанаға 402, Қарағандыға — 403 және т.б. код беруге болады.
Деректерді қоймаға біріктіріңіз. Бұл ыңғайлы болу үшін қажет. Мысалы, Google BigQuery-де деректерді жинауға болады.
Сондай-ақ, әртүрлі өлшем бірліктерінде көрсетілген болса, деректерді түрлендіру қажет болуы мүмкін. Мысалы, барлық мәндерді 0-ден 1-ге дейін болатындай етіп стандарттауға болады.

Деректер өңделген кезде алгоритмді қолдануға болады. Кластерлеудің бірнеше әдісі бар:

бағдарламалық әдісті қолданыңыз-мысалы, егер командада деректерді талдаушылар болса, олар кластерлік талдау үшін R немесе Python тілдерін қолдана алады;
tableau сияқты аналитикалық қызметтерге жүгініңіз - оларда кластерлеуге арналған кіріктірілген құралдар бар;
деректер қоймаларымен жұмыс істеу-мысалы, SQL тілінің синтаксисін білсеңіз, BigQuery-де нәтижелерді визуализациялауға болады;
Excel бағдарламасын қолданыңыз және барлығын қолмен санаңыз, бірақ бұл объектілердің аз санына ғана сәйкес келеді — мысалы, екі параметрі бар жеті нысанды екі топқа бөлу қажет болса.

Кластерлік талдаудың оң және теріс жақтары

Кластерлік талдау барлық адамдар үшін тамаша шешім емес. Міне, есте сақтау керек артықшылықтар мен кемшіліктер.

Артықшылықтары:

деректерді визуализациялау және түсіндіру оңай;
талдау миллиондаған жазбаларға оңай масштабталады;
жүйе динамикалық-егер сіз деректерді өзгертсеңіз, онда кластерлер де өзгереді.

Кемшіліктері:

алгоритмдердің әр түрлі орындалуы әр түрлі нәтиже бере алады;
k-орташа алгоритмін қолданған кезде маркетолог қанша кластер болуы керектігін алдын-ала анықтауы керек;
кластерлік талдауды қолданар алдында деректерді дайындау керек.