Кластеризация клиентов: как найти сегменты по данным

Обычная сегментация строится по правилам, которые придумывает человек: «оптовики» и «розница», «Ташкент» и «регионы». Кластеризация действует наоборот: алгоритм сам находит группы клиентов, похожих по поведению, а человек потом даёт этим группам имена и решает, что с ними делать. Иногда так обнаруживаются сегменты, о которых никто не подозревал.

Какие данные брать

Для клиентов обычно используют поведенческие признаки из учёта и CRM:

• Давность последней покупки
• Частота покупок за период
• Сумма покупок
• Набор категорий товаров
• Каналы: магазин, сайт, бот, менеджер
• Использование скидок и акций
• Возвраты и обращения в поддержку

Популярная отправная точка — анализ по давности, частоте и сумме покупок. Кластеризация позволяет добавить к нему другие признаки и найти более тонкие группы.

Подготовка данных

Признаки нужно привести к сопоставимому масштабу: иначе сумма покупок в сумах перевесит всё остальное просто из-за величины чисел. Сильные выбросы — несколько очень крупных клиентов — лучше рассмотреть отдельно, они искажают группы. Клиентов с одной покупкой давно стоит выделить заранее: они сами по себе отдельная группа.

Отдельно продумайте, кого считать клиентом. В рознице один человек может покупать по разным телефонам или картам лояльности, в оптовой торговле один бизнес работает через несколько юридических лиц. Если не объединить такие записи, кластеризация разобьёт одного клиента на несколько и исказит картину.

Выбор метода

Чаще всего начинают с метода k-средних: он быстрый и понятный, но требует заранее указать число групп и плохо работает с группами необычной формы. Иерархическая кластеризация помогает увидеть, как группы объединяются, и выбрать разумное число. Плотностные методы умеют выделять группы любой формы, а нетипичных клиентов оставляют в стороне как выбросы.

Сколько кластеров

Есть статистические подсказки, но главный критерий — практический. Если групп слишком много, маркетинг не сможет работать с каждой. Если слишком мало, группы получаются разнородными. Обычно разумно получить несколько групп, каждую из которых можно описать одной фразой и для которой понятно отдельное действие.

Интерпретация

Для каждой группы постройте профиль: средние значения признаков, типичные товары, каналы, доля в выручке. Дайте понятные имена: «постоянные покупатели продуктов», «сезонные покупатели к праздникам», «новички с одной покупкой», «оптовые клиенты с отсрочкой». Покажите профили менеджерам: если они узнают своих клиентов, сегментация удачная. Если менеджеры видят в группе случайный набор, вернитесь к признакам: возможно, в модель попали поля, не связанные с поведением, или группа объединяет слишком разных клиентов.

Что делать с сегментами

• Разные предложения и частота коммуникаций
• Разные условия: доставка, отсрочка, персональный менеджер
• Программы возврата для групп, которые перестают покупать
• Планирование ассортимента под крупные группы

Проверка и обновление

Запустите кластеризацию повторно на другом периоде: если группы сильно меняются, они неустойчивы. Клиенты переходят из группы в группу — это нормально и само по себе полезная информация. Пересчитывайте сегменты регулярно, например раз в квартал. Следите за переходами между группами: поток клиентов из «постоянных» в «засыпающих» — ранний сигнал проблем с сервисом или ассортиментом.

Ошибки

Включать в признаки всё подряд, включая случайные поля. Не масштабировать данные. Считать кластеры окончательной истиной. Сделать красивый отчёт и не связать сегменты с CRM, где с ними будут работать менеджеры.