下面以一个汽车销售的案例来介绍聚类分析在市场细分中的应用。

1、商业目标
业务理解：数据名称《汽车销售.csv》。该案例所用的数据是一份关于汽车的数据，该数据文件包含销售值、订价以及各种品牌和型号的车辆的物理规格。订价和物理规格可以从 edmunds.com 和制造商处获得。定价为美国本土售价。如下：


表1：数据视图
业务目标：对市场进行准确定位，为汽车的设计和市场份额预测提供参考。
数据挖掘目标：通过聚类的方式对现有的车型进行分类。

2、数据准备
通过数据探索对数据的质量和字段的分布进行了解，并排除有问题的行或者列优化数据质量。


第一步，我们使用统计节点审核数据的质量，从审核结果中我们发现存在缺失的数据，如下图所示：



第二步，对缺失的数据进行处理，我们选择使用缺失填充节点删除这些记录。配置如下：

3、建模
我们选择层次聚类进行分析，尝试根据各种汽车的销售量、价格、引擎、马力、轴距、车宽、车长、制动、排量、油耗等指标对其分类。
因为层次聚类不能自动确定分类数量，因此需要我们以自定义的方式规定最后聚类的类别数。层次聚类节点配置如下（默认配置）：


可以使用交互表或者右击层次聚类节点查看聚类的结果，如下图所示：


再使用饼图查看每个类的大小。饼图配置如下：


结果如下：


从图中可见，分成的三个类样本数差异太大，cluster_0和cluster_1包含的样本数都只有1，这样的分类是没有意义的，因此需要重新分类。我们尝试在层次聚类节点的配置中指定新的聚类方法：完全。新的聚类样本数分布如下：


cluster_0、 cluster_1、cluster_2的样本数分别为：50、9、93。


执行后输出树状/冰柱图，可以从上往下看，一开始是一大类，往下走就分成了两类，越往下分的类越多，最后细分到每一个记录是一类，如下所示：


我们可以再使用条形图查看每类的销售量、平均价格，如下图所示：


每类总销量分布图


每类平均销量分布图


每类平均价格分布图

我们再看一下每类的销售额分布情况。首先，我们需要使用Java代码段（简单）节点派生销售额字段，配置如下：


再使用饼图查看销售额分布情况，cluster_0、 cluster_1、cluster_2的市场份额分别为：32.39%、0.53%和67.08%，如下图所示：

4、小结

通过这个案例，大家可以发现聚类分析确实很简单。进行聚类计算后，主要通过图形化探索的方式评估聚类合理性，以及在确定聚类后，分析每类的特征。

本文源自：http://wiki.smartbi.com.cn/pages/viewpage.action?pageId=13599852