Klaster tahlil marketingda qanday ishlaydi?

Mijozlarni toifa(guruh)larga bo`lish (segmentatsiya qilish)-sotuvchini (marketolog)ning asosiy vazifasidir. Klaster tahlili yordamida uni qanday qilib tezroq bajarishni bilib oling.

Klaster tahlili-bu ob'ektlarni muhimligiga ko'ra guruhlarga ajratuvchi tahlil usulidir. Misol uchun: supermarketda mahsulotlar qatorlarga joylashtirilgan va ular—"sabzavotlar","go'sht","don" mahsulotlari deb nomlangan. Mol go'shti grechka qatorida uchramaydi, chunki u go'sht mahsuloti emas, balki don mahsulotidir. Ob'ektlarni guruhlarga bo'lish klasterlash deb ataladi.

Klasterlashdan keyin olingan guruhlar (yoki segmentlar) o'rganiladi. Aytaylik, tahlil algoritmi mijozlarning bir qancha guruhlarini aniqladi. Ulardan biriga mahsulotni yiliga yigirma marta sotib olovchi insonlar, ikkinchisiga esa yiliga bir marta sotib oladiganlar kiradi. Marketolog ushbu klasterni o'rganib, undan qanday qilib insonlarni tez-tez sotib olishini tushunishi mumkin.

Klaster tahlili mijozlar va ob'ektlar guruhlarini ajratib ko'rsatish kerak bo'lgan hamma joyda foydalidir. Masalan, banklar kredit ro`yhatini aniqlash uchun, sug'urta kompaniyalari esa firibgarlik harakatlarini aniqlash uchun foydalanadilar.

Klaster tahlilidan marketingda qanday foydalaniladi

Mijozlaringiz haqida ko'plab ma'lumotlarni to'plash va saqlash biznesingiz uchun foydalidir. Ammo ushbu ma'lumotlarni tahlil qilishga qaror qilsangiz, har bir mijoz haqidagi ma'lumotlarni alohida o'rganishning imkoni yo`qligini tushunasiz. Bizning miyamiz bunday katta hajmdagi ma'lumotlarni o`rganib chiqishga qodir  ham emas va bu foydasiz hamdir.

Bir vaqtning o'zida barcha ma'lumotlarni o'rganib ham bo`lmaydi, chunki ma'lumotlar mijozdan mijozga juda farq qiladi. Hammasini tahlil qilish va darhol har bir mijozni alohida o'rganish o'rtasida o'rta yo'lni topishingiz kerak. Shuning uchun barcha mijozlarni bir qancha guruhlarga bo'lish kerak. Natijada har  turdagi mijozlarga nima kerakligini tushunish mumkin bo'ladi.

Klaster tahlili shuning uchun kerak-mijozlarni bir yoki bir nechta me`zonlarga ko'ra guruhlarga bo`ladi. Agar mijozlar haqida ma'lumotlar juda ko'p bo'lsa, klaster tahlili uchun mashinani o'rganish algoritmlari qo'llaniladi.

Mijoz xatti-harakatlarining tavsifi. Foydalanuvchilarni turli xil ma'lumotlar asosida klasterlash mumkin:

• ular saytni qanchalik ko`p va qanchalik chuqur ko'rishadi;
• qanchalik ko`p va miqdorda sotib olishadi; 
• qanday mahsulotlar sotib olishadi; oflaynda o'zlarini qanday tutishadi. 

Hariq qilish jarayonining tavsifi. Mijozlarni turli mezonlarga ko'ra klasterlash mumkin. Masalan:

• mahsulot yoki xizmatni qachon sotib oldi;
• mahsulotini kim sotib oldi-mijozmi yoki u uchun kimdurmi; 
• mahsulotni qaysi do'kondan sotib oldi. 

SEO. Klaster tahlili asosiy so'zlarni tahlil qilish uchun ishlatilishi—ularni reyting, dolzarbligi, murakkabligi va boshqa ko`rsatkichlarga qarab guruhlarga bo'lish mumkin.

Siz o`z ishingizda ham klasterlardan foydalanishingiz mumkin:

• rejalashtirish (retargeting) va qayta sotish (remarketing)ni sozlash uchun; 
• reklama va marketing xabarlarini sozlash uchun;    
• foydalanuvchi interfeysini shaxsiylashtirish uchun;    
• mahsulotlarni mijozlar ehtiyojlariga moslashtirish uchun.

Nima sababdan boshqa usullar bo'la turib ,klaster tahlilidan foydalanish kerak

Klaster tahlilining asosiy vazifasi segmentatsiyalashdir. Ob'ektlarni qo'lda guruhlarga bo'lish mumkin, ammo katta hajmdagi ma'lumotlar bilan ishlashga klaster tahlili imkon beradi.    “Yandex metriki” yoki Google Analytics kabi xizmatlarda qo'lda segmentatsiya qilish funktsiyasi bor. U yerda trafik va foydalanuvchilarning qiziqish segmentlarini tanlashingiz va ularni tahlil qilishingiz mumkin.

Ammo bu vositalarda cheklovlar bor. Agar foydalanuvchi ma'lumotlari kam bo'lsa, ular bilan ishlash qulay. Aksincha ma`lumotlar ko'p bo'lsa, barcha ma'lumotlarni qayta ko`rib chiqish—masalan, yuzlab parametrlar bo'yicha tuzilgan ko'plab segmentlar haqidagi ma'lumotlarni bir vaqtning o'zida miyyangizda saqlash qiyinlashadi.

Shunda klaster tahlili yordamga keladi. Ma'lumotlar bilan ishlashning avtomatlashtirilgan tizimlari ma`lumotlarni o'zlari tahlillashi, Siz esa faqatgina segmentlarni baholashingiz mumkin. Bunday tizimlar resurslarni ozod qilishi va tahlil qilish uchun insonga qaraganda ko'proq parametrlardan foydalanishi mumkin.

Klasterlash qanday ishlaydi

Klasterlash mashinasimon o'rganishning nazoratsiz usuli hisoblaniladi, chunki biz qanday natijaga erishishimoqchiligimizni so'ramaymiz. Mashinanisimon o'rganish yordamida ma'lumotlarning o'zi ularning ichidagi tabiiy tuzilmalarni ko'rsatishi kerak. Murakkab tuyulishi mumkin, lekin oddiy misol orqali tushunarli bo'ladi.

Aytaylik, Siz futbolka ishlab chiqaruvchi kompaniyani boshqarasiz. Siz futbolkalarni mijozlaringizning shakliga moslashtirishni rejalashtirayapsiz. Sizda ba`zi mijozlarning ma'lumotlari: ularning bo'yi va vazni bor. Siz bir o'qda balandlik, ikkinchisida og'irlik bo'ladigan grafikni chizishingiz va mijozlarni ushbu grafikada nuqta sifatida joylashtirishingiz mumkin.

Klasterlash algoritmi ham, grafikni "tuzadi" va unda har bir mijoz haqida ma'lumotni nuqta bilan belgilaydi. Keyin har bir juft nuqta orasidagi masofani hisoblab chiqadi. Ushbu hisob-kitob Pifagor teoremasiga asoslangan bo`libi: agar sizda x nuqta va y qiymatlari bo'lsa, ular orasidagi masofani hisoblashingiz mumkin.

Ushbu hisob-kitoblarga asosan, algoritm nuqtalarning o'xshashligini aniqlaydi. Juft nuqtalar orasidagi masofa qanchalik kalta bo'lsa, ular shunchalik o'xshash bo'ladi. Masofa qanchalik uzoq bo'lsa, ular shunchalik farq ko`p qiladi. Natijada nuqtalar bir-biriga yaqin bo'lgan guruhlar paydo bo'ladi. Guruh-bu Klasterdir. Klasterda bo'yi va vazni o'xshash mijozlar bo`ladi.

Algoritm klasterlarni turli xil ranglarga bo'yaydi, shunda xaridorning qaysi guruhga tegishli ekanligi aniq bo'ladi.

Agar siz bo'y va vazn kabi ikkita o'zgaruvchidan foydalansangiz, klaster tahlili oddiy va sizilarli bo`lib ko'rinadi. Agar o'zgaruvchilarni qo'shishni boshlasangiz, hammasi murakkablashadi. Shunda k-o'rta algoritmidan foydalanishingiz mumkin.

K-o'rta algoritmi-klasterlash usuli bo'lib, ma'lumotlarni besh, o'n va undan ortiq xususiyatlariga ko`ra o'xshash guruhlarga bo'lish imkonini beradi. Uning g'oyasi shundaki, klasterlash bir martagina amalga oshirilmaydi.

Oddiy so'z bilan aytganda, algoritm bunday ishlaydi. Unga qancha Klaster ajratish kerakligi so'raladi va ularni topish uchun ko'plab harakatlarni (iteratsiya) bajaradi. Birinchi iteratsiya paytida u bir-biridan uzoq bo'lgan ikkita nuqtani topib, ularni atrofida klasterlar hosil qiladi. Keyin esa u boshqa nuqtalarni olib, yana yangi klasterlar quradi. Shunday qilib, u eng yaqin o'rtacha qiymatlarga ega bo'lgan nuqta guruhlarini qidiradi. Algoritm keyingi iteratsiyada klasterlar o'zgarmasa tugagan hisonlaniladi.

Marketologning bu jarayonda vazifasi qanday?

Marketolog o'zgaruvchan ko'rsatkichlarni belgilaydi, unga ko'ra klasterlar hosil bo'ladi. Masalan, bu "balandligi" va "vazni" emas, balki "mijozning daromadi", "yoshi", "sotib olish qiymati" va boshqalar bo'lishi mumkin. Shuningdek, sotuvchi algoritm tomonidan yaratilgan klasterlarni tavsiflaydi va olingan natijalardan foydalanish mumkinligini aniqlaydi.

Marketolog tajriba o'tkazishi: o'zgaruvchilarni qo'shishi yoki o'chirishi va algoritmni qayta ishga tushirishi mumkin. Bu algoritm yanada mazmunli klasterlar yaratadimi yoki yo'qligini tekshirishga imkon beradi.

Klasterlash usulidan qanday foydalanish kerak: bosqichma-bosqich aytib beramiz

Klaster tahlilini o'tkazish uchun nima qilish kerak.

Ma'lumotlarni tayyorlaыр kerak. Barcha kerakli ma'lumotlar mavjudligiga ishonch hosil qilishingiz kerak. Bu har bir mijoz yoki mahsulot to`g`risida batafsil ma'lumotlar bo'lishi kerak. Yig'ilgan ma'lumotlar to`g`ri kelmaydi. Ma'lumotlarni raqamlarga o`zgartiring. Bu "nuqtalar"—klasterlash kerak bo'lgan ob'ektlar orasidagi masofani hisoblash uchun kerak bo`ladi.

Masalan, agar ko`rsatkichlardan biri shahar bo'lsa, Moskvaga 402, Sankt-Peterburgga 403 va boshqalarni belgilashingiz mumkin. Ma'lumotlarni umumiy birlashtiring. Bu ko`proq qulaylik uchun kerakdir. Masalan, Googlening BigQuery-da ma'lumotlarni to'plash mumkin.

Agar ma'lumotlar turli birliklarda ifodalangan bo'lsa, uni o'zgartirishingizga to`g`ri kelishi mumkin. Masalan, barcha qiymatlarni 0 dan 1 gacha bo'lgan oraliqda standartlashtirish mumkin.

Ma'lumotlar qayta ishlangandan so`ng algoritmdan foydalanish mumkin. Klasterlashning bir nechta ussulari bor:

• dasturiy ta'minot usulidan foydalanish-masalan, agar jamoada ma'lumotlarni tahlil qilish bo'yicha mutaxassislar bo'lsa, ular klaster tahlili uchun R yoki Python tillarini qo'llashlari mumkin;

• Tableau kabi analitik xizmatlarga murojaat qilish mumkin—ularda klasterlash uchun o'rnatilgan vositalar mavjud;

• ma'lumotlarni saqlovchi omborlari bilan ishlash—masalan, agar siz SQL sintaksis tilini bilsangiz, , BigQuery-da natijalarni tasavvur qilishingiz mumkin;

• Excel-dan foydalanish va hammasini qo'lda hisoblash, ammo bu faqatgina oz sonli ob'ektlar uchun—masalan, ikkita parametrli yettita ob'ektni ikki guruhga bo'lish kerak bo'lsagina to`g`ri keladi.

Klaster tahlilning ijobiy va salbiy tomonlari

Klaster tahlil-hamma uchun ideal yechim emas. Eslab qolish kerak bo'lgan ijobiy va salbiy tomonlari.

Ijobiy tomonlari:

• ma'lumotlarni tasavvur qilish va talqin qilish oson;
• tahlilni millionlab yozuvlarga kengaytirish oson;
• tizim o`zgaruvchi bo`lib—agar siz ma'lumotlarni o'zgartirsangiz, klasterlar ham o'zgaradi.

Salbiy tomonlari:

• algoritmlar turli xil bajarilsa, natijani ham har hil berishi mumkin;
• k-o'rta algoritmdan foydalanganda, sotuvchi qancha klaster bo'lishi kerakligini oldindan belgilashi kerak bo`ladi;
• Klaster tahlilini qo'llashdan oldin ma'lumotlarni tayyorlash kerak bo`ladi.