Membuat Profil dan Menamai Klaster

Algoritme memberikan label seperti 0, 1, dan 2. Angka-angka tersebut tidak berarti apa-apa sampai Anda membuat profil setiap kelompok dan menjelaskannya. 🏷️

Mulailah dengan menambahkan label yang diprediksi kembali ke DataFrame sebagai kolom baru, sehingga setiap baris mengetahui klasternya.

Sekarang kelompokkan berdasarkan kolom tersebut dan hitung rata-rata fiturnya. Profil setiap klaster muncul sebagai satu baris berisi nilai-nilai tipikal.

Periksa rata-rata tersebut untuk menemukan hal yang menonjol. Fitur yang paling banyak berbeda antarklaster adalah cerita yang akan Anda sampaikan.

Hitung juga jumlah anggota setiap klaster. Klaster yang sangat kecil mungkin merupakan segmen khusus, atau tanda bahwa k Anda ditetapkan terlalu tinggi.

Plot sebar cepat yang diberi warna berdasarkan klaster menunjukkan apakah kelompok-kelompok tersebut berbeda jelas atau berbaur satu sama lain.

Terjemahkan setiap profil menjadi label yang mudah dipahami manusia, seperti pembelanja dengan pengeluaran tinggi atau penjelajah pada akhir pekan, agar pemangku kepentingan segera memahaminya.

Untuk setiap segmen, tulislah satu kalimat sederhana yang menjelaskan siapa mereka dan apa yang membuat mereka berbeda dari yang lain.

Jika suatu kelompok tidak memiliki ciri yang jelas, kelompok itu mungkin merupakan derau atau tumpang tindih. Pertimbangkan k atau algoritme lain sebelum memberinya nama.

Tujuan pemberian nama adalah menghasilkan tindakan. Segmen yang disebut sensitif terhadap harga dapat menjadi dasar pemberian diskon, sedangkan pelanggan setia dapat memperoleh hadiah.

Klaster dapat berubah seiring perubahan data, jadi buat ulang profil secara berkala untuk memastikan namanya masih sesuai dengan orang-orang di dalamnya.

Buat profil klaster dengan membandingkan rata-rata fiturnya, lalu beri nama setiap segmen agar kelompok tersebut mendukung keputusan nyata. 🎯