Profilare e nominare i cluster

Un algoritmo restituisce etichette come 0, 1 e 2. Questi numeri non significano nulla finché non profila ogni gruppo e non lo interpreta. 🏷️

Inizi aggiungendo le etichette previste al DataFrame come nuova colonna, così ogni riga saprà a quale cluster appartiene.

Ora raggruppi i dati in base a quella colonna e calcoli la media delle feature. Il profilo di ciascun cluster apparirà come una riga di valori tipici.

Esamini queste medie per individuare ciò che spicca. Le feature in cui i cluster differiscono maggiormente costituiscono la storia da raccontare.

Conteggi anche i membri di ogni cluster. Un cluster molto piccolo può essere un segmento di nicchia oppure indicare che k è stato impostato su un valore troppo alto.

Un rapido grafico a dispersione colorato per cluster mostra se i gruppi sono distinti o si confondono tra loro.

Traduca ogni profilo in un'etichetta comprensibile, come grandi spendaccioni o visitatori del fine settimana, così gli stakeholder lo capiranno immediatamente.

Per ogni segmento, scriva una frase semplice che descriva chi sono i suoi membri e che cosa li rende diversi dagli altri.

Se un gruppo non presenta caratteristiche chiare, potrebbe essere rumore o sovrapposizione. Valuti un valore k o un algoritmo diverso prima di assegnargli un nome.

Lo scopo di assegnare un nome è agire. Un segmento definito sensibile al prezzo può guidare uno sconto, mentre i clienti fedeli possono ricevere una ricompensa.

I cluster possono cambiare quando cambiano i dati, quindi li riprofili periodicamente per assicurarsi che i nomi siano ancora adatti alle persone che li compongono.

Profili i cluster confrontando le medie delle feature, quindi assegni un nome a ogni segmento affinché i gruppi guidino decisioni concrete. 🎯