Кластеризация — это метод, который помогает группировать объекты с похожими характеристиками.

🔵 Сразу бизнес-пример:

Представьте, что вы управляете сетью кафе, и хотите оптимизировать меню и акции для различных типов посетителей. Вы собираете данные о посетителях: время посещения, сумма заказа, предпочитаемые блюда, частота посещений.

далее

(づ￣ ³￣)づ кластеризация!

после кластеризации вы получаете несколько групп посетителей:

1️⃣ Утренние клиенты: часто посещают кафе утром, заказывают кофе и выпечку, средний чек низкий.

2️⃣ Обеденные клиенты: приходят в обеденное время, заказывают бизнес-ланч, средний чек средний.

3️⃣ Вечерние клиенты: предпочитают посещать кафе вечером, заказывают полноценные ужины и напитки, средний чек высокий.

💸 Применение:

Персонализированные предложения:

– Утренним клиентам предлагайте скидки на завтраки. – Запускайте обеденные акции для привлечения клиентов в полдень. – Вечером предлагайте специальные ужины и акции на напитки.

📖📖📖📖📖📖📖📖📖📖📖📖

Как работает (один из подходов):

Метод k-средних:

1. Инициализация: выбираются например 3 случайных центров кластеров. Центра в пространстве параметров (время посещения, сумма заказа ...)

2. Группировка: каждый объект (клиент) назначается к ближайшему центру кластера.

3. Обновление центров: центры кластеров пересчитываются как среднее значение объектов в каждом кластере.

4. Повторение: Шаги 2-3 повторяются, пока центры кластеров не стабилизируются.