以下是基于一小段用戶關注產品的行為數據分析過程詳細描述，各位老師如有不同意見或優化建議，還請不吝賜教。

一、數據大致是這樣的(已經脫敏處理)

二、數據預處理

從年款提取出年限，從價格標識出價格區間，隨便寫一下SQL如下：

Select 城市，品牌，2016-substr(年款，1，4) as 年限

，case when

報價<=5 then ‘0~5’

when 報價>5 and 報價<10

then ‘5~10’

when 報價>10 and 報價<15

then ‘10~15’

when 報價>15 and 報價<20

then ‘15~20’

when 報價>20 and 報價<50

then ‘20~50’

Else ‘50以上’end as

報價區間

From 分析表

三、基礎描述統計

基礎分析一般對數據進行簡單的整合操作，描述通過數據能夠直觀看到的結論，比如：

各地區的用戶量占比—反映不同地區的需求量級

各地區的關注品牌top

10%—反映不同地區的品牌需求差異

不同品牌的價格區間—反映用戶對于價格的關注情況

年限與價格的變化趨勢—新人會覺得這個可以用一下相關分析之類的，其實沒有太大必要。

因為，既定報價是受相對嚴格的市場規則調控的，而本次分析的目的是針對用戶對于既定已在線產品的關注度，因此，價格并不是本次分析的主體。

這也響應上一篇文章，并不是越專業的分析越實用。

四、用戶聚類

這個分兩步，第一步是對數據進行再處理；第二步是分析(SPSS K-means聚類)。

處理結果是將用戶日志數據，轉變為對每個用戶的行為統計數據，基本包括每個用戶的關注次數、關注不同品牌數，同一品牌反復關注次數，關注不同價格區間的次數等，大致如下：

第二步是利用SPSS進行聚類分析，并將分析結果翻譯為可讀性較強的報告，用的是最基本的K-means聚類，以下是部分聚類結果：

結果解讀起來并不費勁兒，大致用戶劃分為3類，每一類的描述數據如表最終聚類中心所示，每一類的用戶數量即案例數如表案例數所示。

舉例如第一類，可以解釋為關注低價品牌的用戶數量相對較少，對于品牌的選擇也較少(從現實的市場角度講，應是這部分價格區間的品牌類型本身就少的原因)，但反復查看次數多，一定程度上不太利于成交。

以上。

總結

以上是生活随笔為你收集整理的聚类分析在用户行为中的实例_用户关注行为数据分析过程详解-描述统计+聚类...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。