用户细分-价格敏感度
一、分析目标
将加油站客户进行细分，了解不同群体用户的消费习惯和特征，针对不同群体用户进行精准营销。
二、分析方法
无监督学习-聚类分析
聚类分析：顾名思义是一种分类的多元统计分析方法。按照个体或样品(individuals, objects or subjects)的特征将它们分类，使同一类别内的个体具有尽可能高的同质性(homogeneity)，而类别之间则应具有尽可能高的异质性(heterogeneity)。
用户细分总是和聚类分析关联在一起。用户细分的关键问题是找出顾客的特征，一般可从顾客自然特征和消费行为入手。可以用单一变量进行划段分组，比如，以消费频率变量细分，即将该变量划分为几个段，高频客户、中频客户、低频客户；还可以用多个变量交叉分组，比如用性别和收入两个变量，进行交叉细分。事实是，我们总是希望考虑多方面特征进行聚类，这样基于多方面综合特征的客户细分比单个特征的细分更有意义。
常用的聚类分析算法：K-Means
算法步骤：
- 分配：初步指定聚类中心，将各个数据点分配至距离最近的聚类中；
- 优化：移动聚类中心，使得数据点到聚类中心的距离总和最小（有n个特征时，K-Means计算两点在欧几里得空间下的距离——数学空间可以被扩展来应用于任何有限维度，而这种空间叫做n维欧几里得空间）；
- 迭代直至聚类中心产生最优结果。
Python - scikit-learn 参数设置：
- n_clusters = 8 最重要的参数，确定将数据分为多少类，可能随时进行调整；
- max_iter = 300 确定进行多少次算法迭代；
- n_init = 10 算法初始化的次数，即重新开始聚类，参考爬山原理，聚类结果非常依赖初始聚类中心的位置，因为第一次指定的聚类中心是随机的，很大程度上会影响聚类结果。
算法局限性：
受到初始聚类中心的影响，可能形成局部最小值，造成一种糟糕的聚类结果。
其他聚类分析算法：
1. SLC 单连锁聚类
算法步骤：
- 把每一个数据点看做一个聚类，所以初始聚类数量为数据个数n；
- 定义两个聚类之间的距离为两个聚类中最接近的两个点的距离；
- 将距离最近的两个聚类合并为一个大的聚类；
- 重复合并n-k次，k为最终形成的聚类数量，k是一开始需要输入的变量。
优势：
- 具有确定性，总会得到相同的结果；
- 运行时间短。
2. 软聚类
允许数据点被共享。
3. 其他
三、数据处理
假设
- 为简化问题，油型号不考虑，假设用户购买的是同种成品油
获取业务数据
由于缺少真实数据集，这里模拟用户在加油站的消费记录，记录字段包括：
{ 消费记录ID、消费时间、用户ID、用户昵称、加油单价、加油升数、是否参加活动、是否在便利店购物、便利店购物消费金额、总金额、活动优惠金额、实际支付金额、活动补贴率、储值卡余额 }
特征选择
1、剔除与聚类无关的特征，如消费记录ID、消费时间、用户昵称、加油升数、便利店购物消费金额、储值卡余额；
2、计算出其他有价值的变量，最终确定用于聚类的特征包括：
- 同一ID用户加油单价均值；
- 参加活动占比（该用户参加活动的记录占其总记录的比率）；
- 便利店购物次数占比（该用户在加油站便利店购物次数占总记录的比率）；
- 补贴率均值（活动优惠金额/总金额）；
3、由于缺少真实数据集，这里用随机数方法随机生成以上数据；
4、查看各个特征的描述统计量，剔除异常值；
5、分析各个特征间是否有强线性相关性，如有需要考虑衍生出新特征。
注：避免维数灾难
所需数据量会根据特征数量以指数速度增长，所以特征越少越好，需要我们简化问题，利用算法从一堆特征中选择真正对我们问题有帮助的特征，可以使用以下两种方法进行特征选择：
- 过滤（如决策树）：具备一系列的特征输入，通过某种可以将标准最大化的算法运行这些输入，然后会输出较少的特征，将这些特征传递给分类算法，即流程先对特征进行过滤，再传递给学习算法，缺点在于缺少反馈，就将特征移除了；优势在于相对封装方法，运行较快；
- 封装：即对特征的搜索是围绕着学习算法展开的，特征是否移除的标准是在学习器里去判断的，运行很慢，每次尝试针对特定的特征子集运算时，都必须运行学习算法。
特征缩放/数据标准化
有的特征取值的跨度大，分析前要对数据进行标准化处理，即特征缩放。比如这里需要对加油单价均值进行标准化，可以采用z-score、最大最小规范化等方法。
四、数据分析
查看聚类结果
1、初始类中心
2、迭代至各个中心的变化趋于0
3、最终聚类中心
4、查看聚类数据
结论-描述类别特征
可以根据用户历史消费记录将用户分为两类：
第1类用户平均加油单价低、参加活动占比高、补贴率均值高、很少在便利店购物，属于价格敏感度高的用户，在964个用户中有337个这样的用户；
另一类用户与之相反，价格敏感度较低。