如何向客户证明你的聚类结果？

[笨笨]

前些日子做了个聚类的POC。一切都很顺利，客户方的业务专家很配合，给了很多提示。选取若干重要指标之后，做了相应数据处理，采用K-
Means，生成了8个类别。应该说，结果还是十分理想，各个类别各有特色，可以对每个类别取出十分有趣的名字。对方的技术总监看了之后同样十分满意，
甚至结合自身的业务规律产生了很多联想。
总监一高兴，把他的大老板也叫了过来。BOSS无意中问了个问题，虽然后来打哈哈过了，但我事后一想有些启发，想和大家分享一下：
BOSS问道：你怎么来证明你的这些类别的名字是正确的呢？
按照常理，相信大部分DMer会回答，通过这些指标在各个类别中的分布状况得出来的结果。是啊，的确，类别名字的出处肯定是这些指标。但问题
是，这些名字只是你的推测而已。这也就回到了标题“如何向客户证明你的聚类结果？” 起先，我想用“结论”这个词，但细细品味BOSS的问题，又改成
了“结果”。因为，我们为每个类别取的名字都只是我们的推测而已。
那么，问题就来了，你如何向你的客户证明你的推测是正确的呢？我想很多人，会说“进一步地针对这些类别做一些统计”，可能是人口统计学数据，也
可能是行为数据。但问题是，如果没有这些数据呢？即使有，你能保证数据的准确性么？试想：银行的客户数据都不可全信（例如，客户的收入状况），那还有什
么数据是可信的呢？
我并不否认用统计的方法来证明聚类结果，但我相信这肯定不是唯一的证明方法，也未必是最好的方法，请大家多多拍砖~~~

[raullew]

你要欠费用户，就把欠费用户名单拉出来，你要欺诈用户，就把有欺诈历史的名单拉出来，你要手机消费者，就把买手机的名单拉出来
这就是最科学最有说服力的数据挖掘
虽然很老土，但是它准呀（太tm的准了，你还有更准的方法么），而且它是业务人员唯一能理解和赞同的方法呀----我要的就是这个

[shzxqdj]

这是项目实践中最普通的问题,基本上按照各个类别的数据含义取名字是挖掘者自己的一厢情愿, 的确没有什么非常严谨的道理,所以我们现在的具体实践就是
对每一个类别都不取什么名字,直接称呼为第一类,第二类,第三类，等等,但是对每一类的具体特征,根据聚类后的具体指标还是可以用数据详细描述的,这样
客户就挑不出毛病,至于第一类,第二类,第三类，到底是重点市场,还是潜力市场,在业务上不同的人有不同的看法,. 所以,根本没有必要取名字,
名字取得再好,总会有人有不同意见的,让他们自己去看数据就行了,这是最科学严谨的做法,呵呵

On 10月31日, 下午1时57分, 笨笨 <caozhen...@gmail.com> wrote:

[笨笨]

如果真有这么简单就好了~

> > 我并不否认用统计的方法来证明聚类结果，但我相信这肯定不是唯一的证明方法，也未必是最好的方法，请大家多多拍砖~~~- 隐藏被引用文字 -
>
> - 显示引用的文字 -

[笨笨]

平淡的"第一类、第二类"会将你原本非常有价值的成果贬值，对于营销也没什么好处，我们是在做POC，不是签了合同的项目。
反过来，不去证明你的结果，而把类别定义的工作推给客户，对自己的技术又有什么提高呢？你的聚类结果和竞争对手的聚类结果有什么区别吗？算法都是相同
的。如果是不同厂商的工具，还可能做些比对性能对比，如果是用同一个工具厂商的不同集成商，你的优势何在？单靠销售去做营销么？

[Qing]

我们也被问到过这个问题，当时是怎么回答来着？也许并没有正面回答。也面临跟你同样的困惑。

但如果是现在，我会坚持不必去证明命名是否合理。

分群的命名毫无疑问是推测出来的，比如"白领"、"时尚"诸如此类。要去证明这个名称是正确的？疯了。这只是一种便于理解的概念描述而已。分群本身是一种粗略的划分，你没有办法去称呼一个具备一堆共有因素的群体。

而另外，分群的目的是为什么？并不是要弄清楚每个客户的身份。分群一般不会分太多，为什么？因为分完以后，得有策略应对。如果分出100个群，那就是100种策略，100种策略肯定是一种愚蠢的策略。

所以，我觉得关键不是命名，而是针对这个群体，你是否有区别性的才是。

2008/10/31 笨笨 <caozh...@gmail.com>

...
   BOSS问道：你怎么来证明你的这些类别的名字是正确的呢？
     ...

[raullew]

真这么干你就要失业了。。。娃哈哈

> > - 显示引用的文字 -- 隐藏被引用文字 -
>
> - 显示引用的文字 -

[XL]

聚类的结果只是机器学习出来的，把统计学上具有相似性的数据归类，至于每一类具有什么样的属性，定性上来说，机器怎么知道，这得要具有行业背景和经验的
marketer或者业务人员来解释它了，其实不是老总的错，老总又不懂什么叫clustering的，又不懂DM的，他以为你叫的名字是有道理的呢。
其实你可以叫A,B,C，D，。。类啊，A类客户行为上和其他类客户行为上有差别，通过socio demo，或者segmentation，digg
深入一点，可能你就能取个比较能描述A类特性的好名字，但是，其实你叫什么名字都没关系呀，只是用来描述罢了。

[pink...@gmail.com]

我觉得这样解释比较好：
1. 给不同的类别起名字是一种对数据进行"理性化"、"概化"的行为。是一种主观的行为。而所谓Boss的"证明"是一种验证过程，这种要求"验
证"的过程其实隐含了"客观"的确存在的假设，而这种假设并不切实际，或者说，存在与否都值得怀疑。这点是boss的问题。
2. 给不同的类别起名字既然是一种主观行为，就没有终点，是一种不断修正，不断抛弃重建的过程。你可以和boss说这是我们根据数据特征和业务理解
能够提出的最好模型，欢迎指正云云，呵呵。

其实这个问题就是BI受到质疑的核心问题之一：我们发现的都是我们已经知道的，不能发现战略的重大的新的东西。类似于计算机能发现真正有创造性的数学定
理么？呵呵，值得怀疑。

On 10月31日, 下午1时57分, 笨笨 <caozhen...@gmail.com> wrote: