R：根据事件的相似产品兴趣对客户进行聚类
R: Clustering customers based on similar product interests for an event
我有一个包含客户列表及其产品偏好的数据集。基本上，它是一个简单的 CSV，包含一个名为 "CUSTOMER" 的列和另外 5 个名为 "PRODUCT_WANTED_A"、"PRODUCT_WANTED_B" 等的列。
我询问了这些客户是否有兴趣了解更多关于特定产品的信息，答案可能只是“是”或“否”（数据集中为 1 或 0）。可以下载数据集here。显然，根据他们在这 5 列中的是或否的组合，会有许多不同兴趣的客户。
我的目标是了解哪些客户在此类兴趣方面与其他客户相似。这将帮助我管理产品演示的议程，并且在每次会议中，我都想了解最适合它的分组。我从这样的分层图开始：
customer_list <- read.csv("customers_products_wanted.csv", sep=",", header = TRUE)
customer.hclust <- hclust(dist(customers_list))
plot(customer.hclust, customer_list$CUSTOMER)
library(rect.hclust)
rect.clust(customer.hplot,5)
这是我得到的图，要求5个簇：
尝试相同，但有 10 个集群：
问题 1：我知道这总是很难说，但是看看图表和数据集，您 'cut' 会怎样对客户进行分组？ 5？ 10?
我正在查看结果，在同一组中，我有 CUSTOMER112，他们的偏好为 1,0,1,0,1，还有 CUSTOMER 110 (1,1,1,1,1)，CUSTOMER106 (1,1,1,1,0) 等等。 "distance" 可能是对的，但在给定的群体中，我的客户在偏好方面存在一些相关差异。
问题2：我不知道这是否是对聚类、我使用的代码甚至数据集完全无知的情况。根据您的经验，在这种情况下，您的最佳聚类方法是什么？
如有任何意见，我们将不胜感激。如您所见，我做了一些努力，但仍然有疑问。
非常感谢！
里卡多
所有答案都很重要，但是@Ben 视频推荐和@Samuel Tan 关于将客户分成网格的建议，我找到了一个很好的处理方法。
该视频让我对层次聚类中的 "noisy" 个变量有了很多见解，网格推荐帮助我思考了数据真正想告诉我的内容。
就是说，一个基本的数据清理过程就淘汰了所有对任何产品不感兴趣的客户（这是显而易见的，但我一开始没有注意）。然后，我忽略了具有特定兴趣（单一产品）的客户。这样做是因为这些客户不需要参加我计划的研讨会系列（他们只想听听一种产品）。
评估所有其他人，对不止一种产品感兴趣，我意识到产品组合可以让我找到更好的分类。从那里，我将客户分为 3 个集群：集成机会（2 或 3 种产品）、融合机会（4 种产品）和转型机会（所有产品）。
现在我很清楚我的研讨会应该关注哪些客户，并计划我的 post-研讨会销售活动利用针对每个客户群（整合、融合、转型）的材料。
谢谢大家的建议！
里卡多
我有一个包含客户列表及其产品偏好的数据集。基本上，它是一个简单的 CSV，包含一个名为 "CUSTOMER" 的列和另外 5 个名为 "PRODUCT_WANTED_A"、"PRODUCT_WANTED_B" 等的列。
我询问了这些客户是否有兴趣了解更多关于特定产品的信息，答案可能只是“是”或“否”（数据集中为 1 或 0）。可以下载数据集here。显然，根据他们在这 5 列中的是或否的组合，会有许多不同兴趣的客户。
我的目标是了解哪些客户在此类兴趣方面与其他客户相似。这将帮助我管理产品演示的议程，并且在每次会议中，我都想了解最适合它的分组。我从这样的分层图开始：
customer_list <- read.csv("customers_products_wanted.csv", sep=",", header = TRUE)
customer.hclust <- hclust(dist(customers_list))
plot(customer.hclust, customer_list$CUSTOMER)
library(rect.hclust)
rect.clust(customer.hplot,5)
这是我得到的图，要求5个簇：
尝试相同，但有 10 个集群：
问题 1：我知道这总是很难说，但是看看图表和数据集，您 'cut' 会怎样对客户进行分组？ 5？ 10?
我正在查看结果，在同一组中，我有 CUSTOMER112，他们的偏好为 1,0,1,0,1，还有 CUSTOMER 110 (1,1,1,1,1)，CUSTOMER106 (1,1,1,1,0) 等等。 "distance" 可能是对的，但在给定的群体中，我的客户在偏好方面存在一些相关差异。
问题2：我不知道这是否是对聚类、我使用的代码甚至数据集完全无知的情况。根据您的经验，在这种情况下，您的最佳聚类方法是什么？
如有任何意见，我们将不胜感激。如您所见，我做了一些努力，但仍然有疑问。
非常感谢！
里卡多
所有答案都很重要，但是@Ben 视频推荐和@Samuel Tan 关于将客户分成网格的建议，我找到了一个很好的处理方法。
该视频让我对层次聚类中的 "noisy" 个变量有了很多见解，网格推荐帮助我思考了数据真正想告诉我的内容。
就是说，一个基本的数据清理过程就淘汰了所有对任何产品不感兴趣的客户（这是显而易见的，但我一开始没有注意）。然后，我忽略了具有特定兴趣（单一产品）的客户。这样做是因为这些客户不需要参加我计划的研讨会系列（他们只想听听一种产品）。
评估所有其他人，对不止一种产品感兴趣，我意识到产品组合可以让我找到更好的分类。从那里，我将客户分为 3 个集群：集成机会（2 或 3 种产品）、融合机会（4 种产品）和转型机会（所有产品）。
现在我很清楚我的研讨会应该关注哪些客户，并计划我的 post-研讨会销售活动利用针对每个客户群（整合、融合、转型）的材料。
谢谢大家的建议！
里卡多