店群分析

1背景介绍

1.1定义

店群分析是将现有所有门店分为相对同质的群组。依据门店在如门店面积、销售额等属性上的亲疏程度进行分类，亲疏的判断依据为计算门店多维度属性的距离，其目标就是在相似的基础上将属性类似的门店分为同一类。

店群分析本质上属于统计学中的聚类分析方法(cluster analysis)，它是一组将研究对象分为相对同质的群组(clusters)的统计分析技术。

1.2常用方法

目前，有大量的聚类算法。而对于具体应用，聚类算法的选择取决于数据的类型、聚类的目的。主要的聚类算法可以划分为如下几类：划分方法、层次方法、基于密度的方法、基于网格的方法以及基于模型的方法。

每一类中都存在着得到广泛应用的算法，例如：划分方法中的k-means聚类算法、层次方法中的凝聚型层次聚类算法、基于模型方法中的神经网络聚类算法(SOM)等。k-means是划分方法中较经典的聚类算法之一。由于该算法的效率高，所以在对大规模数据进行聚类时被广泛应用。目前，许多算法均围绕着该算法进行扩展和改进。

1.3总结

在运行时间及准确度方面综合考虑，k-means相对优于其他。但是，各个算法还是存在固定缺点：k-means聚类算法需要给定分类数且初始点选择不稳定，是随机选取的，这就引起聚类结果的不稳定；层次聚类虽然不需要确定分类数，但是一旦一个分裂或者合并被执行，就不能修正，聚类质量受限制；SOM与实际大脑处理有很强的理论联系。但是处理时间较长，需要进一步研究使其适应大型数据库。

××门店众多，各门店在销售额、客单价（顾客的消费水平）、门店面积都差异很大。可以利用这些信息对门店进行聚类分析，合理的对门店进行归类管理。

2聚类分析的基本过程

2.1选择聚类变量  

聚类分析的变量尽可能选取与门店有关的属性，尽可能综合反映门店。但是，聚类分析过程对用于聚类的变量还有一定的要求：

1、各门店的变量值具有明显差异；

2、变量之间不能存在高度相关。

用于聚类的变量数目不是越多越好，没有明显差异的变量对聚类没有起到实质意义，而且可能使结果产生偏差；其次，高度相关的变量相当于给这些变量进行了加权，等于放大了某方面因素对用户分类的作用。

单客单商品价指平均每一个顾客购买平均每一个商品的单价，它反应顾客的消费水平，不同等级的门店所服务的客户的消费能力差距比较大，因此单客单商品价纳入聚类变量。

门店面积很大反应了门店的规模，不同等级的门店在在面积上差距明显，同一等级的门店门店面积趋于相同，是门店等级的一个重要指标，因此纳入聚类变量。

单位小时单位面积的下单次数指平均小时平均每平米下的销售次数，反应了门店的客流量大小，同样也是门店等级的重要指标，因此纳入聚类变量。

装修程度指门店的装修的好坏，门店的功能也逐渐由原有的销售功能逐渐向展示功能过渡，此类门店的销售和面积都相对较少，但是内陈列的商品等级往往较高，主要目的也是展示公司的产品为主，所以将装修程度纳入聚类变量。

单客单商品价、门店面积、单位小时单位面积的下单次数、装修程度为最终用于门店聚类分析所考虑的变量。

2.3标准化测量聚类变量

所采用的测量单位可能会聚类分析产生影响。例如：将单价单位从元改为千都会导致不同聚类结构，通常采用一个较小的单位会使得属性的取值范围变大，在算距离时就会削弱其他的属性的距离的影响，从侧面加重了该属性的权重。为帮助避免对属性测量单位的依赖，就需要对数据进行标准化，及给所有属性相同的权重值。

为了实现标准化测量，一种方法就是将初始测量值转为无单位的变量。给定一个属性，可以利用以下计算对其进行标准化：

1、计算绝对偏差值：

其中是x变量的个测量值；f为变量的均值。

2、 计算标准化测量（z-分值）：

其中绝对值偏差要比标准偏差更为鲁棒（对于含有噪声数据而言）

2.4聚类分析 

相对于聚类前的准备工作，真正的执行过程显得异常简单。数据准备好后，丢到统计软件（通常是spss）里面跑一下，结果就出来了。 

这里面遇到的一个问题是，把用户分成多少类合适？通常，可以结合几个标准综合判断： 

1、看拐点（层次聚类会出来聚合系数图，如下图，一般选择拐点附近的几个类别）

2、 凭经验或产品特性判断（不同产品的用户差异性也不同）

2.5各店群重要特征  

确定门店分类方案之后，我们需要返回观察各类别用户在各个变量上的表现，同时计算门店关心其他属性：如温度带、门店主色数量、主码数量、中一类下总款数等与门店相应的属性，用于相关的补货逻辑。

店群属性的计算同样通过群内各门店属性的取平均得到。