Come usare lo strumento
Apri un file di dati o usa i dati di esempio, spunta le domande numeriche su cui fare clustering (di solito punteggi di atteggiamento, bisogno o importanza), imposta l'intervallo del numero di segmenti da confrontare (ad esempio da 2 a 6) ed esegui. Confrontare cinque soluzioni richiede di solito meno di un secondo.
Guarda prima la tabella di confronto delle soluzioni: silhouette media e quota del segmento più piccolo per ogni k. Scelta una soluzione, la tabella dei profili mostra la media di ogni segmento su ciascuna variabile e l'indice rispetto al totale, e puoi aggiungere variabili socio-demografiche per vederne la composizione. Infine puoi esportare i dati con la colonna del segmento o la tabella dei profili.
Il metodo: k-means e silhouette
Il k-means minimizza la somma dei quadrati delle distanze entro i gruppi W = Σₖ Σ ‖zᵢ − μₖ‖², dove zᵢ sono le variabili standardizzate dell'intervistato i e μₖ è il centro del segmento k. La standardizzazione (media 0, deviazione standard 1) evita che una domanda da 0 a 10 prevalga su una da 1 a 5. I centri iniziali sono scelti con una regola fissa, quindi lo stesso file con le stesse variabili e lo stesso k dà sempre lo stesso risultato; i segmenti sono numerati dal più grande al più piccolo.
La silhouette è s(i) = (b(i) − a(i)) ÷ max(a(i), b(i)), dove a(i) è la distanza media dell'intervistato dagli altri membri del suo segmento e b(i) quella dal segmento più vicino. s(i) va da −1 a 1: più è vicina a 1, più l'appartenenza è netta; vicino a 0 i segmenti si sovrappongono.
- Regola di raccomandazione: tra le soluzioni il cui segmento più piccolo è almeno il 5% si sceglie quella con la silhouette media più alta; se tutte hanno segmenti troppo piccoli, si ripiega sulla silhouette più alta con un avviso.
- Indice = media del segmento ÷ media totale × 100; ≥ 110 è segnalato come alto, ≤ 90 come basso.
- Le righe con una variabile di clustering mancante non partecipano al clustering e la colonna del segmento resta vuota all'esportazione.
Esempio con i dati di esempio
Nei dati sintetici di esempio 600 intervistati valutano 8 attributi di un marchio da 1 a 5 (da brand_grid_1 a brand_grid_8). Eseguendo k da 2 a 6 su queste 8 variabili, la silhouette media è: 0,273 con k = 2, 0,189 con k = 3, 0,172 con k = 4, 0,139 con k = 5, 0,131 con k = 6.
La soluzione consigliata è k = 2, con segmenti di 308 persone (51,3%) e 292 persone (48,7%); con k = 3 la silhouette scende a 0,189. Il segmento 1 ha indici tra 77–81 sugli 8 attributi, il segmento 2 tra 120–125: sono cioè chi dà voti alti a tutto e chi dà voti bassi a tutto, e il risultato riflette il gradimento generale del marchio, non attributi considerati più importanti.
È una lezione utile per i progetti reali: se tutti i punteggi sono guidati dallo stesso atteggiamento generale, il k-means separa soltanto chi apprezza da chi non apprezza. Per trovare gruppi con priorità diverse usa domande di bisogno o di compromesso, oppure centra i punteggi di ogni intervistato prima del clustering.
Quando è adatto e quando no
Valuta una soluzione su tre aspetti: la silhouette media non deve essere vicina a zero, non devono esserci segmenti sotto il 5% circa della base e gli indici alti e bassi devono comporre profili che il tuo team sappia descrivere e usare. Una segmentazione riassume schemi di risposta: non dimostra che esistano tipi di persone naturali.
- Segmentazione su punteggi di atteggiamento o di bisogno, quando ti serve una prima soluzione riproducibile da usare poi nelle tabelle incrociate.
- Alcune centinaia di intervistati completi e variabili numeriche su scale simili.
- Variabili di clustering nominali (area, marca usata): il k-means richiede distanze numeriche, usa l'analisi delle classi latenti.
- Classificare formalmente nuovi intervistati (typing tool): i centri dei segmenti sono un punto di partenza, non un classificatore validato.
Come interpretare i risultati
Una silhouette media sopra 0,5 indica di solito una struttura chiara, tra 0,25 e 0,5 una struttura presente ma con sovrapposizioni, sotto 0,25 l'assenza di raggruppamenti naturali evidenti. Nei dati di indagine la silhouette è spesso modesta: conta di più che i profili siano stabili e comprensibili per chi deve usarli.
Dai un nome ai segmenti in base alle variabili con indici chiaramente alti o bassi e verifica con le tabelle incrociate le differenze socio-demografiche e di comportamento. Riesegui con un altro insieme di variabili o un k vicino: se i segmenti principali restano simili, la soluzione è più affidabile.