시장 세분화 도구

데이터 파일을 열거나 ‘샘플 데이터 사용’을 누르고, 군집에 쓸 숫자형 문항(보통 태도, 니즈, 중요도 평가)을 체크한 다음 비교할 군집 수 범위(예: 2–6)를 정해 실행하세요. 해법 5개를 비교하는 데 보통 1초도 걸리지 않습니다.

실행 후에는 먼저 해법 비교 표에서 k별 평균 실루엣과 최소 세그먼트 비율을 확인합니다. 해법을 고르면 프로필 표가 세그먼트별 변수 평균과 전체 대비 지수를 보여 주며, 인구통계 변수를 추가해 구성을 볼 수도 있습니다. 마지막으로 세그먼트 열이 붙은 데이터나 프로필 표를 내보낼 수 있습니다.

K-평균은 군집 내 제곱거리 합 W = Σₖ Σ ‖zᵢ − μₖ‖²를 최소화합니다. zᵢ는 응답자 i의 표준화된 군집 변수, μₖ는 k번째 군집의 중심입니다. 표준화(평균 0, 표준편차 1)를 하면 0–10점 문항이 1–5점 문항을 압도하지 않습니다. 초기 중심은 고정 규칙으로 고르므로 같은 파일, 같은 변수, 같은 k는 항상 같은 결과를 내며, 세그먼트 번호는 크기 순입니다.

실루엣 s(i) = (b(i) − a(i)) ÷ max(a(i), b(i))입니다. a(i)는 같은 군집의 다른 구성원까지의 평균 거리, b(i)는 가장 가까운 다른 군집까지의 평균 거리입니다. s(i)는 −1에서 1 사이이며 1에 가까울수록 소속이 분명하고, 0에 가까우면 군집끼리 많이 겹친다는 뜻입니다.

합성 샘플 데이터에서는 응답자 600명이 한 브랜드의 속성 8개를 1–5점으로 평가했습니다(brand_grid_1–brand_grid_8). 이 8개 변수로 k = 2부터 6까지 실행하면 평균 실루엣은 k = 2일 때 0.273, k = 3일 때 0.189, k = 4일 때 0.172, k = 5일 때 0.139, k = 6일 때 0.131입니다.

추천 해법은 k = 2이며 두 세그먼트는 각각 308명(51.3%), 292명(48.7%)입니다. k = 3일 때는 실루엣이 0.189에 그칩니다. 세그먼트 1의 8개 속성 지수는 77–81, 세그먼트 2는 120–125입니다. 즉 ‘모두 높게 준 사람’과 ‘모두 낮게 준 사람’으로 나뉘며, 서로 다른 속성을 중시하는 집단이 아니라 브랜드에 대한 전반적 호감을 반영합니다.

실무에 주는 시사점이 큽니다. 모든 평가가 하나의 전반적 태도에 좌우된다면 K-평균은 ‘좋아함’과 ‘싫어함’만 나눕니다. 중시하는 점이 다른 집단을 찾으려면 니즈나 트레이드오프 문항을 쓰거나, 응답자별로 평가를 개인 내 중심화한 뒤 군집 분석을 하세요.

해법을 판단할 때는 세 가지를 함께 보세요. 평균 실루엣이 0에 가깝지 않을 것, 기준의 약 5%보다 작은 세그먼트가 없을 것, 높고 낮은 지수로 팀이 설명하고 활용할 수 있는 프로필이 나올 것. 세분화는 응답 패턴을 요약한 것일 뿐 자연스럽게 존재하는 사람의 유형을 뜻하지 않습니다.

평균 실루엣이 0.5보다 크면 구조가 뚜렷하고, 0.25–0.5면 어느 정도 구조가 있지만 겹침이 있으며, 0.25 미만이면 데이터에 뚜렷한 자연 그룹이 없을 수 있습니다. 설문 데이터의 실루엣은 대체로 높지 않으므로 세그먼트 프로필이 안정적이고 비즈니스에서 이해하고 쓸 수 있는지가 더 중요합니다.

세그먼트 이름은 지수가 뚜렷하게 높거나 낮은 변수를 근거로 붙이고, 교차분석으로 인구통계와 행동 문항의 차이를 확인하세요. 변수 조합이나 인접한 k로 한 번 더 실행해 주요 세그먼트가 크게 바뀌지 않으면 해법을 더 믿을 수 있습니다.