如何使用这个工具
打开数据文件或点击“使用示例数据”，勾选用于聚类的数值型题目（通常是态度、需求或重要性评分），再设定要比较的群数范围（例如 2 到 6），点击运行。比较 5 个方案通常不到一秒。
运行后先看方案比较表：每个 k 的平均轮廓系数和最小群体占比。选定一个方案后，画像表会列出每个群体在各变量上的均值和相对总体的指数，并可以加入人口统计变量查看构成。最后可以导出带细分列的数据，或导出画像表。
方法：K 均值与轮廓系数
K 均值的目标是让群内平方距离之和 W = Σₖ Σ ‖zᵢ − μₖ‖² 最小，其中 zᵢ 是受访者 i 标准化后的聚类变量，μₖ 是第 k 个群体的中心。标准化（均值 0、标准差 1）避免 0–10 分的题目压过 1–5 分的题目。初始中心按固定规则选取，所以同一份文件、同样的变量和 k 每次都得到同样的结果；群体按人数从大到小编号。
轮廓系数 s(i) = (b(i) − a(i)) ÷ max(a(i), b(i))，a(i) 是受访者到本群其他成员的平均距离，b(i) 是到最近的其他群体的平均距离。s(i) 介于 −1 与 1 之间，越接近 1 说明归属越清楚；接近 0 说明群体之间重叠较多。
- 推荐规则：在最小群体占比不低于 5% 的方案中取平均轮廓系数最高者；若所有方案都有过小的群体，则退而取轮廓系数最高者并给出提示。
- 指数 = 群体均值 ÷ 总体均值 × 100；≥ 110 标为偏高，≤ 90 标为偏低。
- 任一聚类变量缺失的行不参与聚类，导出时细分列留空。
计算示例
合成示例数据中有 600 名受访者，对一个品牌的 8 项属性做了 1–5 分评价（brand_grid_1 至 brand_grid_8）。对这 8 个变量运行 k = 2 到 6，平均轮廓系数依次为：k = 2 时为 0.273，k = 3 时为 0.189，k = 4 时为 0.172，k = 5 时为 0.139，k = 6 时为 0.131。
推荐方案为 k = 2，两个群体分别为 308 人（51.3%）和292 人（48.7%）；改为 k = 3 时，轮廓系数降到 0.189。第 1 群在 8 项属性上的指数为 77–81，第 2 群为 120–125：也就是“整体都打高分”和“整体都打低分”两类人，反映的是对品牌的总体好感，而不是看重不同属性。
这对实际项目很有参考意义：如果所有评分都受同一个总体态度驱动，K 均值只会分出“喜欢”和“不喜欢”。想找到看重点不同的群体，应使用需求或取舍类题目，或先对每位受访者的评分做个体内中心化再聚类。
适用与不适用的情况
判断一个方案要同时看三点：平均轮廓系数不能接近零；没有低于基数约 5% 的过小群体；高低指数能组成团队说得清、用得上的群体画像。细分只是对答题模式的概括，并不代表天然存在的人群类型。
- 适用：基于态度或需求评分的细分，需要可复现的初步方案，并希望把细分列带到交叉分析中继续使用。
- 适用：有几百名以上的完整受访者，聚类变量是量纲相近的数值题。
- 不适用：聚类变量是名义类别（如地区、使用的品牌）——K 均值需要数值距离，这类数据更适合潜在类别分析。
- 不适用：需要对新受访者做正式归类（typing tool）——这里的群体中心只是起点，不是经过验证的分类器。
如何解读结果
平均轮廓系数大于 0.5 通常表示结构清晰，0.25 到 0.5 表示有一定结构但群体之间有重叠，低于 0.25 则说明数据中可能没有明显的自然分组。问卷数据的轮廓系数普遍不高，所以更重要的是群体画像是否稳定、能否被业务理解和使用。
给群体命名时，以指数明显偏高或偏低的变量为依据，并用交叉分析检查群体在人口统计和行为题上的差异。建议换一组变量或一个相邻的 k 再跑一次：如果主要群体大致保持不变，方案就更可信。