Zum Inhalt springen

Glossar

Analytics & BI

Clusteranalyse

Die Clusteranalyse ist eine unüberwachte statistische Methode, die Datensätze wie Kunden, Produkte oder Sitzungen in Gruppen einteilt, deren Mitglieder einander ähnlicher sind als den Mitgliedern anderer Gruppen, und das ohne vordefinierte Labels.

Aktualisiert am · Vom VIZIO AI Team

Was ist eine Clusteranalyse?

Die Clusteranalyse verwandelt jeden Datensatz in eine Reihe von Zahlen und lässt einen Algorithmus entscheiden, welche Datensätze nah beieinanderliegen. Jeder Kunde, jede Filiale oder jede Sitzung wird zu einem Merkmalsvektor, zum Beispiel aus Recency, Bestellanzahl und durchschnittlicher Warenkorbgröße. Ein Distanzmaß, meist die euklidische oder die Kosinus-Distanz, legt fest, was „ähnlich“ bedeutet.

Die wichtigsten Algorithmusfamilien sind:

  • Zentroidbasiert: k-Means ordnet jeden Punkt dem nächstgelegenen von k Zentren zu.

  • Hierarchisch: Agglomeratives Clustering fügt die jeweils nächsten Paare Schritt für Schritt zu einem Baum (Dendrogramm) zusammen.

  • Dichtebasiert: DBSCAN findet dichte Bereiche und kennzeichnet vereinzelte Punkte als Rauschen.

  • Modellbasiert: Gaußsche Mischmodelle geben jedem Punkt eine Wahrscheinlichkeit, zu jeder Gruppe zu gehören.

Sie steht meist in der explorativen Phase vor Datensegmentierung und Targeting, als eine der zentralen unüberwachten Techniken im Machine Learning.

Wie führt man eine Clusteranalyse Schritt für Schritt durch?

Der Großteil der Arbeit findet vor und nach dem Lauf des Algorithmus statt: Merkmale auswählen, skalieren und die Gruppen interpretieren.

  1. Die Einheit (Kunde, Account, SKU) und 4–10 Merkmale wählen, die mit der zu treffenden Entscheidung zusammenhängen.

  2. Ausreißer und fehlende Werte bereinigen; Datenbereinigung ist wichtig, weil Distanzmaße fehlerhafte Zeilen verstärken.

  3. Merkmale skalieren (z-Werte), damit der Umsatz in Dollar die Bestellanzahl nicht überlagert.

  4. k mit der Elbow-Methode (Summe der quadrierten Abstände innerhalb der Cluster) oder dem Silhouettenkoeffizienten wählen, der von −1 bis 1 reicht, wobei höhere Werte besser getrennte Gruppen bedeuten.

  5. Das Modell anpassen und dann jede Gruppe anhand ihrer Merkmalsdurchschnitte und Größe profilieren.

  6. Mit anderen Zufalls-Seeds oder einer Holdout-Stichprobe erneut ausführen, um zu prüfen, ob die Gruppen stabil sind.

Wie sieht eine Clusteranalyse in der Praxis aus?

Ein typischer Einsatz ist es, Kundengruppen zu finden, die unterschiedliches Marketing verdienen, nicht nur unterschiedliche Labels. Nehmen wir eine Direct-to-Consumer-Hautpflegemarke mit 60 Mitarbeitenden auf Shopify und, sagen wir, 80.000 Kunden, die alle dieselben rabattlastigen E-Mails erhalten.

Der Analyst exportiert Bestellungen nach BigQuery und bildet pro Kunde fünf Merkmale: Tage seit der letzten Bestellung, Bestellungen pro Jahr, durchschnittlicher Bestellwert, Anteil der Bestellungen mit Rabattcode und Anzahl der gekauften Produktkategorien. Nach der Skalierung wird KMeans aus scikit-learn für k von 2 bis 10 getestet, und angenommen, der Silhouettenkoeffizient erreicht sein Maximum bei fünf Gruppen.

Die Profilierung zeigt eine Gruppe, die nur mit Codes kauft, eine, die im November Geschenksets zum vollen Preis kauft, und eine treue Gruppe, die zum vollen Preis kauft. Das Team synchronisiert die Labels mit Klaviyo, schickt den Vollpreiskäufern keine Rabattcodes mehr und vergleicht anschließend die Marge pro Kunde mit einer Holdout-Gruppe.

Welche Fallstricke gibt es bei der Clusteranalyse?

Ein Algorithmus liefert immer Gruppen, selbst aus Zufallsdaten; die Beweislast, dass sie real und nützlich sind, liegt also bei Ihnen. Typische Fehlerquellen:

  • K-Means setzt ungefähr runde, ähnlich große Gruppen voraus und teilt lange oder ungleichmäßige Formen schlecht auf.

  • Unskalierte oder redundante Merkmale lassen eine einzige Variable alles bestimmen.

  • Zu viele Dimensionen lassen jeden Punkt gleich weit entfernt erscheinen.

  • Gruppen verschieben sich, wenn Sie die Daten aktualisieren, sodass sich Labels von Monat zu Monat ändern.

  • Statistisch saubere Gruppen, mit denen kein Team etwas anfangen kann.

Verzichten Sie darauf, wenn Sie das relevante Ergebnis bereits kennen, etwa abgewandert oder nicht; das ist ein Klassifizierungsproblem mit gelabelten Daten.

Worin unterscheidet sich die Clusteranalyse von regelbasierter Segmentierung, und mit welchen Tools führt man sie durch?

Regelbasierte Segmentierung wendet Schwellenwerte an, die Menschen gewählt haben; Clustering entdeckt die Grenzen aus den Daten. Eine RFM-Regel wie „hat in den letzten 30 Tagen bestellt und über 200 $ ausgegeben“ ist leicht zu erklären, während ein Clustering-Ergebnis erst profiliert werden muss, bevor es jemand versteht. Viele Teams nutzen Cluster, um Muster zu finden, und formulieren sie dann für den täglichen Gebrauch als einfache Regeln um.

Gängige Tools: scikit-learn (KMeans, DBSCAN, AgglomerativeClustering) in Python, das cluster-Paket in R, der k-Means-Modelltyp von BigQuery ML für Clustering direkt im Data Warehouse sowie die integrierten Clustering-Funktionen in Tableau und Power BI für eine schnelle Exploration. Verwandte Techniken, die sich als Nächstes zu lesen lohnen, sind Data Mining und statistische Analyse.

Clusteranalyse vs. regelbasierte Segmentierung

Clusteranalyse

Regelbasierte Segmentierung

Gruppen definiert durch

Einen Algorithmus, der Ähnlichkeit misst

Schwellenwerte, die ein Analyst festlegt

Benötigte Labels

Keine

Keine, aber Regeln müssen formuliert werden

Am besten geeignet für

Das Entdecken unerwarteter Muster

Bekannte, erklärbare Aufteilungen wie RFM-Stufen

Erklärbarkeit

Erfordert nachträgliche Profilierung

Ergibt sich direkt aus der Regel

Stabilität

Kann sich bei Datenaktualisierungen verschieben

Fest, bis jemand die Regeln ändert

Typische Tools

scikit-learn, BigQuery ML, Tableau

SQL, Klaviyo-Segmente, HubSpot-Listen

Wie geht VIZIO AI an die Clusteranalyse heran?

VIZIO AI geht von der Entscheidung aus, die eine Gruppierung verändern soll, und baut dann die Merkmale und Ansichten darum herum. Für ein globales Premium-Spirituosenunternehmen mit Sitz in den USA kombinierte das DX Studio interne Vertriebsdaten mit Restaurantdaten auf Google-Basis und ergänzte berechnete Kennzahlen und Filter für Interessentenpotenzial, Wiederholungswert und Whitespace in Restaurantmärkten mit hoher Dichte.

Dieses Projekt gruppierte Accounts mit berechneten Kennzahlen statt mit einem formalen Clustering-Algorithmus, erfüllte aber denselben Zweck: dem Außendienst zu zeigen, welche Accounts zusammengehören und welche zuerst besucht werden sollten. Es steigerte die Treffsicherheit bei der Zielkonversion um 23 %, sparte jedem Vertriebsmitarbeiter 3,4 Stunden pro Woche und unterstützte ein Wachstum des Absatzvolumens in Schlüsselmärkten um 17 %.

Wo Sie anfangen: Schreiben Sie die eine Maßnahme auf, die sich zwischen den Gruppen unterscheiden würde, und wählen Sie Merkmale, die sie vorhersagen.

Facebook-Logo
X-Logo
LinkedIn-Logo
Reddit-Logo
Telegram-Logo

AI-first denken.
Zukunftsschnell handeln.

Lassen Sie uns bauen, was als Nächstes kommt! Von Produktideen und intelligenten Workflows bis zu datengetriebenen Systemen und skalierbaren Growth Operations.

Strategiegespräch buchen