トップ ＞ 分析手法 ＞ クラスター分析

クラスター分析

分類の基準が無い個体群を分類するための手法です。

地域を商品の販売傾向で分類したい

関東から東海地方にかけて展開している食品スーパーを経営しているAさんは、販売傾向によって県をグループ化したいと考えています。類似した県をグループ化する事のによって、倉庫の再配置等、流通効率の向上を図りたいと考えています。ただ、どのような基準でグループ化すればよいのか判断しかねています。ひとまず情報システム部門に商品の売上金額をまとめるよう指示しました。

デンドログラムで類似度を確認

情報システム部門では商品の売上金額をまとめたうえ、Aさんがグループ化に困っているというので、取り急ぎクラスター分析を行いました。Aさんに地域別にまとめた商品の売上金額とともにクラスター分析で出力されるデンドログラムという図表を提示したところ、非常に喜んでいました。デンドログラムには、類似している県ごとにグループ化されていて、その類似度も表現されていたからです。

利用事例

たとえば、こんなときに

こんなことができます

クラスター分析の概要

クラスター分析は、異なる性質の集団の中から似たものを集めてクラスターを作り、対象を分類するための分類手法です。大きく階層型クラスタリングと非階層型クラスタリング（K平均法）が存在し、それぞれ特徴があります。

階層型クラスタリング

階層型クラスタリングは、もっとも似ている組み合わせから順番にまとまり（クラスタ）を作っていく方法です。結合過程を階層であらわし、デンドログラム（樹形図）を作成します。はじめにクラスター数を決定する必要がないという長所がある一方、分析対象が多いとデンドログラムが見難いなどの短所があります。

非階層型クラスタリング（K平均法）

はじめにクラスター数を決める必要があり、最適なクラスター数を探索的に調べる必要があります。しかし、分析対象が多い場合など散布図上で視覚的に分かりやすくグループ化できるというメリットがあります。

データを組み合わせて多角的に分析

Trunk tools では、販売管理と支出管理の取引履歴を、顧客データ、商品データ、スタッフデータ、取引先データを組み合わせて多角的な分析が可能です。ここでは、Trunk tools を利用してできる分析の簡単な一例をご紹介します。

スタッフの販売商品の実績をもとにグループ分け

営業スタッフの再編を検討するために、スタッフの商品カテゴリごとの販売実績により、スタッフをグループ分けしたいと考えています。商品ごとに販売数を集計してクラスター分析を行ったところ、現在のグループとは異なる分類がデンドログラムに表示されました。平均的なグループを目指していましたが、得意商品が同じスタッフを集めて専門化したグループ分けに変更する方針です。スタッフデータに登録してあるデータを参照して、新しいグループの作成を検討しています。

顧客を年齢や商品ジャンルによりグループ分け

顧客データの情報を販売実績だけでなく、年齢や子どもの数、またはリーピート販売の数などを踏まえて、顧客をグループ分けを行います。これにより、単に属性だけでは見えない、顧客の行動と属性を踏まえて、顧客視点に立ったグループわけが可能です。
自社でグループを決定していることはないでしょうか。思い込みにより分類すると現状との乖離から、間違った戦略をとる可能性があります。顧客に限らず、商品データについても同様です。改めて分類方法を見直してはいかがでしょうか。新しい気づきやアイデアを得ることができます。

Trunk tools は誰でも簡単に分析できます

クリックだけで分析結果を集計表示

クラスター化対象の行ラベルを、列の変数でグループ化します。

手法選択で、K平均法または階層型クラスタリングの選択が可能です。

分析結果

階層型クラスタリングの分析結果です。デンドログラムが表示されます。

K平均法の分析結果です。散布図が表示されます。

ブックマークに登録すれば、分析を行なったときのメモとあわせて、いつでも分析結果を復元できます。

分析結果の見方がわからなくても安心

グラフや数値の見方がわからなくても、分析結果とあわせて表示されるポイントとヘルプで、すぐに業務にご活用いただけます。

クラスター分析が終わったら

分析手法一覧から調べたい手法を選択してください。

Trunk toolsでは、業務データからクラスター分析をスムーズに行います

すべてのサービスのデータを組み合わせて利用できます

サービス一覧から利用できる業務データをご確認ください。