Cluster do visitante

O clustering do visitante permite aproveitar as características do cliente para categorizar dinamicamente os visitantes e gerar conjuntos de clusters com base em entradas de dados selecionadas, identificando grupos que têm interesses e comportamentos semelhantes para análise e direcionamento do cliente.

Processo de cluster

O processo de clustering requer que você identifique métricas e elementos de dimensão a serem usados como entradas e permite que você escolha uma população de target específica para aplicar esses elementos para criar clusters especificados. Quando você executa o processo de cluster, o sistema usa a métrica e as entradas de dimensão para determinar os centros iniciais apropriados para o número especificado de clusters. Esses centros são então usados como ponto de partida para aplicar o algoritmo K-Means.

• Os centros iniciais são escolhidos de forma inteligente por meio de um passe de Clustering da Canopy.
• Os clusters de dados são criados associando cada ponto de dados ao centro mais próximo.
• A média de cada um dos clusters K torna-se o novo centro.
• O algoritmo é repetido nas etapas 2 e 3 até que a convergência seja alcançada. Isso pode levar várias passagens.

O Maximum Iterations no Options permite que o analista especifique o número máximo de iterações a serem executadas pelo algoritmo de cluster. Definir essa opção pode resultar em uma conclusão mais rápida do processo de cluster com base no limite máximo de iterações em detrimento da convergência exata dos centros de cluster.

No Construtor de Cluster, você pode selecionar Options > Algorithm para selecionar algoritmos ao definir clusters. Atualmente, há 3 algoritmos compatíveis:

• KMeans
• KMeia++
• Maximização de expectativa

Há duas maneiras de executar o processo de cluster:

• Método 1 - Clique Go na janela de visualização do cluster.
• Método 2 - Clique Submit na janela de visualização do cluster, que envia diretamente o trabalho de cluster para o Servidor. Você pode acompanhar o progresso através da opção "Status Detalhado para Consulta".

O algoritmo tem as seguintes restrições:

1. Se você estiver usando o Método 1, poderá selecionar qualquer um dos algoritmos de cluster suportados.
2. Se estiver usando o Método 2, você pode selecionar kMeds ou kMeia++. A opção Maximização de expectativa não estará disponível.

Recomendações

O número de iterações (número de vezes que os dados são digitalizados) e o limite de convergência que você configura afetam grosseiramente o desempenho do cluster. A tabela a seguir fornece uma diretriz mais ampla que você pode seguir: