Interaktiver Explainer
Clustering mit k-Means – interaktiver Rechner
Welche Kunden ähneln sich? Die Antwort hängt auch davon ab, wie Ähnlichkeit gemessen wird. Gruppieren Sie dieselben synthetischen Kunden nach Bestellungen und Monatsumsatz und untersuchen Sie den Einfluss der Skalierung.
Gruppieren Sie 90 synthetische Kunden anhand monatlicher Bestellungen und Umsatz. Sie wählen zwei bis fünf Gruppen, schalten die Standardisierung um und ändern die interne Umsatzeinheit. Die ursprünglichen Daten und die Ausgangspunkte bleiben für eine gegebene Gruppenzahl gleich. Alle Berechnungen laufen lokal; echte Kundendaten werden nicht benötigt.
Clustering mit k-Means – interaktiver Rechner
k-Means ordnet jeden Punkt dem nächsten Zentrum zu und berechnet neue Gruppenmittel. Die Grafik zeigt immer ursprüngliche Bestellzahlen und Euro, unabhängig von der intern gewählten Skalierung.
Drei Experimente
- Einheiten ohne Standardisierung wechseln. Schalten Sie die Standardisierung aus und vergleichen Sie Euro mit Tausend Euro. Prüfen Sie Gruppengrößen und Zentren in der Tabelle. Unterschiedliche Zuordnungen entstehen, obwohl dieselben Kunden betrachtet werden.
- Den Einheiteneffekt aufheben. Aktivieren Sie die Standardisierung und wiederholen Sie den Wechsel. Mittelwert und Standardabweichung werden je Merkmal berücksichtigt. Deshalb bleiben die standardisierten Abstände und die Zuordnungen bis auf Rechenrundung gleich.
- Mehr Gruppen zulassen. Vergleichen Sie zwei, drei und fünf Gruppen. Überlegen Sie für jede Aufteilung, welche konkrete Maßnahme sich daraus ableiten ließe. Kehren Sie mit „Zurücksetzen“ zum Anfang zurück.
Was Sie daraus ableiten können
Die Gruppen zeigen Nähe im gewählten Merkmalsraum, keine bewiesenen Kundentypen. Feste Startpunkte machen den Vergleich nachvollziehbar, garantieren aber kein globales Optimum. Ausreißer, unterschiedliche Streuungen und nicht kompakte Strukturen können die Ergebnisse verändern. Die Zentren werden stets in ursprünglichen Einheiten berichtet. Der Artikel über Clustering erläutert die Distanzrechnung und warum Standardisierung eine fachliche Entscheidung bleibt.