Cluster Analysis

Updated: Feb 19, 2023

แวะมาทบทวน Cluster Analysis กันสักหน่อยครับ

ทำไมต้อง cluster analysis

หากพูดถึงการวิเคราะห์เกี่ยวกับการจัดกลุ่มแล้ว คงหนีไม่พ้น Factor Analysis โดยเฉพาะ Exploratory Factor Analysis (EFA) นั้นเป็นการแบ่งกลุ่ม หรือจัดกลุ่มเกี่ยวกับตัวแปร เช่น มีตัวแปร (ข้อคำถาม) 20 ข้อ แล้วให้สถิติช่วยดูว่าจะสามารถจัดกลุ่มได้กี่กลุ่ม แต่ละกลุ่มมีตัวแปรหรือข้อคำถามข้อใดอยู่ในนั้นบ้าง ซึ่งการวิเคราะห์ EFA ก็เป็นหนทางนำไปสู่การวิเคราะห์ CFA, SEM ต่อไป

นอกจากนี้ อีกวิธีการคือ Cluster Analysis ซึ่งมักถูกนำไปใช้ในทางการตลาดเสียเป็นส่วนใหญ่ โดยต้องการจะทดสอบว่า จำนวนกลุ่มตัวอย่างที่มีทั้งหมดนั้นสามารถแบ่งได้เป็นกี่กลุ่ม เช่น เก็บข้อมูลจำนวนการซื้อ ผลิตภัณฑ์ที่ซื้อ ด้วยกลุ่มตัวอย่าง 500 คน แล้วอยากรู้ว่าใน 500 คนนี้ ผลิตภัณฑ์กับจำนวนที่ซื้อนั้น สามารถแบ่งกลุ่มผู้ซื้อออกเป็นกี่กลุ่ม เพื่ออะไร ก็เพื่อให้ได้กลุ่มลูกค้าใหม่ (Segmentation) ที่อาจจะนำไปสู่การจัดสินค้าที่เจาะจงเฉพาะกลุ่มมากขึ้น

ซึ่งในบทความจะพูดถึง Cluster Analysis

Cluster มี 2 แบบหลักๆ

Cluster analysis ที่จะว่ากันในบทความนี้ จะพูดถึง 2 แบบของ Cluster ก็คือ 1) Hierarchical cluster analysis และ 2) K-mean cluster analysis

Hierarchical Cluster Analysis เป็นแนวทางการวิเคราะห์ Cluster แบบที่ไม่มีการกำหนดกลุ่มไว้ล่วงหน้า โดยใช้วิธีการพิจารณาจากค่า Coefficient ในแต่ละ Stage ร่วมกับการดู Dendogram แล้วพิจารณาว่าการแบ่งกลุ่มนั้น จะแบ่งได้เป็นกี่กลุ่ม

K-mean Cluster Analysis เป็นแนวทางการวิเคราะห์ Cluster แบบที่มีการกำหนดกลุ่มไว้ล่วงหน้าแล้ว เพื่อทดสอบว่าจำนวนกลุ่มที่กำหนดไว้นั้นมีความเหมาะสมดีหรือไม่

**โดยทางปฏิบัติ นิยมทำควบคู่กันทั้ง 2 วิธี ในกรณีที่ไม่มีการกำหนดกลุ่มล่วงหน้า โดยหาจาก Hierarchy ก่อน แล้วนำจำนวนกลุ่มที่น่าจะเหมาะสมไปทดสอบกับ K-mean ต่ออีกครั้ง ซึ่งอาจทำโดยการสร้างตัวเลือกหลายๆทางได้ เช่น พิจารณาว่า 4-5 กลุ่มเป็นกลุ่มที่น่าจะเหมาะสม จากนั้นนำไปทดสอบด้วย K-mean ทั้งแบบ 4 กลุ่ม และ 5 กลุ่ม แล้วพิจารณาว่าแบบไหนที่ดีที่สุด เหมาะสมที่สุด และมีความเป็นไปได้ในทางปฏิบัติมากที่สุด