ペルソナに関するよくある質問

Amplitudeは以前、ペルソナチャート用のクラスターを生成するにあたりK平均法アルゴリズムを使用していました。このアプローチには、次の2つの重要な制限があります。

• この手法では異常値をうまく処理できないため、出現頻度の範囲が広い行動の場合、クラスタが異常なエンゲージメントパターンを表す方向に歪む可能性があります。その結果、クラスターがより典型的な行動率におけるニュアンスを捉えられない可能性があります。
• 「高次元」データをうまく処理できないため、カスタマーがさまざまなイベントタイプを持っている場合、クラスタは行動が非常に似ているユーザーグループを表すことができない可能性があります。

これらの理由から、Amplitudeはクラスタリングをより効果的に活用して、カスタマーがデータ内のユーザー行動の意味あるパターンを特定できるようにする方法を模索しました。この取り組みを通じて、AmplitudeはK平均法を非負行列因数分解に置き換えました。

AmplitudeはNMFを使用してクラスターを計算します。 あるデータセットが与えられた場合、クラスタリングアルゴリズムは、各パーティション内の類似性を最大化しながら、異なるパーティション間の類似性を最小化する方法を模索します。

元の「イベント空間」が抱える高次元性の問題を回避するため、NMFは明示的に数学的な次元削減を実行して、より理解しやすい「行動空間」に到達します。また、この方法は、イベントの頻度に基づいてイベントを重み付けし、各ユーザーのイベント数を正規化することで、異常値の影響を軽減します。 より単純な行動空間に投影されると、特定の行動次元に沿って類似しているユーザーが容易にクラスターを形成します。

振る舞い空間内の次元の数は、指定されたクラスタの数と一致します。この組み込まれた関連性により、NMFクラスターは階層的になる傾向があります。

NMFの仕組みの詳細については、NMFクラスタリングに関する論文を参照してください。