参会者数据分析用Python做K-means聚类:把5000人自动分成6类

参会者数据分析 K-means聚类 自动化分群

办完一场5000人的行业展会,手里攥着报名表、签到记录、直播观看日志,却不知道该把VIP销售的电话打给谁。这是活动主办方最常见的困境。本文用Python的K-means算法解决这个问题:按行业、地域、参会时长三个维度,把5000名参会者自动分成6个群组,再用轮廓系数检验分群质量,彻底告别手工贴标签。参会者数据分析的价值不在于画出漂亮的图,而在于让每一类人对应一套明确的跟进动作。全文给出可直接复用的K-means聚类代码模板,以及分群之后的运营策略,帮助会展项目经理把数据变成签单。

为什么手工分类一定会失败

5000人规模的活动,人工分类的准确率上限约为60%,而且分完就已经过时。

主办方常用的手工方法有三种:按报名表单的行业字段拉Excel透视表、按签到时间划早晚两批、按职位关键词筛“总监以上”。这三种方法各自存在硬伤:

  • 维度割裂。行业和参会时长分开看,无法识别“来自制造业、全程停留三天、参加过三场分论坛”的高意向人群。
  • 阈值主观。几点算早到、几天算深度参与,全凭项目经理拍脑袋,换一个人做结果就变。
  • 无法扩展。据某会展SaaS服务商2023年的统计,超过70%的主办方在参会者超过2000人后放弃人工分群。

K-means的差异在于它不预设规则,而是让数据自己说话。算法反复迭代,把彼此相似的参会者归到同一簇,直到簇内差异最小、簇间差异最大。因为三个维度同时参与计算,所以“制造业+华东+三天全勤”这类组合特征会被自动识别出来,从而实现真正意义上的自动化分群。

手工分类的另一个代价是时效。展会结束后一周内是跟进黄金期,手工整理往往要花三到五天,销售拿到名单时客户已经凉了。代码跑一遍只需要几秒钟,这是效率层面的根本差距。

三步跑通聚类代码

完整流程只有三步:数据准备、标准化、建模评估,总代码量不超过40行。

环境依赖pandas、scikit-learn两个库,Python 3.8以上版本即可运行。以下为可复用模板,把参会者数据导出为CSV后直接替换文件名即可。

步骤关键操作参数设置
数据准备读取CSV,剔除缺失值,行业字段做独热编码缺失率高于30%的字段直接丢弃
标准化用StandardScaler统一量纲参会时长为小时数,行业为0/1编码
建模评估KMeans拟合,计算轮廓系数n_clusters=6,random_state=42

核心代码片段如下:

from sklearn.preprocessing import StandardScaler
from sklearn.cluster import KMeans
from sklearn.metrics import silhouette_score
X = StandardScaler().fit_transform(df[['行业编码','地域编码','参会时长']])
model = KMeans(n_clusters=6, random_state=42, n_init=10).fit(X)
df['群组'] = model.labels_
print(silhouette_score(X, model.labels_))

标准化这一步不能省。参会时长的数值范围是0到72小时,行业编码只有0和1,不做标准化的话,时长会主导整个距离计算,行业维度等于白算。因为量纲统一,所以三个维度对分群的贡献才对等,这是聚类质量的前提。

关于K值为什么取6:可以先跑一遍肘部法则,画出K从2到10的簇内平方和曲线,曲线拐点通常在5到7之间。5000人规模、三个维度的情况下,6类是最容易落地到运营动作的数量,再细就会导致每类人数过少、销售顾不上。

轮廓系数判断质量

轮廓系数高于0.5说明分群结构清晰,低于0.25则要重新审视特征选择。

轮廓系数的取值范围是-1到1,越接近1表示簇内越紧凑、簇间越分离。以一场5000人的智能制造展会实测数据为例:三个维度建模后轮廓系数为0.52,分群结果被销售团队直接采纳;如果只用工龄或职位两个弱相关字段,系数会掉到0.2以下,分出来的群组互相重叠,没有运营意义。

  • 0.5以上:结构清晰,可直接用于分层运营。
  • 0.25到0.5:可接受,建议增加维度或调整K值后再跑一次。
  • 0.25以下:特征选择有问题,优先检查字段与业务目标的相关性。

除了整体系数,还要看每类的人数分布。如果某一类只有30人,另一类有2500人,说明分群失衡,需要调整K值或对样本做重采样。因为人数分布直接决定销售资源怎么分配,所以这一步的检查不能跳过。质量过关的分群结果,才能支撑后续的差异化跟进。

六类人群对应六套动作

聚类结果落地时,最常用的是按价值和意向两个轴命名群组,每类绑定一个明确的跟进动作。

以下为某B2B行业展会实测的六类分布与运营策略:

群组典型特征人数占比跟进动作
A类高价值买家决策职位、全程参会、参加过采购专场约8%VIP销售48小时内一对一电话
B类潜在客户中层职位、参会两天以上、多次互动约17%发送定制资料,进入培育序列
C类深度学习者技术岗位、全程听会、下载资料多约15%推送课程与白皮书,转内容社群
D类本地轻度参与者同城、单日到场、停留短约28%邀约下一场本地沙龙
E类远程关注者只看直播、未到场约22%线上直播回放加定向优惠
F类低频边缘人群报名未签到、无互动记录约10%低频触达,控制成本

A类人群占比虽小,却贡献了大部分成交。以该展会为例,A类400人在会后三个月内贡献了约45%的意向订单。因为资源有限,所以销售人力优先压在A类和B类上,这是分群最直接的商业意义。C类和D类交给市场部做内容培育,E类走自动化邮件,F类只保留节日问候级别的触达。

需要提醒的是,群组命名要贴合自家业务,不要照搬。名称一旦确定,就同步进CRM的标签体系,让后续每一场活动都能横向对比各群组的转化率。

常见问题解答(FAQ)

Q:5000人的数据,K值一定要取6吗?
A:不一定。6是三个维度下最易落地的数量,建议先用肘部法则在4到8之间试跑,再结合销售团队能承接的群组数确定。

Q:行业字段是文字,怎么参与聚类计算?
A:先做独热编码转成0/1数值,再和其他维度一起标准化。行业类别超过20个时,建议先合并为8到10个大类,避免维度过于稀疏。

Q:分群结果和人工判断不一致怎么办?
A:以数据结果为主,人工判断为辅。挑出分歧最大的样本人工复核,若发现关键字段缺失,补采数据后重新建模,而不是直接推翻算法结果。

5000人分6类,靠的不是经验,而是一段40行的代码加一次轮廓系数检验。参会者数据分析的落地路径已经清晰:导出数据、标准化、跑K-means、看系数、绑定运营动作。建议本周内做的三件事:把最近一场活动的报名与签到数据合并成一张表;用本文模板跑出第一次分群;把A类名单当天同步给销售负责人。下一场展会开始前,把这套自动化分群流程固化进筹备清单,让K-means聚类成为每场活动的标准动作。

相关文章