主要分析方面：客户合理分群
客户分群实现：使用聚类构建指标，需理解聚类的分析逻辑，需使用软件：tableau
聚类方法：选择3指标分别为购买总金额，客户购买次数、类平均购买价格（四类的平均购买价格，四类字段列进行avg聚合）
类平均购买价格：计算消费数据中所以四级品类消费金额的平均值，等于为每个品类构造了一个数值标签字段，在聚类中使用了按会员计算这个字段的均值，购物品种结构越接近，之间距离越小，越可能聚为1类。
tableau提供的聚类功能在分析中设置不同的群集方式，案例中划分了10组。另外案例中销售金额比较大，会绝对主导距离设置的计算，聚类中使用销售金额的10的对数，代替销售金额加以处理。
一、客户群集
1）连接文件：
2）过滤异常数据（消费金额大于0的数据）
3）创建【类平均购买价格】字段
4）创建散点图（排除负值和空值）
5）修改公式，将类平均价格由求和改为avg
6）进行客户分群
7）生成群集字段（群集字段可拖动到维度区域生成可重用的群集字段，分析-添加趋势线，设置置信区间，将y截距设置为0）
8）结果
分析：
- 群体1总体规模不大，该群体在服装、化妆品上都表现了一定的购买倾向，群体中可能女性群体偏大。
- 群体5和8消费结构有一定的相似性，8在食品上的消费比5多，5基本没有食品消费，2者均在家电和厨房电器上消费多，证明2者可能都属于男性购物群体，8可能年龄更大，有后代，在童装上消费比较多，购物更加多元化，而5更加单一，更偏向于年轻小情侣。
二、客户群集分析2
跟换上述散点图列维度消费金额为类平均购买价格进行观察。
分析：观察集群2规模数量最大，但其购买频次和和类平均购买价格都偏低，这个需要注意，如果客户群体是注册时间一点时期的老会员，说明客户平时购物行为都不是发生在本购物中心，客户存在流失情况。如果是新注册会员，可能需要进行一些营销策略，提升新用户体验，初期接触时维持住多数客户。
三、群集消费者条形图
1）不同群集对记录数和消费金额做条形图，忽略（排除）未建立群集的列。
2）调整条形图格式，修改记录数为counted，修改其轴为倒序模式。
3）然后再对会员ID排序，调整颜色
分析：以上为群体集群规模对会员的消费金额，购物数量条形图。可观察出群体聚类规模并不均匀，4个群集规模较大，其他规模较小。不同群集贡献的购买金额和群集规模并不完全对应。
四、不同产品类消费图形
1）拖动大类、会员ID（群集）、记录数、消费金额生成条形图
2）修改成双轴图（消费金额）
3） 标记卡上调整记录数为条形图，消费金额为区域图形，CTRL+W交换行和列，编辑记录数轴，每行每列使用独立的轴范围。
4）隐藏坐标轴（取消记录数标题）
5）生成仪表盘