淘宝用户行为分析（四）：行为聚类

在上一篇文章，我们初步探讨了这份淘宝用户数据所体现的用户行为特点，具体说到一次淘宝行为是怎么开始的，怎么结束的，当中又涉及多少种，累计多少次小的动作。

本文将继续研究用户的行为特点，通过kmeans聚类将这些行为分为不同的类别，并归纳出各群特征。
依然将用户-商品-时间段-点击数-加购数-收藏数-购买数记为一次淘宝行为，统计周期过长过短都不能概括一次淘宝过程，我这里考虑建模代价与结果反馈选了1个月，具体请视实际情况和业务人员意见为定。

数据准备（用户-商品-时间段-点击数-加购数-收藏数-购买数的聚合计算）——聚类分析——结果展示——特征归纳，下面按这个顺序来。

1. 数据准备
   通过sqldf（聚合计算）+reshape2（一维表转二维表），原12256906x6的数据集变为5291166x4再变为4686904x6。
   以第15行说明所得数据集的含义，这个月内，用户4913对商品12265214主页看了8次，收藏了1次，但没有加入购物车也没有下单购买。
   

2. 聚类分析
   参与聚类的特征指标为一次淘宝行为中四种行为click、collect、cart和buy的占比，因为之前写过一篇关于聚类的文章，类别选择的原理就跳过，直接看结果，类别数为4、5都可以。
   

3. 结果展示
   选取类别数为5。分类效果和每个类别的数量如图，阴影重合面积较少，意味着分类效果不错，其中第3类用户占了89.1%。
   
   

4. 特征归纳
   各个类别在四种行为click、collect、cart和buy上区分度很明显。
   C1：特别喜欢将逛过的商品收藏起来
   C2：加入购物车和购买的比例的比例都是最高
   C3：只是单纯看看
   C4：看和加入购物车的比例较高，但下单的比例很低
   C5：相比C3，不仅看,也会收藏、加购、下单

dd<-read.csv('tianchi_mobile_recommend_train_user.csv')

library(sqldf)
library(gsubfn);library(proto);library(RSQLite)

#过程聚合计算
aa<-sqldf('select user_id,item_id,behavior_type,count(1) from dd
          grou