案例11｜Segmentation：從 Clustering 到可行動的客群策略

1. 案例定位

整理原書 Segmentation 的商業定位，以及 Clustering 與 Predictive Modelling 的連結。

2. 學習目標

區分 Clustering 與 Segmentation，理解 Segments 如何支援 Customization 與後續 Models。

3. 案例情境

原書指出 Clustering 是 Unsupervised Grouping 的技術過程；Segmentation 是將群組應用於 Customers／Markets。逐一 Personal Customization 往往無法 Scale，因此企業可改以 Meaningful Segments 行動。

4. 開始資料

概念	原書定位
Clustering	技術性的 Unsupervised Grouping
Segmentation	建立／應用 Customer 或 Market Segments
可能應用	Training、Email Offers、Products、Services、Advertising
Predictive Modelling	可為不同 Segments 建立 separate predictive models

5. 分析方法

先依 Similarity 形成 Clusters → 判斷群組是否 Meaningful／Interpretable → 轉成 Segments → 依群組設計行動，必要時建立各群獨立 Predictive Models。

6. 計算結果

本案例為概念與應用整理，沒有固定數值結果。

7. 結果分析與管理解讀

若 Heterogeneous Groups 的 Influencing Factors 不同，分群後分別建模可能更能捕捉各群 Behaviour；但人的 Characteristics 實際存在 Continuum，群組是分析簡化。

8. AI Prompt

「依以下 Cluster Profiles，判斷哪些群組具有可解釋的 Segmentation 意義，並提出可驗證的商業行動；不要把群組標籤當成人的固定本質。」

9. 思考／What-if

題目： Algorithm 產生 Clusters 後，是否就自然成為可行動的 Segments？

參考解答： 不一定。原書區分技術性的 Clustering 與商業應用的 Segmentation；群組仍需被解釋並判斷是否具有實務意義。