페르소나 FAQ

이전에는 Amplitude가 K-Means 알고리즘에 의존하여 페르소나 차트의 클러스터를 생성했습니다. 이 접근법에는 두 가지 중요한 제약점이 있습니다.

• 이는 이상값을 잘 처리하지 못하므로 빈도 범위가 큰 행동은 클러스터를 비정상적인 참여 패턴을 나타내는 방향으로 왜곡할 수 있습니다. 결과적으로 클러스터는 보다 일반적인 동작 속도에서 뉘앙스를 포착하지 못할 수 있습니다.
• 이는 "고차원" 데이터를 잘 처리하지 못하므로 고객이 다양한 이벤트 유형을 가지고 있을 때 클러스터는 행동이 실제로 비슷한 사용자 그룹을 나타내지 못할 수 있습니다.

이러한 이유로 Amplitude는 고객이 데이터에서 의미있는 사용자 행동 패턴을 식별할 수 있도록 클러스터링을 더 잘 사용하는 방법을 모색했습니다. 이 작업을 통해 Amplitude는 K-평균을 비음수 행렬 분해로 대체했습니다.

Amplitude는 NMF를 사용하여 클러스터를 계산합니다. 데이터 세트가 주어지면 클러스터링 알고리즘은 각 파티션 내의 유사성을 극대화하고 서로 다른 파티션 간의 유사성을 최소화하는 방식으로 세트를 분할하는 방법을 모색합니다.

원래의 "이벤트 공간"에서 고차원성의 저주를 피하기 위해 NMF는 명시적으로 수학적 차원 축소를 수행하여 보다 이해하기 쉬운 "동작 공간"에 도달합니다. 또한 이 방법은 빈도에 따라 이벤트에 가중치를 부여하고 각 사용자의 이벤트 수를 정규화함으로써 이상값 효과를 줄입니다. 일단 더 단순한 행동 공간에 투영되면 특정 행동 차원에서 비슷한 사용자들은 쉽게 함께 모입니다.

행동 공간의 차원 수는 지정된 클러스터 수와 일치합니다. 이러한 기본 제공 연결 때문에 NMF 클러스터는 계층 구조를 갖는 경향이 있습니다.

NMF 작동 방식에 대한 자세한 내용은 NMF 클러스터링 문서를 참조하십시오.