Tutoriel K-means

Étape 1 : Entrée des Données

1. Ouvrez un fichier Excel vierge.

2. Entrez les données dans une feuille en suivant le tableau ci-dessous :

   • ID Client	Âge	Fréquence d'Achat	Montant Dépensé (en €)	Type de Produit Préféré
     1	25	10	1500	Accessoires
     2	45	5	3000	Vêtements
     3	35	20	500	Soin
     4	50	7	2000	Accessoires
     5	28	15	800	Vêtements
     6	40	3	4000	Soin
     7	33	8	2500	Accessoires
     8	52	12	1200	Vêtements
     9	29	6	3500	Soin
     10	48	2	4500	Accessoires

Étape 2 : Normalisation des Données

La normalisation met les données sur la même échelle pour éviter que les valeurs élevées (comme le montant dépensé) dominent les autres.

1. 1. Ajoutez trois nouvelles colonnes à droite de votre tableau, appelées Âge (Normalisé), Fréquence d’Achat (Normalisé) et Montant Dépensé (Normalisé).
   2. Dans la cellule de normalisation pour l’âge (par exemple, F2 pour ID Client 1), entrez la formule suivante pour normaliser l’âge :
      • =(B2-MOYENNE($B$2:$B$11))/ECARTYPE.STANDARD($B$2:$B$11)
   3. Répétez cette étape pour chaque colonne de données :
      • Pour Fréquence d’Achat : remplacez B par C dans la formule.
      • Pour Montant Dépensé : remplacez B par D dans la formule.
   4. Copiez les formules vers le bas pour toutes les lignes de clients (ID Client 1 à 10) dans les trois colonnes.

Étape 3 : Initialisation des Centroïdes

1. Choisissez le nombre de clusters (k). Ici, nous allons utiliser k=3.
2. Ajoutez trois colonnes appelées Centroïde 1, Centroïde 2 et Centroïde 3.
3. Initialisez les centroïdes en utilisant des valeurs aléatoires pour chaque cluster (ou en prenant les valeurs de clients aléatoires pour commencer).
   • Exemple : dans la cellule F13 pour Centroïde 1, entrez les valeurs normalisées de l’un des clients (par exemple, les valeurs d'ID Client 1)

Étape 4 : Calcul de la Distance Euclidienne

Pour chaque client, calculez la distance entre les données normalisées du client et chaque centroïde en utilisant la formule de distance euclidienne.

1. Dans une nouvelle colonne (par exemple, K2), entrez la formule de la distance pour le Centroïde 1 :
   • • =RACINE((F2-F$13)^2 + (G2-G$13)^2 + (H2-H$13)^2)
2. Copiez cette formule pour chaque centroïde.
3. Répétez pour tous les clients dans chaque cluster.

Étape 5 : Assigner Chaque Client au Cluster le Plus Proche

1. Pour chaque client, identifiez la distance la plus courte parmi les trois distances aux centroïdes.
2. Assignez le client au cluster correspondant au centroïde le plus proche.
   • Exemple : dans une colonne de Cluster Assigné pour chaque client, utilisez une formule comme =SI(K2<=L2;1;SI(L2<=M2;2;3)) pour assigner un client au cluster 1, 2 ou 3 en fonction de la distance minimale.

Étape 6 : Calculer les Nouveaux Centroïdes

1. Pour chaque cluster, recalculer le centroïde en prenant la moyenne des valeurs normalisées de chaque client assigné à ce cluster.
2. Remplacez les valeurs initiales des centroïdes par ces moyennes.
3. Répétez l’étape 4 à l’étape 6 jusqu’à ce que les centroïdes ne changent plus de manière significative (c’est-à-dire que les assignations de clusters se stabilisent).

Étape 7 : Analyse des Résultats

1. Une fois les clusters stabilisés, notez la composition de chaque cluster en fonction des caractéristiques des clients.
2. Réfléchissez aux implications stratégiques de chaque cluster pour l'expérience client.