店の買い物記録をAIで分析したら、お客さんが三つのグループに分かれた。「うちには三種類のお客さんがいるのか」と思う前に、設定欄を見てみます。使った方法がk-meansなら、三つという数を先に指定していたかもしれません。
三つの図で、点の位置は同じです。指定する組数を変えると、同じ記録でも色分けが変わります。点は説明用に作った12人分の記録で、軸は尺度をそろえた値です。
k-means（k平均法） は、指定した数の中心を置き、近い記録を同じ組にまとめながら中心を動かす方法です。図では、購入回数と購入額の二つの数字で近さを測っています。
二組なら大きくまとめ、四組なら細かく分ける結果になりました。三組を選んだ結果に「常連」「まとめ買い」「たまに来る人」と名前を付けるのは、その後に記録を読んで行う解釈です。どんな数字を使って、いくつに分けたかが結果に関わります。
分ける数を変えて、どのお客さんの組が変わるかを見ると、境目の曖昧さが分かります。施策に使うなら、その組にどんな案内を送ると役立つか、実際の反応も確かめます。購入回数と購入額だけでは、買い物の理由まで読み取れません。
また、k-meansは細長い形などを扱いにくい場合があります。別の方法では、グループ数の決め方も変わります。今回は、よく使われる一つの方法で、組数の指定が結果をどう変えるかを示しました。