אשכול היררכי
Hierarchical Clustering

נניח שאתם המנהלים של פארק שעשועים עצום וקסום.
בכל בוקר, השערים נפתחים ו-100,000 מבקרים שוטפים את הפארק. ממבט על, זה נראה כמו כאוס התנהגותי מוחלט:

חלקם רצים בטירוף לרכבות ההרים הכי מפחידות באזור האקסטרים. חלקם עומדים שעתיים בתור בשביל חיבוק וסלפי עם בובה של עכבר מפורסם ויש כאלה שפשוט יושבים על ספסל, אוכלים צמר גפן מתוק ומחכים לתהלוכה.

לקראת הקיץ אתם רוצים לצאת עם קמפיין פרסום ממוקד שישלח במייל ללקוחות הקבועים – הצעות לחבילות נופש חדשות שתרצו לשווק.
אתם רוצים לשווק כל חבילה בדיוק לקהל היעד המתאים לה ושיש סיכוי גדול שירכוש אותה – כלומר לטרגט את החבילה אל קהל היעד המתאים על מנת שלא יתבזבז כסף על פרסום שיגיע ללקוחות הלא נכונים (למשל חבילת אקסטרים לאלו שאינם חובבי רכבות הרים ומעדיפים לצפות במופעים).

כיצד תוכלו לעבור על כל מאות אלפי הלקוחות של הפארק הנמצאים במאגר שלכם, לחלק אותם לקבוצות ולשלוח אליהם את הפרסום המתאים להם בדיוק?

היתרון על פני המוח האנושי

כאן נכנס לתמונה אלגוריתם למידת המכונה Hierarchical Clustering.
בעולם השיווק הקלאסי, מנהל אנושי ינסה לחלק את הלקוחות לפי קטגוריות צפויות מראש (כמו “צעירים” או “מבוגרים”). לאלגוריתם אין קיבועים כאלו.

האלגוריתם יכול לחשוף חוקיות מפתיעה. למשל, הוא יכול לגלות קבוצה של סבתות אוהבות אקסטרים שמבלות את הבוקר ברכבות ההרים, אך בשעות הצהריים עוברות לאזור הפנטזיה לקנות המון מזכרות יקרות ולתפוס מקום למצעד. מנהל אנושי בחיים לא היה מנחש שיש קבוצת סבתות אוהבות אקסטרים או שחובבי אדרנלין קיצוניים יוציאו הרבה כסף על בובות פרווה, אבל האלגוריתם מזהה את המאפיינים המשותפים ומאגד אותם מיד.

באלגוריתמים אחרים (כמוK-Means) חייבים להחליט מראש ובאופן קשיח לכמה קבוצות מחלקים את הנתונים. אלגוריתם אשכול היררכי בונה עץ יוחסין ויזואלי מלא, הנקרא  דנדרוגרמה (Dendrogram), השומר את כל שלבי החיבורים בדרך. בסיום, ניתן לחזור אחורה בכל רגע ולשנות את כמות האשכולות אליה נרצה לחלק את הנתונים בשבריר שנייה!