聚类分析-可解释性。

首先因为已经有了这几个人群上面响应的结果，因为是上一波响应，就是营销策略给的结果，所以拿到的是已经做了一次营销活动的，所以有营销活动上的标签。

所以已经剧烈剧出来之后可以对营销标签做个统计，看一下在类别上面的响应度是否有变化。比方在class的零上面响应度是百分之二十，在class一上面有百分之六十，class二上面有百分之五十七，class和三上面有百分之三。

很明显的直观能看到在这四个class上面有两个class的响应度非常高，一个是六十三和五十七，就是一和二这么两个class的，有一个class的响应度非常低，那是class的三，它只有百分之三点五这么一个响应度，这个就能给一个非常好的insight。

在这两个人群上面这两个人群响应度高，marketing后面应该集中去管这两个人群才是比较好的。class三怎么的？响应度只有百分之三，在座更多的marketing响应的可能性也是很低的。

如果能把人群很好的分成class的一二和class的三，如果把这个人群分开，是不是响应度能进一步提高？可能做的没有那么准，但只要能够把class三的人群给踢出一部分，本身的响应度也会提升的。所以这种分析反而能够带来更多的模式的inside，反而是据令算法做完之后觉得要更多要做的事情。

就对每个特征上面进一个统计，先统计响应度，响应度统计之后要看一下到底是哪个特征上面给出来的区别。在这里面，这个时候看一看class一二和class三到底哪些是一样，哪些是不一样的。

比如它的骄傲维度，这个里面如果是类别型统计的是最频繁出现的值，如果是数值型统计的是平均值，这个是很粗糙的分析，但是能够给最开始的硬塞的，最频繁的都是要的命，婚姻状况都是marry的，说明这个东西对我们俩意义不大。

education都是degree而已，意不大，age上面好像也不大，duration会发现class二和上面上下两个就有点点不一样了。duration指的是什么？就是上一次电话里面沟通的时长，证明很明显上一次沟通的时长越大，响应度就会越高。

相比于class的三这一块，这里能不能想到一些业务行业很明显，为什么用户跟我聊天的时间很长？如果是对产品不感兴趣，是不是接到电话上不好意思，不需要存款，对不起，收入很低，太穷了就挂掉了对不对？什么样的人会跟我联系的时间长？是因为真正的对产品感兴趣才会和我多聊一点，询问可能的相关的方式。

所以这个时候就知道上一次的dear v线越高，响应度就会好一点，待会再做具体的响应模型也会能够感受的到，这个维度是很重要的。