Сегментатсияи харидорон мақсад дорад муштариёне, ки дар як бозори амволи ғайриманқул муомила мекунанд, аз рӯи хусусиятҳои рафторӣ/муомилавӣ, аз ҷумла басомади харид, арзиши муомила, нархи воҳиди масоҳат, синну сол ва қаноатмандӣ, ба гурӯҳҳои монанд ҷудо намояд. Ин кор бо истифода аз 2.000 сабти муштарӣ ва 10.000 эълони амволи ғайриманқул се сегменти муштариро дар асоси K-Means месозад ва ин сегментҳоро аз нуқтаи назари маркетинги амволи ғайриманқул ва идоракунии муштариён шарҳ медиҳад.

Аз 10.000 эълон дар маҷмӯаи додаҳои амволи ғайриманқул 7.305 адад фурӯхта шуда, 2.695 адад дар ҳолати Available қарор доранд. Сабтҳои фурӯхташуда бо муштариён мутобиқ карда шуда, барои ҳар муштарӣ нархи миёнаи фурӯш, нархи медиании фурӯш, нархи миёна барои як ft², шумораи харидҳо ва шумораи умумии муомила/эълон ҳисоб шудааст; ба онҳо холҳои қаноатмандӣ ва синну сол илова гардида, ҷадвали ададии кластербандии ҳафтченака сохта шудааст.

Кор алгоритми K-Means-ро аз k=2 то k=8 муқоиса мекунад. Дар ин ҷо як ҷузъиёти муҳими методологӣ мавҷуд аст: арзишҳои баландтарини Silhouette Score ва Calinski–Harabasz Index дар k=2 ба даст меоянд. k=3 на аз он сабаб интихоб шудааст, ки оптимуми мутлақи метрикаҳо бошад; балки аз сабаби аввалин шикасти маънодор дар каҷи Calinski–Harabasz, сатҳи ҳанӯз қобили қабул донисташудаи Silhouette дар k=3 ва талаботи лоиҳа барои доштани ҳадди ақал се сегменти аз нигоҳи тиҷоратӣ тафсиршаванда.

Дар натиҷа гурӯҳи хурди 51-нафараи дорои муомилаҳои зуд-зуд, гурӯҳи 813-нафараи дорои арзиши баланди муомила ва гурӯҳи калони асосии 1.136-нафара ташкил шудааст. Манба онҳоро мутаносибан Premium Buyers, Mid-Market Buyers ва Mainstream Buyers меномад. Аммо тамғаи “Premium” маънои гурӯҳи харидори гаронтарин амволро надорад; баландтарин нархи миёна ва медиании фурӯш дар Cluster 1 дида мешавад.

Чаро муштариёни амволи ғайриманқулро набояд ҳамчун як аудиторияи ягона баррасӣ кард?

Шахсе, ки дар платформаи амволи ғайриманқул хонаи аввалашро мехарад, сармоягузоре, ки такрор ба такрор амвол мехарад, ҳисоби ширкат ё муштарие, ки ба воҳидҳои гаронтар равона мешавад, рафтори харидории яксон надоранд. Як паёми ягонаи маркетингӣ наметавонад эҳтиёҷоти ҳамаи ин гурӯҳҳоро бо як дараҷаи дақиқӣ ҳадаф гирад.

Ҳадафи кор ин аст, ки ба ҷойи таҳмил кардани фарқиятҳо бо тамғаҳои қаблан муайяншудаи муштариён, намунаҳои дохили додаҳои муомиларо тавассути омӯзиши беназорат ошкор намояд.

Маҷмӯаи додаҳои муштариён

Дар маҷмӯаи додаҳои иборат аз 2.000 муштарӣ ҳиссаи муштариёни инфиродӣ %94,9 ва ҳиссаи ширкатҳо %5,1 аст. Тақсимоти ҷинсӣ тақрибан мутавозин мебошад. %76,9 муштариён дар ИМА ҳастанд ва California танҳо бо ҳиссаи %31,7 минтақаи ҳукмрон аст.

Аз рӯи мақсади харид %69,3 муштариён дар категорияи Home ва %30,8 дар категорияи Investment мебошанд. Ҳиссаи муроҷиаткунандагон барои қарз %36,8 ва ҳиссаи муроҷиатнакардагон %63,2 аст. Холи миёнаи қаноатмандӣ аз 5 — 3,03 мебошад.

Маҷмӯаи додаҳои амволи ғайриманқул

Оё додаҳои гумшуда воқеан тасодуфӣ ҳастанд?

Дар эълонҳои дорои ҳолати Available client_ref вуҷуд надорад; зеро ин амвол ҳанӯз ба муштарӣ пайваст нашудааст. Манбаъ ин сохторро ҳамчун MNAR муайян мекунад.

Нуктаи муҳими амалӣ ин аст, ки гумшавӣ ба хатои додаҳо монанд нест: арзишҳои missing бо ҳолати Available ба таври системавӣ ҳампӯшӣ доранд. Азбаски кластербандӣ танҳо аз эълонҳои фурӯхташудае, ки бо муштарӣ мувофиқ шудаанд, сохта шудааст, майдони холии client_ref дар сабтҳои Available мустақиман ба модели кластер ворид нашудааст.

Кадом хусусиятҳо муштариро ифода мекунанд?

Эълонҳои фурӯхташуда тавассути client_id = client_ref бо муштариён муттаҳид шуда, барои ҳар муштарӣ ҳафт хусусияти ададии зерин омода шудааст:

Чаро StandardScaler истифода шуд?

K-Means ба масофаи Евклидӣ байни нуқтаҳо такя мекунад. Дар ҳоле ки нархҳои фурӯш бо садҳо ҳазор ифода мешаванд, холи қаноатмандӣ дар доираи 1–5 аст. Агар арзишҳои хом мустақиман ба модел дода шаванд, тағйирёбандаҳои нарх бо миқёси ададии калон масофаро ҳукмрон мекунанд.

Аз ин рӯ ҳамаи ҳафт хусусияти ададӣ бо StandardScaler тавре стандартӣ шудаанд, ки миёнаи онҳо сифр ва инҳирофи стандартӣ як бошад.

Усул ва Натиҷаҳои Кор

K-Means чӣ гуна кор мекунад?

K-Means нуқтаҳои додаҳоро ба k кластери қаблан муайяншуда тақсим мекунад ва ҳар мушоҳидаро ба наздиктарин маркази кластер нисбат медиҳад. Алгоритм мекӯшад маҷмӯи масофаҳои квадратӣ дар дохили кластерҳоро кам кунад.

Дар ин кор вариантҳои k=2, 3, 4, 5, 6, 7 ва 8 муқоиса шудаанд.

Silhouette Score чиро чен мекунад?

Silhouette Score дар як меъёр муттаҳид мекунад, ки муштарӣ ба дигар муштариёни кластери худ то чӣ андоза наздик аст ва аз наздиктарин кластери алтернативӣ то чӣ андоза дур аст.

Ҳар қадар арзиш ба +1 наздик шавад, ҷудошавӣ қавитар аст; ҳар қадар ба сифр наздик шавад, кластерҳо бештар ҳампӯш мешаванд; агар манфӣ бошад, баъзе мушоҳидаҳо мумкин аст ба кластери нодуруст нисбат дода шуда бошанд.

Calinski–Harabasz Index чиро чен мекунад?

Calinski–Harabasz Index парокандагии байни кластерҳоро бо парокандагии дохили кластер муқоиса мекунад. Арзиши баландтар одатан кластерҳои фишурда ва аз ҳам беҳтар ҷудошударо нишон медиҳад.

Оё k=3 воқеан беҳтарин шумораи кластер аст?

Мувофиқи натиҷаҳои метрикии худи манбаъ, аз нигоҳи сирф математикӣ — қатъиян не. Ҳар ду меъёри санҷиши дохилӣ баландтарин арзишро дар k=2 гирифтаанд. k=3 ҳамчун созиш интихоб шудааст: аввалин шикаст дар каҷи CH, натиҷаи нисбатан устувори Silhouette ва талаботи лоиҳа барои се сегменти тиҷоратӣ.

Calinski–Harabasz Index дар k=2 тақрибан 506 буда, дар k=8 то тақрибан 347 пайваста коҳиш меёбад. Арзишҳои Silhouette бошад дар ҳамаи вариантҳои k ба сифр наздик мемонанд.

Аз ин рӯ сегментатсияи сегонаи кор метавонад аз нигоҳи тиҷоратӣ тафсиршаванда бошад; аммо даъвои он ки додаҳо ба таври табиӣ ба се кластери равшан ва қавӣ ҷудо мешаванд, бо ин метрикаҳо сахт дастгирӣ намешавад.

Андозаҳои кластерҳо

Намоиши PCA чиро нишон медиҳад?

Хусусиятҳои стандартии ҳафтченакаи муштариён танҳо барои визуализатсия ба ду ҷузъи асосӣ коҳиш дода шудаанд.

Дар графики PCA-и саҳифаҳои 15–16-и манбаъ Cluster 0 дар минтақаи боло-рост фишурдатар ва аз дигарон ба таври равшан дуртар менамояд. Cluster 1 ва Cluster 2 бошад дар самти диагоналӣ қисман ҳампӯш мешаванд.

Ин намоиш фаҳмиши сохтори сегментҳоро осон мекунад; аммо чун графики PCA баъд аз модел сохта шудааст, санҷиши мустақили берунии валидация нест.

Натиҷаҳои ANOVA

Ин натиҷаҳо нишон медиҳанд, ки байни кластерҳо дар ин хусусиятҳо фарқиятҳои калон мавҷуданд.

Аммо ҳамин хусусиятҳо ҳамзамон тағйирёбандаҳое мебошанд, ки K-Means барои сохтани кластерҳо истифода кардааст. Бинобар ин, аҳамиятнок баромадани ANOVA ба валидация дар намунаи мустақил баробар нест. Барои арзёбии қавитари устувории сегментҳо бознамунасозӣ, таҳлили bootstrap/stability, равиши монанди holdout ё муқоиса бо усулҳои алтернативии кластербандӣ метавонист далели иловагии қавитар диҳад.

Cluster 0: Premium Buyers

Ҳарчанд Cluster 0 ҳамагӣ аз 51 муштарӣ иборат аст, баландтарин арзишҳои қаноатмандӣ, синну сол, purchases_count ва total_listings-ро дорад.

Ҷолиби диққат он аст, ки дар хусусиятҳои нарх пешсаф нест. Аз ин рӯ манбаъ ин гурӯҳро на ҳамчун муштариёни харидори гаронтарин амвол дар як муомила, балки ҳамчун муштариёни содиқ ва дорои муносибати арзишманди баланд бо муомилаҳои такрорӣ шарҳ медиҳад.

Пас, тамғаи “Premium” дар ин ҷо бояд ҳамчун премияи муносибат ва басомади муомила хонда шавад.

Cluster 1: Mid-Market Buyers

Гурӯҳи 813-нафараи Cluster 1 баландтарин нархи миёна ва медиании фурӯш-ро дорад. Басомади харид нисбат ба Cluster 0 мӯътадилтар аст.

Манбаъ ин гурӯҳро ҳамчун муштариёне шарҳ медиҳад, ки як ё шумораи камтари харидҳои арзишманд анҷом медиҳанд ва метавонанд ба воҳидҳои калонтарини apartment ё office равона шаванд.

Аз ин рӯ номи “Mid-Market” дар назари аввал метавонад гумроҳкунанда бошад; аз рӯи нархи муомила худи гурӯҳ дар нӯги болоии се кластер қарор дорад.

Cluster 2: Mainstream Buyers

Бо 1.136 муштарӣ калонтарин сегмент мебошад. Дар аксари хусусиятҳои стандартшуда аз миёна пасттар аст ва аз ҷониби манбаъ ҳамчун пойгоҳи муштариёни ҳассос ба нарх, сатҳи вурудӣ ё асосӣ шарҳ дода мешавад.

Аз сабаби андозаи бузурги ин сегмент, арзиши паст барои ҳар муштарӣ маънои паст будани аҳамияти умумии тиҷоратии онро надорад.

Оё аз сегментҳо мустақиман қарорҳои маркетингӣ баровардан бехатар аст?

Сегментҳо гипотезаҳои қобили истифода дар бораи рафтори муштарӣ тавлид мекунанд; аммо худи тавсияҳои маркетингии гузориш таҷрибавӣ санҷида нашудаанд. Барои натиҷаҳои сабабӣ ба мисли “агар ба ин сегмент ин маърака татбиқ шавад, конверсия меафзояд” санҷишҳои A/B, маъракаҳои проспективӣ ё валидацияи мустақил лозим аст.

Равиши тавсияшуда барои гурӯҳи Premium

Манбаъ барои ҳамаи 51 муштарӣ premium CRM/менеҷери муносибат, дастрасии барвақт ба инвентари нав, баррасиҳои шахсисозишудаи портфел ва барномаҳои referral-ро пешниҳод мекунад.

Мантиқи ин тавсияҳо сатҳи баланди муомилаҳои такрорӣ ва қаноатмандӣ аст; аммо гузориш санҷида наметавонад, ки ҳавасмандсозии referral воқеан конверсияи баландтар медиҳад.

Равиши тавсияшуда барои гурӯҳи Mid-Market

Манбаъ upsell ба воҳидҳои калонтар ва Office, ҳадафгирии эълонҳои тақрибан 350.000–500.000 доллар ва зиёда аз 1.100 ft² ва гузаронидани маърака дар канали Agency-ро пешниҳод мекунад.

Инҳо қоидаҳои ҳадафгирӣ мебошанд, ки аз профили кластер ҳосил шудаанд; афзоиши фурӯш таҷрибавӣ чен нашудааст.

Равиши тавсияшуда барои гурӯҳи Mainstream

Оптимизатсияи Website/SEO, намоён кардани имкониятҳои қарз ва пешбарии эълонҳои сатҳи вурудӣ бо масоҳати камтар аз 800 ft² ва нархи камтар аз 250.000 доллар пешниҳод мешавад.

Ҳамчунин механизмҳои вафодорӣ баррасӣ мешаванд, ки тавассути ҳавасманд кардани хариди дуюм гузариши муштариро аз Mainstream ба Mid-Market фароҳам оваранд.

Оё тамғаи сегмент ва персонаи муштарӣ як чизанд?

Не.

K-Means танҳо се кластери додаасос сохтааст. Аммо дар брифи лоиҳа чор персонаи тиҷоратӣ ҳаст: Global Investors, Luxury Investors, Corporate Buyers ва First-Time Buyers.

Манбаъ баъдан се кластерро бо ин чор персона мутобиқ мекунад. Масалан, Cluster 0 ҳам бо Global Investors ва ҳам бо Luxury Investors алоқаманд мешавад, дар ҳоле ки дар дохили Cluster 2 онҳое, ки loan_applied = Yes доранд, метавонанд алоҳида ҳамчун First-Time Buyers ҷудо шаванд.

Ин марҳилаи дуюм кластери нави аз ҷониби K-Means кашфшуда нест; таснифоти тиҷоратии қоидаасос аст.

Streamlit dashboard чӣ медиҳад?

Гузориш чор панели асосиро муайян мекунад:

Гуфта мешавад, ки филтрҳои Country, region, acquisition purpose ва client type метавонанд ба ҳамаи графикҳо ба таври динамикӣ татбиқ шаванд.

Ду масъалаи муҳими валидация дар бахши адабиёт

Гузориш мегӯяд, ки Limsombunchai ва ҳамкоронаш моделҳои hedonic дар асоси buyer-segment-ро санҷидаанд. Аммо сабти библиографии мустақил нишон медиҳад, ки таҳқиқот муқоисаи hedonic price model ва artificial neural network дар 200 хонаи Christchurch будааст. Аз ин рӯ тавсифи сегментатсия дар гузориши манбаъ бо ин мақола мувофиқ ба назар намерасад.

Барои Antipov ва Pokryshevskaya (2012) низ масъалаи монанд вуҷуд дорад. Гузориш онро ҳамчун татбиқи ensemble classification ба buyer segment-ҳои аз K-Means ҳосилшуда тавсиф мекунад, дар ҳоле ки кори аслӣ ба mass appraisal-и манзил бо Random Forest ва ташхиси моделҳои бар асоси CART равона шудааст.

Ин ҳолат рақамҳои таҳлили асосии K-Means-ро худ аз худ беэътибор намекунад; аммо нишон медиҳад, ки баъзе асосноккуниҳои бахши адабиёт бояд бо манбаъҳои худ дубора мутобиқ карда шаванд.

Ҷиҳатҳои қавии кор

Қадамҳои тозакунии додаҳо ба таври равшан ҳуҷҷатгузорӣ шудаанд. Тағйирёбандаҳои категориявӣ аз тағйирёбандаҳои кластербандӣ ҷудо карда шудаанд. Асосноккунии стандартсозӣ ба масъалаи дуруст пайваст аст. Андозаҳои кластерҳо, PCA, ANOVA ва профилҳои сегментҳо якҷоя пешниҳод шудаанд. Dashboard ҳадафи интиқоли натиҷаи техникӣ ба корбарони тиҷоратиро равшан мекунад.

Маҳдудиятҳои кор

Маҳдудияти аввал ин аст, ки қарори k=3 аз талаботи тиҷоратӣ таъсир гирифтааст. Маҳдудияти дуюм — арзишҳои пасти Silhouette нишон медиҳанд, ки сарҳадҳои сегментҳо қавӣ нестанд.

Маҳдудияти сеюм — кластерҳои бо ҳамон тағйирёбандаҳо сохташуда боз бо ҳамон тағйирёбандаҳо тавассути ANOVA “тасдиқ” мешаванд. Маҳдудияти чорум — тамғаҳои сегмент, махсусан “Premium” ва “Mid-Market”, бо тартиби мустақими ададии нарх мувофиқ нестанд.

Маҳдудияти панҷум — танҳо рафтори муомилавии мавҷуда истифода шудааст. Андозаи вақт, арзиши умрии муштарӣ, фоизи бозор, индекси манзил ва режимҳои макроиқтисодӣ ба модел дохил нашудаанд.

Маҳдудияти шашум — пойгоҳи додаҳо аз нигоҳи ҷуғрофӣ сахт ба ИМА ва махсусан California такя мекунад. Аз ин рӯ интиқолпазирии мустақими сегментҳо ба кишварҳо ё бозорҳои дигар нишон дода нашудааст.

Хулосаи умумӣ

Ин кор ба ҷойи дидани пойгоҳи муштариёни амволи ғайриманқул ҳамчун як аудиторияи ягона, ҷараёни кори амалии илми додаҳоро пешниҳод мекунад, ки аз рафтори муомилавӣ се профили тиҷоратӣ месозад.

Сохтори сегона аз нигоҳи тиҷоратӣ фаҳмо аст: муштариёни хурд, вале содиқ бо басомади баланд; гурӯҳи миёнаҳаҷме, ки ба муомилаҳои гаронтар равона мешавад; ва пойгоҳи калони муштариёни асосӣ.

Бо вуҷуди ин, хулосаи он ки k=3 оптимуми мутлақи оморӣ аст, аз ҷониби додаҳои манбаъ сахт дастгирӣ намешавад. Метрикаҳои дохилӣ k=2-ро баландтар баҳогузорӣ кардаанд ва k=3 қисман бо сабаби талаботи тиҷоратӣ интихоб шудааст.

Аз ин рӯ истифодаи пурқуввати гузориш на дар даъвои “мо се синфи табиии муштариёнро дар бозор қатъиян кашф кардем”, балки дар дидани он ҳамчун прототипи тафсиршавандаи сегментатсияи амалиётӣ барои ҳадафгирии муштарӣ ва таҳияи dashboard мебошад.

Ёддошти Манбаъ ва Усул

Кори аслӣ:Machine Learning Based Buyer Segmentation and Investment Profiling for Real Estate Market Intelligence.

Муаллиф: Gokul Mallabathula.

Нақш дар файли манбаъ: Data Science Intern, Unified Mentor | Parcl Real Estate Intelligence Project.

Навъи манбаъ: Гузориши лоиҳаи илми додаҳои амалӣ / сегментатсияи муштариёни амволи ғайриманқул.

Санаи рӯйи файл: Июни 2025.

Метадодаи SSRN: Date Written 31 May 2026; Posted 25 June 2026; SSRN abstract 6881578.

DOI: 10.2139/ssrn.6881578.

Номувофиқии сана: Июни 2025 дар муқоваи PDF бо санаҳои 2026 дар метадодаи SSRN мувофиқат намекунад. Verianla ин фарқро бе ислоҳ намоён нигоҳ медорад.

Доварӣ: Далеле нест, ки кор version-of-record-и маҷаллаи доваришуда бошад; он ҳамчун матни кории лоиҳа/SSRN арзёбӣ шудааст.

Литсензия: Сабти SSRN мегӯяд, ки ҳуқуқҳо ҳифз шудаанд ва истифодаи дубора бе иҷозат манъ аст. Аз ин рӯ тарҳи графикҳои манбаъ набояд мустақиман нусхабардорӣ шавад.

Додаҳо: 2.000 муштарӣ, 10.000 эълони амволи ғайриманқул; аз онҳо 7.305 фурӯхта шудаанд ва 2.695 дар ҳолати Available қарор доранд.

Ҷадвали кластербандӣ: Ҳафт хусусияти ададӣ барои 2.000 муштарӣ.

Хусусиятҳо: avg_sale_price, median_sale_price, avg_price_per_sqft, purchases_count, total_listings, satisfaction_score ва age.

Миқёссозӣ: StandardScaler.

Алгоритми асосӣ: K-Means.

Номзадҳои k: 2–8.

Метрикаҳои валидацияи дохилӣ: Silhouette Score ва Calinski–Harabasz Index.

Маҳдудияти интихоби k: Ҳар ду метрика дар k=2 ба авҷ расидаанд. k=3 бо дарназардошти якҷояи аввалин шикаст дар каҷи CH, тафсирпазирӣ ва талаботи ҳадди ақал се сегменти тиҷоратӣ интихоб шудааст.

PCA: Барои визуализатсияи дуандозаи хусусиятҳои стандартии ҳафтченака баъд аз кластербандӣ татбиқ шудааст.

Таҳлили оморӣ: One-way ANOVA ва Tukey HSD. Азбаски ҳамон хусусиятҳо ҳам дар кластербандӣ ва ҳам дар санҷиши баъдии аҳамиятнокӣ истифода мешаванд, ин санҷишҳо валидацияи мустақили берунии кластерҳо нестанд.

Сегментҳо: Cluster 0 — Premium Buyers, n=51; Cluster 1 — Mid-Market Buyers, n=813; Cluster 2 — Mainstream Buyers, n=1.136.

Маҳдудияти тамға: Номи “Premium” барои Cluster 0 ба баландтарин нархи харид асос наёфтааст; баландтарин avg_sale_price ва median_sale_price дар Cluster 1 ҳастанд.

Dashboard: Dashboard-и чорҷадвалавии бар асоси Streamlit гузориш шудааст. Дар PDF анбори коди мустақилона иҷрошаванда ё пайванди deployment тасдиқ нашудааст.

Санҷиши адабиёт: Тавсифи манбаъҳои Limsombunchai et al. (2004) ва Antipov & Pokryshevskaya (2012) дар гузориш бо мавзӯъҳои аслии корҳои санҷидашуда пурра мувофиқат намекунад. Аз ин рӯ ин истинодҳо дар матни Verianla ҳамчун далели мустақими усули сегментатсия истифода нашудаанд.

Кори оянда: Манбаъ пешниҳод мекунад, ки ҳалли k=3 бо кластербандии иерархӣ санҷида шавад, бо додаҳои муомилавии вақтӣ моделҳои lifetime-value сохта шаванд, фарогирии ҷуғрофӣ васеъ гардад ва нишондиҳандаҳои макроиқтисодӣ ба монанди меъёрҳои фоизӣ/индексҳои минтақавии манзил илова карда шаванд.

Усули омодасозии Verianla: Андозаҳои дода, қадамҳои модел, натиҷаҳои сегмент ва тавсияҳои тиҷоратии манбаъ нигоҳ дошта шудаанд; аммо қувваи интихоби k=3, хусусияти валидационии post-clustering ANOVA, маънои номҳои сегментҳо ва истинодҳои адабиёт бе эҷоди қатъияти берун аз манбаъ аз нигоҳи методологӣ ҷудо карда шудаанд. Афзоиши фурӯш, бозгашти сармоя ё иҷрои пешгӯие, ки дар манбаъ нест, тавлид нашудааст.