概念地圖・K-means 肘部曲線
作者 山姆（謝冠生）・喵喵書評創辦人
發布
分類：系統
這一頁不只是把一個概念解釋一遍——一張自己畫的結構圖，加上拿台灣情境從頭走一次的實例演練、這個框架什麼時候會騙你，以及它接回 P.A.I.N. 之後長什麼樣。一頁必須交付的三層 →
K-means 肘部曲線：多切一刀到底值不值得
分群這件事最尷尬的一刻，是有人問「那要分幾類」。三類、五類、八類，聽起來都像答案，實際上多半只是誰的音量比較大。肘部曲線把這個問題翻譯成一條可以看的線——橫軸是群數 K，縱軸是組內平方和：同一群裡的每個點，離自己那群的中心有多散，全部加起來。K 愈大，這個總和一定愈小，因為群變多、每群變小、每個點離中心自然更近。所以它變小不算新聞；真正要看的，是它從哪一格開始不再明顯變小。
K 從一加到七，組內平方和各掉多少
把同一批資料從 K＝1 跑到 K＝7，每一格的組內平方和記下來，再算「這一刀比上一刀多省了多少」。答案通常藏在最右邊那一欄的降幅裡。
| 群數 K | 組內平方和 | 比前一格少 | 少掉的比例 |
|---|---|---|---|
| 1 | 4,800 | 基準 | 基準 |
| 2 | 2,150 | 2,650 | 55.2% |
| 3 | 980 | 1,170 | 54.4% |
| 4 | 830 | 150 | 15.3% |
| 5 | 720 | 110 | 13.3% |
| 6 | 640 | 80 | 11.1% |
| 7 | 580 | 60 | 9.4% |
前兩刀各砍掉一半以上，第三刀起只剩一成多——1,170 掉到 150，只剩不到一成三。這一格就是肘部：K＝3。再往右加群，總和還是會降，只是每加一群多切一次名單、多開一次會、多養一套流程，換回來的只有 150。這條線沒有替你決定要不要付那個代價，它只是把代價標成看得見的高度。
這個肘部算不算數，看三個訊號
一、前後兩刀的降幅要差一個量級。要比的是相鄰兩刀的降幅。單一格掉了多少，孤零零看都很像很多。K＝3 那一刀還砍掉 1,170，K＝4 只剩 150——前一刀是它的將近八倍，這種差距才撐得起「肘部」兩個字。差距只有一兩成的時候，那條線就是一道平順的下坡，你圈哪一格都能自圓其說，而自圓其說正是這張圖最容易被拿來做的事。自問：把七格的降幅排成一列，最大的那個轉折有沒有到三倍以上？
二、換一顆種子重跑，肘部還在同一格。K-means 開跑前要先丟幾個中心點下去，丟在哪裡會影響最後收斂到哪裡——同一批資料跑兩次，組內平方和可能差個幾十。跑十次取最好的一次是標配，但更該盯的是另一件事：這十次的肘部有沒有指到同一個 K。十次裡有七次指向 K＝3，那個 3 才是資料講的話。十次指到四個不同的 K，那條線只是在陪你聊天。自問：這條曲線你重跑過幾次，每次的轉折落在哪？
三、每一群都叫得出一個名字。數學上分得開的群，業務上不見得叫得出名字。三個群心的座標印出來之後，你要能替每一群寫一句話：這群是什麼樣的案子、平均要跑幾趟、誰去處理。叫不出名字的那一群，多半在告訴你欄位挑錯了——你餵進去的那幾欄，沒有一欄跟你接下來要下的決定有關。自問：這幾群，你能不能各用一句話講給第一線的人聽？
六百份驗屋報告，分成三類走一遍
- 先挑欄位：一家交屋前的第三方驗屋公司，累積了 600 份報告。從裡面抽三欄——缺失件數、複驗次數、交屋延後天數。三欄都直接連到「這案子要吃掉多少人力」
- 把三欄拉到同一個尺度：交屋延後天數動輒兩三位數，缺失件數多半是個位數到十幾件，複驗次數更小。不先標準化，分群結果幾乎完全照延後天數那一欄切，另外兩欄形同沒放進去
- K 從 1 跑到 7：組內平方和 4,800、2,150、980、830、720、640、580，一路遞減。
- 看轉折：前兩刀各砍掉一半以上，第三刀只剩 15.3%。肘部落在 K＝3，跟資深驗屋師傅口中的「三種案子」對得上
- 回頭替群命名：表面瑕疵型 372 份（62%）、防水與漏水型 156 份（26%）、結構與管線型 72 份（12%）。三群相加剛好 600 份。
- 排人力：三群的平均複驗次數分別是 1.1 次、2.4 次、3.8 次。佔比最小的 12%，吃掉的來回車程最多
肘部給了老闆一個他原本要靠聲量決定的數字：三類。但這個場景真正的接縫在後面兩步——標準化與命名。少了標準化，這 600 份會被延後天數一欄綁架，分出來的三群其實只是「延後很久／普通／幾乎沒延」，那用一個排序就做完了，不必動用分群。少了命名，三群就只是三個編號，排班表上沒人知道 2 號群該派誰。而最該先打電話的那一群，是份數最少的那 72 份：它在散點圖上只是右上角一小撮點，在排班表上卻是平均要跑 3.8 趟的那一類。以上為說明結構用的示意情境，僅供理解框架之用。
這個肘部什麼時候會騙你
- 同一批資料跑兩次，可能得到兩份不一樣的名單。K-means 對初始中心敏感，起點不同，收斂到的局部解就不同。總和只差幾十，聽起來無傷大雅——問題是差別幾乎都發生在群與群交界的那些點上，而那些點正是你要不要打這通電話的邊界。報告上的百分比看起來很穩，實際換群的是具體的門牌號碼。所以要固定隨機種子，也要記錄你用的是哪一次的結果。
- 沒有標準化的欄位，會把整個分群綁架給數值最大的那一欄。K-means 算的是歐氏距離，欄位單位不同時，數值範圍大的那一欄講話最大聲。延後天數的尺度是天、可以到三位數；複驗次數的尺度是「趟」、通常一到四。兩欄丟進同一個距離公式，等於讓第二欄的意見被稀釋成零頭。分完之後覺得「這三群怎麼看起來就是照某一欄排的」，八成就是漏了這一步。
- 肘部不明顯的時候，這張圖不會告訴你它答不出來。它照樣畫得很順，你照樣圈得出一格——只是那一格由你挑，資料從頭到尾沒開口。真實資料有相當比例根本沒有清楚的群結構，點就是均勻散著，曲線是一條平滑的下坡。這時候硬選一個 K，等於替一團連續的東西編出幾個不存在的類別，後面所有依這幾類做的排班、話術、報價，都建在一個沒有接縫的地方。
痛點視角：最小的那一群，才是明天要打的電話
分群報告最容易被讀成一張圓餅圖。
圓餅圖上最大的那一塊會自動吸走目光，於是資源往 62% 那一群倒——表面瑕疵型的案子最多，話術先寫給它、人先派給它、追蹤表先為它設計。可是那 372 份裡的屋主，多半驗完一次就結案了，痛已經解掉。真正在等的是另外 72 份：三次、四次複驗跑不完，交屋一延再延，房貸利息在跳，家具送不進去。這張圖畫得出三個群心的座標，畫不出哪一群的屋主明天就要交屋。組內平方和量的是「點離中心多遠」，量不到「人離爆炸多近」——痛的強度從來不在欄位裡，除非你自己把它放進去。所以分群跑完之後還有一步：拿每一群去對「這群人現在最怕什麼」，怕的事愈具體、愈有期限，那一群就愈值得先動。今晚就把份數最少的那一群調出來，照複驗次數由高到低排，前十筆的聯絡方式抄在便條紙上，明天早上一通一通打。
常見問題
肘部看起來很模糊，該怎麼辦？
先接受一個可能：這批資料也許沒有群結構。可以再看兩個東西——輪廓係數（silhouette）會替每個點算「它待在自己這群有多合適」，取平均後也能隨 K 畫一條線，它的高點通常比肘部好認；另一個是直接用業務規則定 K，例如排班表上只養得起三種流程，那就從 K＝3 開始，把曲線當成「這樣切損失多少」的價目表，而不是決策者。兩條路都比在一條平滑下坡上硬指一格誠實。
K-means 跟 ABC 分類法差在哪裡？
差在誰訂規則。ABC 是先把品項照一個排好的指標（金額、用量）由大排到小，再照人訂的比例切成三段——前 20% 叫 A，規則從頭到尾是人給的，資料只負責排序。K-means 是把好幾個欄位一起丟進去，讓資料自己聚成幾團，連「該分幾群」都要靠一張圖來決定。所以 ABC 適合你已經知道該看哪一個指標的場合；K-means 適合你手上有五、六欄，而且說不清楚哪一欄最重要的時候。
一定要先標準化嗎？
只要各欄位的單位或數值範圍不一樣，就一定要。常見做法是把每一欄減掉平均、除以標準差，讓每一欄的貢獻回到同一個量級。有一個例外值得記住：如果各欄本來就同單位、同量級，而且你「就是要」讓數值大的那一欄講話大聲（例如全部都是金額，你確實想讓大額客戶主導分群），那就別標準化。判準在於你有沒有意識到自己正在做這個選擇——照公式跑一遍，跟做過決定是兩回事。
群數定了之後，下一步是什麼？
把群心的座標印出來，逐群翻譯成一句人話，再隨機抽幾筆原始資料回去對——編號 2 群的說法是「防水與漏水型」，那就抽五份報告來看，看得出來就成立，看不出來就退回去換欄位。命名通過之後才輪到行動：每一群配一套不同的處理方式、不同的回訪節奏、不同的報價邏輯。分群本身不產生價值，價值在「三群從此被當成三種人對待」。
先照兩個欄位把名單散成一張點圖，再決定要不要分群。如果規則其實已經在你腦裡、只差沒寫下來，那用 ABC 分類法 切三段就夠了；如果想先弄清楚排在前面的客戶到底撐起多少獲利，客戶獲利鯨魚曲線 會把累積的形狀直接畫給你看。
喜歡這篇文章嗎？
每週幫你拆二本好書，把判斷力、好書金句、好問題，直送你的信箱。
不適合你可隨時退訂 · 每週兩封，陪你把書讀進生活。
送出即表示同意我們依隱私權政策使用你的 email。