Типичный пример — группа «Колбасы», куда вместе с колбасами попали сосиски, сардельки, мясные деликатесы, ветчина, бекон, паштеты и холодцы. Такое название не отражает состав узла. Возможны два решения: переименовать группу в соответствии с содержанием либо разделить ее, если подгруппы управляются по разным правилам.

Избыточное дробление создает другую проблему. Одновременное деление по цене, бренду, вкусу и упаковке быстро приводит к ячейкам, сопоставимым по числу с SKU. Детализация растет, а вариативность решений внутри конечных групп сокращается.

Достаточная гранулярность сохраняет внутри группы реальный ассортиментный выбор и соответствует уровню управленческого решения.

Если границы категории согласуются с покупательским поведением, внутригрупповые пары в среднем должны быть ближе межгрупповых. В исследованных данных это условие в целом выполнялось, но распределения заметно пересекались. Именно пары из зоны пересечения стали предметом детального разбора.

Высокое сходство само по себе не служит основанием для объединения. Оно показывает, где историческую границу стоит проверить с точки зрения взаимозаменяемости и правил управления. 

Причиной высокой близости может быть спорная граница, общий сценарий потребления или комплементарность. Для разграничения этих случаев анализ чеков дополнялся проверкой товарных свойств и обсуждением с категорийными менеджерами.

Сила признака определяется его управленческой полезностью.
Данные позволяют сравнить и основания деления. Для пива рассматривались формат продажи, цвет, ценовой сегмент и бренд. Каждый признак оценивался по тому, насколько он разделяет группы по объему покупки, цене единицы и составу сопутствующих товаров. 

В этом анализе формат продажи был сильнее связан с покупательскими метриками, чем цвет пива. Результат поддерживает более высокий управленческий статус формата, тогда как цвет можно разместить на нижнем уровне или хранить как атрибут. Окончательное решение зависит также от задач матрицы, выкладки и отчетности. 

Эксперт задает бизнес-смысл категории, а данные проверяют ее границы и значимость признаков. 

Итоговые решения принимались с учетом трех источников. Покупательская логика описывала взаимозаменяемость и сценарий выбора. Количественная проверка показывала, насколько предполагаемые границы согласуются с продажами и чеками. Бизнес-экспертиза учитывала оборудование, технологию продажи, ответственность и другие ограничения, отсутствующие в транзакционных данных.

Поэтому результат анализа нельзя свести к математической кластеризации. Кластер служит диагностикой, а целевая категория должна оставаться пригодной для реальных управленческих процессов.