聚類分析案例

1、.SPSS軟件操作實(shí)例某移動公司客戶細(xì)分模型數(shù)據(jù)準(zhǔn)備：數(shù)據(jù)來源于telco.sav，如圖1所示，Customer_ID表示客戶編號，Peak_mins表示工作日上班時期電話時長，OffPeak_mins表示工作日下班時期電話時長等。圖1 telco.sav數(shù)據(jù)分析目的：對移動手機(jī)用戶進(jìn)行細(xì)分，了解不同用戶群體的消費(fèi)習(xí)慣，以更好的對其進(jìn)行定制性的業(yè)務(wù)推銷，所以需要運(yùn)用聚類分析。操作步驟：1， 從菜單中選擇【文件】【打開】【數(shù)據(jù)】，在打開數(shù)據(jù)窗口中選擇數(shù)據(jù)位置以及文件類型，將數(shù)據(jù)telco.sav導(dǎo)入SPSS軟件中，如圖2所示。圖2 打開數(shù)據(jù)菜單選項2， 從菜單中選擇【分析】【描述統(tǒng)計】【描述】，

2、然后在描述性窗口中，將需要標(biāo)準(zhǔn)化的變量選到右邊的“變量列表”，勾選“將標(biāo)準(zhǔn)化得分另存為變量”，點(diǎn)確定，如圖3所示。圖3 數(shù)據(jù)標(biāo)準(zhǔn)化3， 從菜單中選擇【分析】【分類】【K-均值聚類】，在K-均值聚類分析窗口中將標(biāo)準(zhǔn)化之后的結(jié)果選入右邊“變量列表”，客戶編號選入“個案標(biāo)記依據(jù)”，聚類數(shù)改為5。點(diǎn)擊迭代按鈕，在迭代窗口將最大迭代次數(shù)改為100，點(diǎn)擊繼續(xù)。點(diǎn)擊保存按鈕，在保存窗口勾選“聚類成員”、“與聚類中心的距離”，點(diǎn)擊繼續(xù)。點(diǎn)擊選項按鈕，在選項窗口勾選“ANOVA表”、“每個個案的聚類信息”，點(diǎn)擊繼續(xù)。點(diǎn)擊確定按鈕，運(yùn)行聚類分析，如圖4所示。圖4 聚類分析操作結(jié)果分析表1 最終聚類中心聚類1234

3、5Zscore: 工作日上班時期電話時長1.60559-.78990.61342-.33584.37303Zscore: 工作日下班時期電話時長.46081-.58917-.493651.18873-.29014Zscore: 周末電話時長-.14005-.15010.35845-.02375-.40407Zscore: 國際電話時長1.68250-.64550.04673.02351-.04415Zscore: 總通話時長1.62690-.94040.41420.10398.21627Zscore: 平均每次通話時長-.06590-.14835-.05337-.140594.87718由最終

4、聚類中心表可得最終分成的5個類它們各自的均值。第一類：依據(jù)總通話時間長，上班通話時間長，國際通話時間長等特征，將第一類命名為高端商用客戶。第二類：依據(jù)其在各項指標(biāo)中均較低，將第二類命名為不常使用客戶。第三類：依據(jù)總通話和上班通話時間居中等特征，將第三類命名為中端商用客戶。第四類：依據(jù)下班通話時間最長等特征，將第四類命名為日?？蛻?。第五類：依據(jù)平均每次通話時間最長等特征，將第五類命名為長聊客戶。表2 ANOVA聚類誤差FSig.均方df均方dfZscore: 工作日上班時期電話時長582.3154.31433901854.022.000Zscore: 工作日下班時期電話時長468.0014.44

5、933901042.395.000Zscore: 周末電話時長39.0604.955339040.896.000Zscore: 國際電話時長443.1794.4783390926.658.000Zscore: 總通話時長605.7704.28633902115.071.000Zscore: 平均每次通話時長463.8234.45433901021.872.000由ANOVA表可根據(jù)F值大小近似得到哪些變量對聚類有貢獻(xiàn)，本例題中重要程度排序為：總通話時長工作日上班時期電話時長工作日下班時期電話時長平均每次通話時長國際電話時長周末電話時長。同時Sig.值都為0，說明各變量對聚類均有顯著地貢獻(xiàn)（經(jīng)常用Sig.值是否小于0.05來檢驗聚類結(jié)果是否好）。結(jié)論經(jīng)過數(shù)據(jù)標(biāo)準(zhǔn)化以及K-均值聚類分析，最終我們基本實(shí)現(xiàn)了本次分析的目的，較為成功的對某移動電話客戶進(jìn)行了細(xì)分