客户关系管理实验四_1.docVIP

实 验（实训）报 告 项 目 名 称神经网络、logistics回归与聚类分析 所属课程名称 客户关系管理 项 目 类 型 操作型 实验(实训)日期 2011-11-15 班 级 10信息C1班 学 号 1001041301 姓 名 指导教师 陈 远 高 浙江财经学院教务处制 一、实验（实训）概述： 【目的及要求】 目的： 熟悉Clementine数据流的构建过程，掌握logistic、神经网络与聚类分析模型的应用。 要求： 根据实验步骤完成数据流建立，并获得分析结果。实验结束后提交实验报告。 【基本原理】 数据挖掘流程；logistic模型；神经网络模型、聚类分析模型 【实施环境】（使用的材料、设备、软件） Windows操作系统，Clementine 11.1 二、实验（实训）内容： 【项目内容】 应用Clementine11.1中的神经网络模型、logistics模型、聚类分析模型进行数据分析。 【方案设计】 注意：在建模操作过程中，请将生成的模型名称改为自己的学号和姓名。 应用GOODS1n数据，对于产品类型、促销等因素对于销售影响情况进行分析。 增加Increase字段，表示销售变化率； 通过散点图进行探索性分析； 使用神经网络节点生成预测模型； 使用该模型预测GOODS2n中的销售变化率； 应用Satisf.sav数据，应用以下模型进行分析： 应用特征选择模型，找出影响消费者购买与否（Purchase）主要因素，然后通过Logistic模型生成预测消费是否购买的预测模型； 应用神经网络模型，根据消费者个人基本信息（gender、agecat、distance）和满意因素（price、numitems、org、service、quality）预测顾客总体满意度（overall）； 应用NewsChan.sav数据，通过聚类模型对于有线电视客户进行分类（NEWSCHAN字段不作为分类的输入变量），看看不同类的客户具有哪些特征，哪些类别的客户更愿意预订有线电视服务（即NEWSCHAN字段为真值）。 【实验（实训）过程】（步骤、记录、数据、程序等） 问题1 使用神经网络模型预测GOODS1n中的销售变化率 新建数据源可变文件，导入数据GOODS1n 增加Increase字段，表示销售变化率； 新建字段选项类型，读取值，修改字段类型和方向 ④新建图形散点图，X字段选Promotion，Y字段选Increase，颜色选Class ⑤执行散点图Promotion v.Increase的结果 ⑥新建建模神经网络，并命名为100104130103龚杨春神经网络 ⑦执行神经网络的结果 ⑧执行表的结果 使用该模型预测GOODS2n中的销售变化率 导入数据GOODS2n ②执行散点图Promotion v.Increase的结果 ③执行神经网络的结果 ④执行表的结果 问题1实验结果分析：产品类型是消费者最关注的购买因素。其次是促销，促销投入越大，销量增长越快。 问题2 使用Logistic模型生成预测消费是否购买的预测模型 新建数据源SPSS文件，导入数据satisf.sav 新建字段选项类型，读取值，修改字段类型和方向 新建建模特征选择，在“选项”选项卡上，选择最重要的10个变量 ④执行特征选择的结果 ⑤新建建模Logistic，在“注解”选项卡上命名为100104130103龚杨春Logistic，在“模型”选项卡上过程选择二项式，然后进行Logistic模型预测 ⑥执行Logistic的结果 问题2实验结果分析：影响消费者购买的10个重要性因素：Regular、Followup、Contact、Dept、Quality、Overall、Gender、Agecat、Service、Distance。在分类表中，可以看到模型中加入10个变量后购买率达到69.6% 神经网络模型预测顾客总体满意度 新建数据源SPSS文件，导入数据satisf.sav 新建字段选项类型，读取值，修改字段类型和方向 新建建模神经网络，在“注解”选项卡上命名为100104130103龚杨春神经网络，然后进行神经网络模型预测 ④执行神经网络结果 问题2实验结果分析：从神经网络模型看，消费者个人基本信息和满意因素对顾客总体满意度预测准确性只有39.13%。 问题3 问题3实验结果分析：从图中可以看出预订有线电视服务客户群提分类：聚类-1聚类-5聚类-2聚类-3聚类-4 【结论】（