聚类分析案例文件.docVIP

SPSS 软件操作实例 —— 某移动公司客户细分模型 数据准备： 数据来源于 telco.sav，如图 1 所示，Customer_ID 表示客户编号， Peak_mins表示工作日上班时期电话时长， OffPeak_mins 表示工作日下班时期电 话时长等。 图 1 telco.sav 数据 分析目的： 对移动手机用户进行细分， 了解不同用户群体的消费习惯， 以更好的 对其进行定制性的业务推销，所以需要运用聚类分析。 操作步骤： 1，从菜单中选择【文件】 —— 【打开】 ——【数据】，在打开数据窗口中选择数 据位置以及文件类型，将数据 telco.sav导入 SPSS软件中，如图 2 所示。 图 2 打开数据菜单选项 2，从菜单中选择 【分析】——【描述统计】 ——【描述】，然后在描述性窗口中， 将需要标准化的变量选到右边的 “变量列表”，勾选“将标准化得分另存为变 量”，点确定，如图 3 所示。 图 3 数据标准化 3，从菜单中选择【分析】 ——【分类】 ——【K-均值聚类】，在 K-均值聚类分 析窗口中将标准化之后的结果选入右边 “变量列表”，客户编号选入 “个案标 记依据”，聚类数改为 5。点击迭代按钮，在迭代窗口将最大迭代次数改为 100， 点击继续。点击保存按钮，在保存窗口勾选“聚类成员” 、“与聚类中心的距 离”，点击继续。点击选项按钮，在选项窗口勾选“ ANOVA 表”、“每个个案 的聚类信息”，点击继续。点击确定按钮，运行聚类分析，如图 4 所示。 图 4 聚类分析操作 结果分析 表1 最终聚类中心 聚类 1 2 3 4 5 Zscore: 工作日上班时期电话时长 1.60559 -.78990 .61342 -.33584 .37303 Zscore: 工作日下班时期电话时长 .46081 -.58917 -.49365 1.18873 -.29014 Zscore: 周末电话时长 -.14005 -.15010 .35845 -.02375 -.40407 Zscore: 国际电话时长 1.68250 -.64550 .04673 .02351 -.04415 Zscore: 总通话时长 1.62690 -.94040 .41420 .10398 .21627 Zscore: 平均每次通话时长 -.06590 -.14835 -.05337 -.14059 4.87718 由最终聚类中心表可得最终分成的 5个类它们各自的均值。 第一类：依据总通话时间长，上班通话时间长，国际通话时间长等特征，将第一 类命名为高端商用客户。 第二类：依据其在各项指标中均较低，将第二类命名为不常使用客户。 第三类：依据总通话和上班通话时间居中等特征， 将第三类命名为中端商用客户。 第四类：依据下班通话时间最长等特征，将第四类命名为日常客户。 第五类：依据平均每次通话时间最长等特征，将第五类命名为长聊客户。 表2 ANOVA 聚类 误差 F Sig. 均方 df 均方 df Zscore: 工作日上班时期电话时长 582.315 4 .314 3390 1854.022 .000 Zscore: 工作日下班时期电话时长 468.001 4 .449 3390 1042.395 .000 Zscore: 周末电话时长 39.060 4 .955 3390 40.896 .000 Zscore: 国际电话时长 443.179 4 .478 3390 926.658 .000 Zscore: 总通话时长 605.770 4 .286 3390 2115.071 .000 Zscore: 平均每次通话时长 463.823 4 .454 3390 1021.872 .000 由ANOVA 表可根据 F值大小近似得到哪些变量对聚类有贡献，本例题中重 要程度排序为：总通话时长 工作日上班时期电话时长 工作日下班时期电话时 长平均每次通话时长 国际电话时长 周末电话时长。同时 Sig.值都为0，说明各 变量对聚类均有显著地贡献 （经常用Sig.值是否小于 0.05来检验聚类结果是否好） 。 结论 经过数据标准化以及 K-均值聚类分析，最终我们基本实现了本次分析的目的， 较为成功的对某移动电话客户进行了细分， 初步了解了各类型用户的手机话费消 费习惯，对日后经营有一定的指导意义。 该移动运营商， 可参考不同类型用户群 体的手机话费习惯提出有针对性的话费服务，使经营目标达到最优。