聚类分析案例

1、 SPSS软件操作实例 一一某移动公司客户细分模型 数据准备：数据来源丁 telco.sav,telco.sav,如图 1 1 所示，Customer_IDCustomer_ID 表示客户编号， Peak_minsPeak_mins 表示工作日上班时期 时长， OffPeak_minsOffPeak_mins 表示工作日下班时期电 话时长等。 IBM SP45 Sutifticf 翻耐,审务 .确fi.序 U Ml 10 Up H 易 EJ Q r 1 4 d 噂 M W P J fPrakmri? Weekend IgtaJpnrrs 1 K1CM50 1SB2 123 4折 印67 1 2

2、$ 2 KiMiifl 33 $9 933 134? H&tM ifi? 3 K10017Q 10&2D 3d 50 仰 5 1 C? d K烦理 S5JW 1900 代加 5.C2 曜00 3 d4 6 K1O&150 ，的 H 31 SiK 7*03 2 2$ 6 I-. 1OWO0 命部 W 22M 找许 Tt.tfy 2 it 7 K100E10 3& n 1?9 IM 心 61$ 9 -1W20 3d 4 仲 9 KW1B neo 21 M 3?W g i 90 311 10 KlQUDn 3735 11箱 270? 15* 755? 70 11 KI

3、OOtZD 39 12 26 05 5062 24 11659 1 51 1Z KIOTCTO 31 03 39 61 301 ST 72 n 2QZ 13 K10TI60 26 OD 25 22 & 63 IBM 1(1 14 K1OTZ30 4*21 42 10 10 46 E 珈rr L20 州 K.1012M 53 4 0 K 10 21 AM 1112 狎心 2M K.1O1330 23 13 HBJ4 It.Tfl DJI ttJT 1.M 图 1 telco.sav 数据 分析目的：对移动 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

4、需要运用聚类分析。 操作步骤： 1,1, 从菜单中选择【文件】一一【翻开】一一【数据】，在翻开数据窗口中选择数 据位置以及文件类型，将数据 telco.savtelco.sav 导入 SPSSSPSS 软件中，如图 2 2 所示。 图2翻开数据菜单项选择项 2,2, 从菜单中选择【分析】一一【描述统计】一一【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 3 所示。 文件编辑回机圈凹 SJfeCD转捶分析健直与 新建四 卜 打并 * 鼠圈 翻开数据库 ，打井女友物推Gi 语法邑.一一 A - II - _ . 不 翻开瞄

5、B 图3数据标准化 3,3, 从菜单中选择【分析】 一一【分类】一一【K K- -均值聚类】，在 K 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 5。点击迭代按钮，在迭代窗口将最大迭代次数改为 100, 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“ ANOVAANOVA 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 4 所示。 telco.sav 数明集 1 - IE 典换CD弁析 直销四图盼实用程序 3 窗口毯m sa

6、k mirrs 40 报告 描述统计 表 E 比解M 船土以性榄形 届述性 口频军日 3描述但. 夷蜓m 云工rr曰上班时期 疗工作日下班时明 . 周末电长Vrtcic 0国除电苗时长悟伸 / rotal_rn. &平均每次通话flj长国. nelco.sav 敬猖集 1 - IBM SP5 转换I分桥互希也即形回案用程.序苜口些编肪 r 251 TO 10 10 10 B 8 11 11 11 11 11 报皆 底述睡计 初 比础值四 _醐性囊蛇 广知S港曜 沼卵型西 相关 回付国 任数些性模型g 神埋厕缙 分类E 牌JS 董1 拓 无 时期 时检 无 卜班时旌 时校 无 无 无 无

7、 卜通国怅 无 工作日 affietM 无 .T止 FTTlffifH叩HH玉 胆两小弘类w 阿吟均值聚案KJ. Lil集淑关i旦;， 禽K均！瞟分析:,.B 图4聚类分析操作K-Means I V聚类成员 j-MIIUJIlllllkUlllMIIIMllllllllIII14II1J| V戋缨史应的跑知 瞧J取通帮助 星初始弘樊中心叫 / 二 |。“表=. 逐页丕京西真藏画Ci -嫌失值一 按歹原排阵个粟侦 Of涡挪陆个案:小 、哄取邑斯肪 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 时长 1.60559 -.78990 .61342 -.33584

8、 .37303 Zscore:工作日下班时期 时长 .46081 -.58917 -.49365 1.18873 -.29014 Zscore:周末 时长 -.14005 -.15010 .35845 -.02375 -.40407 Zscore:国际 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 5 个类它们各自

9、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 时长 582.315 4 .314 3390 1854.022 .000 Zscore:工作日下班时期 时长 468.001 4

10、.449 3390 1042.395 .000 Zscore:周末 时长 39.060 4 .955 3390 40.896 .000 Zscore:国际 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 ANOVAANOVA 表可根据 F F 值大小近似得到哪些变量对聚类有奉献，本例题中重 要程度排序为：总通话时长 工作日上班时期 时长 工作日下班时期 时 长平均 每次通话时长 国际 时长 周末 时长。同时 SigSig 值都为 0,0,说明各 变量对聚类均有显著地奉献经常用 Sig.Sig.值是否小于 0.0