聚类分析案例.doc

【精品文档】如有侵权，请联系网站删除，仅供学习与交流聚类分析案例.精品文档.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12345Zscore: 工作日上班时期电话时长1.60559-.78990.61342-.33584.37303Zscore: 工作日下班时期电话时长.46081-.58917-.493651.18873-.29014Zscore: 周末电话时长-.14005-.15010.35845-.02375-.40407Zscore: 国际电话时长1.68250-.64550.04673.02351-.04415Zscore: 总通话时长1.62690-.94040.41420.10398.21627Zscore: 平均每次通话时长-.06590-.14835-.05337-.140594.87718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FSig.均方df均方dfZscore: 工作日上班时期电话时长582.3154.31433901854.022.000Zscore: 工作日下班时期电话时长468.0014.44933901042.395.000Zscore: 周末电话时长39.0604.955339040.896.000Zscore: 国际电话时长443.1794.4783390926.658.000Zscore: 总通话时长605.7704.28633902115.071.000Zscore: 平均每次通话时长463.8234.45433901021.872.000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。