聚类分析案例

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

Zscore: 工作日上班时期电话时长

Zscore: 工作日下班时期电话时长

1.60559 .4608

1 -.14005

2 -.78990 -.58917 -.15010

3 .6134

2 -.49365 .3584

5

4 -.33584 1.18873 -.02375

5 .3730

3 -.29014 -.40407

Zscore: 周末电话时长

Zscore: 国际电话时长

1.68250 1.62690 -.06590

-.64550 -.94040 -.14835

.0467

3 .4142

0 -.05337

.0235

1 .1039

8 -.14059

-.04415 .2162

7 4.87718

Zscore: 总通话时长

Zscore: 平均每次通话时长

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 均方 Zscore: 工作日上班时期电话时长 Zscore: 工作日下班时期电话时长 582.315 468.001 df 误差 均方 df F Sig. 4 .314 3390 1854.02.002 0 4 .449 3390 1042.39.005 0 Zscore: 周末电话时长

39.06

0 443.179 605.770 463.823

4 .955 3390 40.896

.000 .000

Zscore: 国际电话时长 4 .478 3390 926.658

Zscore: 总通话时长 4 .286 3390

2115.07.00

1

0

Zscore: 平均每次通话时长 4 .454 3390

1021.87.00

2

0

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着地贡献（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。