聚类分析案例

《聚类分析案例》由会员分享，可在线阅读，更多相关《聚类分析案例（4页珍藏版）》请在装配图网上搜索。

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。住t创匸口活曲圜斑I - IBM S PSS Statistics 熬 绸SStfS立件吃I WSil TtEiyi独IB*番也呂渦创：Eff遁】85口世1辛m tSl 區Ir St 拓事 HCu 引 amEr DPeit_min5CffPtak_inri5WeEkeni_mn3ihtEina1innal_mii3i7a1al_mrBamagE_mins301|

2、K1CD0504個18.&21.2i4.4760.S7価2|KlOl12fl册1233 8S8.3313.42110：M1.073| KiOCH 70100 2031 90殳加4腑140.701.&?d| K1M39G弱帥1B.0019.2A56293.009.445j KlOUSfl68 639 0911.3-15 0679.032.W6| K1C0600K9個22 2fl22.祐72.092.187IK10061ID35 79i7鬥1.M6 8654.816.9581K1000&0036 ai14.23126903.339K1W1D66024J033.0013 06126 W3関10| K

3、10080G373511.1627.C215.B675.52.70-11klMMO39122EL05M.W2411-5.591.5112|K1Q1QTn30 0933 613.Q1.57T2-.fi20?13|K10115D26 OD25.22E閃1B.W&B3&1.0114jK10123Q33 2142.1010.4&LOO1DD ?7価16K1012GD534D95.1021.0013.321E9.5O2.4216K1O133D.334319.2419.7013.31&2.371.30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

4、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】一一【打开】一一【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。文件戸编弭视匱过散据切转换n 分析 带新題型）r 霍肛打开*打开數据库世:，k晶tTHP志酣堆ni4_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。telco.sav 转换分析凶图形回实用程序心窗凹帮貝报告描述统计描述性sak min5an壷门F丄较均值

5、叫卜iii&btiHfiUrQX 卜GH描述Q）A探索匡匚ina1 23歹工非曰上班时期电常. 护工非曰郴翊电卫. 存周主中话时檢Wee k . d国际电话时tSJMem 护总連话时扶ITJtaLm. 於平均毎女迪恬时栓a.Eoolfilrap(B).I确疋|枯贴迟）丨丨重査迟川 取丨|帝則图3数据标准化3, 从菜单中选择【分析】一一【分类】一一【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

6、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。*telco.sav 戏眸.1 - BM SR转揺T吩祈因 直描阻） 魄I鱼 实用理序也）n（w）帮朋Pi25310101010-8S1111111111卄描11：沁-nCO- triiit M； 一秤叱:吃0圍 r :严夕迂! 泡锤型过门円迟：匕艺打羽电辛作： 門H时期电劭寸长 訊:：i閤團I:爛话fl寸農工作日上班时期电培壬囲，疔* A .D. 蛰圧均值比类（K“. 帀核聚HE）.K-Meansp. I17爭务龙咼曲3胃总奚亜函国頁叵 5彖h取消|帮助孑

7、初芒羽士 I八 羽肿OVA表展IV.II憤对排降牛索（D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-.94040.41420.10398.21627Zscor

8、e: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582.3

9、154.31433901854.022.000Zscore: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。