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
1 / 5
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。
2 / 5
图4 聚类分析操作
结果分析
表1 最终聚类中心
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 Zscore: 周末电话时长 Zscore: 国际电话时长 Zscore: 总通话时长 Zscore: 平均每次通话时长
2
聚类 3
4
5
1.60559 -.790 .61342 -.33584 .37303
.46081 -.517 -.49365 1.18873 -.29014 -.14005 -.15010 1.68250 -.550 1.62690 -.94040
.35845 -.02375 -.40407 .04673 .41420
.02351 -.04415 .10398 .21627
-.06590 -.14835 -.05337 -.14059 4.87718
3 / 5
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 Zscore: 周末电话时长 Zscore: 国际电话时长 Zscore: 总通话时长 Zscore: 平均每次通话时长
582.315 468.001 39.060 443.179 605.770 463.823
df 4 4 4 4 4 4
误差 均方 .314 .449 .955 .478 .286 .454
df
3390 1854.022 .000 3390 1042.395 .000 3390 3390
40.6 .000 926.658 .000 F
Sig.
3390 2115.071 .000 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
4 / 5
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。
[文档可能无法思考全面，请浏览后下载，另外祝您生活愉快，工作顺利，万事如意!]
5 / 5
