SPSS分析技術：K-均值聚類分析；個體工商戶和小型企業也應該做客戶分級管理，提高市場競爭力

K-均值聚類法的聚類算法與層次聚類法完全不同。在SPSS軟件中，K-均值聚類法是按照如下步驟對個案進行聚類的：

分析者需要事先確定類別數量。類別數量由分析者自行指定（方法名稱中的K就是類別數量的意思）。在實際分析過程中，類別數量一般需要研究者根據問題，反復嘗試把數據分成不同的類別數的效果并進行比較，從中挑選出最優的方案。

根據分析者指定的類別中心（具體坐標），或者SPSS軟件根據數據的結構中心初步確定每個類別的初始中心坐標，然后逐一計算每個個案（記錄）到各個類別初始中心的距離，按照距離最近原則將記錄歸入相應類別，并重新計算類別的中心點（用均值表示，也就是方法名稱中均值的含義）。

重復1和2步驟，直到達到收斂標準，或者達到分析者事先設定的迭代次數。

從以上算法過程可以了解，由于事先指定了類別數和類別中心，K-均值聚類的運行速度明顯的快于層次聚類，這也是其被稱為快速聚類的原因。與層次聚類法相比，K-均值聚類法的計算量非常小，因此可以有效地處理大量數據而不占用太多的計算機內存空間和時間。每個類別的初始類別中心（坐標值）可以由分析者自行輸入，也可以由軟件根據數據結構確定，這樣就能夠幫助分析者借鑒前人的經驗，少走彎路，節約探索時間。

因為K-均值聚類的依據是距離，所以要求納入聚類的變量都為連續型變量，并且要求各變量的量綱和數據差異盡量一致，這樣聚類的結果才可靠，避免量綱小數值大的變量數據在最終距離數值上權重過大。K-均值聚類不能像層次聚類一樣在操作菜單中直接對變量進行標準化，因此在分析前需要用【分析】-【描述統計】-【描述】功能對連續變量進行標準化。除了要注意變量數據的標準化以外，還需要考慮變量之間的相關關系，這是因為強相關的變量如果同時納入到聚類分析中，那么這些變量所共同代表的因素權重就會遠遠高于其它變量，并最終使聚類結果偏向于該因素。

排排坐講故事

草堂君今天將介紹K-均值聚類分析應用于商家的客戶分級管理，因此在正式介紹SPSS的操作步驟和結果解釋之前，特別向大家介紹客戶分級管理的相關背景知識，以及客戶分級管理在商業經營上的成功典故。數據分析是手段，落地應用才是終極目標。

互聯網的普及使得市場信息越來越透明，過去靠市場信息不對稱大發其財的生意基本上沒有了生存的土壤（除了中國的“股市”），市場的競爭日趨白熱化，企業或者改變經營策略生存下來，或者坐以待斃等待被市場淘汰?；谝陨显?，很多企業都把注意力放在過去被忽略的客戶身上，力求提供優質的服務黏住客戶，將“以客戶為中心”作為口號，在研發、設計、市場、銷售、服務等各個環節強調了解客戶需求、滿足客戶需要。但是，客戶這么多，需求也各不一樣，應該以哪個或哪類客戶為中心呢？“以客戶為中心”并不是要將每一個客戶都作為中心，企業的人力、物力和資金都是有限的，每一分錢都要花在刀刃上，希望用最少的資源獲得最大的回報，這就要求把資源投入到最能夠產生價值的客戶身上?？蛻羰欠謱哟蔚?，應該將具有最大價值的客戶放在核心的位置，盡量滿足他們需求，具有次要價值的客戶則處于次要位置，這就是客戶分級管理的概念。

美孚公司是世界最大的非政府油氣生產商和世界最大的非政府天然氣銷售商，同時也是世界最大的煉油商之一，在全球擁有數萬座加油站和數以百萬計的工業和批發客戶。1993年，美孚公司遭遇銷售收入和利潤雙雙下滑，這讓美孚公司重新審視其核心的汽油零售業務。產生這種情況的原因主要有兩方面：一方面是存在全球性的石油供給過剩，石油行業的競爭越來越激烈；另一方面是零售加油業務的進入門檻比較低，很多大型零售店和連鎖超市以廉價汽油為賣點，吸引顧客光顧他們的店面，這給石油公司帶來了日益沉重的價格壓力。美孚公司認識到，不能與超市和零售店拼低價，而應該對客戶進行分級管理。美孚公司進行了非常系統的客戶行為研究，篩選出以下幾個關鍵行為因素：

便利性要求。是否要求易于找到加油站。

價格敏感度?？蛻魧τ谟蛢r的關注程度和敏感程度。

額外服務力。愿意享受額外服務的意愿和能力。

根據這三個行為因素，美孚公司將客戶分為五類不同的客戶群體：

公路勇士；一般收入較高，多為中年男子，習慣長途駕駛，偏好全面服務，駕車時喜歡吃零食。

車手一族；中高收入駕駛者，偏好特定的品牌，有時也偏好特定的加油站，在加油站偏好自助式服務；不怎么購買其他物品。

年輕一代；開快車、吃美食、有汽車，多為朝氣蓬勃、經常駕車的年輕人。

家庭主義者；通常是白天接送孩子的家庭主婦。

價格導向者；對價格敏感，經常被價格所吸引。

它們在不同的行為因素上的需求級別不同：

毫無疑問，美孚公司最主要的目標客戶群體是前三類客戶。公路勇士、車手一族和年輕一代總計占到美孚公司客戶總體的接近60%，但是卻為美孚公司貢獻了86%的利潤。這三類客戶都把速度和便利性放在需求的首要位置，它們有著幾乎一致的服務要求：快捷的服務、能提供幫助的服務人員，只要這些需求能夠滿足，他們很樂意為每加侖汽油多付幾個美分。這對零售加油行業來說是非?？捎^的利潤。通常情況，零售加油企業的總收入很高，但運營成本同樣驚人，每加侖利潤的利潤非常單薄，如果考慮到美孚每年要賣出數十億加侖汽油，那么所增加的利潤就很可觀了。通過客戶分級研究，美孚公司發起了“友好服務”的品牌活動，目的向美孚公司定位的三個細分客戶群體提供更友好、更潔凈發、更安全、更快速的服務，獲得了利潤的巨大增長。

由此可見，客戶分級管理是企業深耕市場，獲取利潤非常好的手段?？蛻舴旨壒芾碓诂F實生活中應用已經非常多了，例如形形色色的信用卡、會員卡。信用卡有白金卡、金卡、普通卡，各種會員卡也常常分金卡會員、銀卡會員，不同級別的卡代表了不同的客戶級別，意味著發卡企業將會提供不同的服務，這些都體現了對客戶進行分級管理的思想。不同的行業需要關注的客戶行為因素也不一樣。當需要考慮的因素很多時，以上簡單的分級方法就行不通了，聚類分析就能夠解決這樣的問題。

案例分析

某通信運營商為了提升業績，計劃實施客戶分級管理措施。根據前期的調研，認為他們的客戶應該被分為5個主要群體。公司重點關注客戶的六個行為因素：工作日上班時間通過時長、工作日下班時間通話時長、周末通話時長、國際電話時長和總通話時長。隨機從數據庫中選取了3395條記錄，數據如下圖所示：

分析思路

根據前期調研，客戶群體應該被分為5個主要類別，數據類型都是連續型數據，數據量達到3395條，因此可以使用K-均值聚類來對這些客戶進行分類，然后通過描述性統計結果來對每個類型的客戶進行精準服務。對六個行為因素的數據情況進行探索性分析，可以得到下面的兩個結果：

1、工作日上班時間電話時長與總通話時長之間具有線性相關關系，因此需要對它們進行處理，可以用工作日上班時間電話時長/總通話時長作為處理。

2、雖然六個行為因素的單位都是分鐘，但是數據級別差異還是比較大的，因此需要首先對這六個數據進行標準化，可以通過【分析】-【描述統計】-【描述】實現。

分析步驟

1、選擇菜單【分析】-【分類】-【K-均值】，在跳出的對話框中進行如下操作，將標準化后的5個變量選入變量框中，聚類數填寫5，其它保持默認狀態。

2、分別點擊【迭代】、【保存】和【選項】按鈕，然后依據實際需要選中項目。下圖是聚類分析最基本的幾個結果選項。

3、點擊確定，輸出結果。

結果解釋

1、初始聚類中心和最終聚類中心。這兩個表格顯示了K-均值聚類的最初聚類中心和最終聚類中心的坐標值。

2、迭代歷史。結果顯示，數據經過21次迭代計算后，聚類中心收斂，聚類結束。

3、方差分析結果；從方差分析結果可知，形成的5個客戶類別，它們在5個行為因素上的顯著性小于0.05，都是有顯著性差異的，說明聚類效果不錯。

4、每個類別的個案數。一般來說，聚類結果盡量使每類的個案數比較接近，但是這個也不是一個絕對的標準，如果沒有考慮異常值時，有的類別的個案數就比較少。

5、五類客戶的行為因素特征描述；

第一類客戶的下班和周末通話時間最長，這類客戶共有1147人。第二類客戶的所有通話時間都很長的優質客戶，這類客戶共有628人。第三類客戶的所有通話時間都處于中上水平，這類客戶共有42人。第四類客戶的所有通話時間都較短的客戶，這類客戶共有1346人。第五類客戶的所有通話時間都處于中下水平，這類客戶共有232人。根據每類客戶的行為特性不同，可以退出針對他們的套餐服務，這樣就能做到客戶的分級管理，優化運營效率。