SPSS分析技术：K-均值聚类分析；个体工商户和小型企业也应该做客户分级管理，提高市场竞争力

K-均值聚类法的聚类算法与层次聚类法完全不同。在SPSS软件中，K-均值聚类法是按照如下步骤对个案进行聚类的：

分析者需要事先确定类别数量。类别数量由分析者自行指定（方法名称中的K就是类别数量的意思）。在实际分析过程中，类别数量一般需要研究者根据问题，反复尝试把数据分成不同的类别数的效果并进行比较，从中挑选出最优的方案。

根据分析者指定的类别中心（具体坐标），或者SPSS软件根据数据的结构中心初步确定每个类别的初始中心坐标，然后逐一计算每个个案（记录）到各个类别初始中心的距离，按照距离最近原则将记录归入相应类别，并重新计算类别的中心点（用均值表示，也就是方法名称中均值的含义）。

重复1和2步骤，直到达到收敛标准，或者达到分析者事先设定的迭代次数。

从以上算法过程可以了解，由于事先指定了类别数和类别中心，K-均值聚类的运行速度明显的快于层次聚类，这也是其被称为快速聚类的原因。与层次聚类法相比，K-均值聚类法的计算量非常小，因此可以有效地处理大量数据而不占用太多的计算机内存空间和时间。每个类别的初始类别中心（坐标值）可以由分析者自行输入，也可以由软件根据数据结构确定，这样就能够帮助分析者借鉴前人的经验，少走弯路，节约探索时间。

因为K-均值聚类的依据是距离，所以要求纳入聚类的变量都为连续型变量，并且要求各变量的量纲和数据差异尽量一致，这样聚类的结果才可靠，避免量纲小数值大的变量数据在最终距离数值上权重过大。K-均值聚类不能像层次聚类一样在操作菜单中直接对变量进行标准化，因此在分析前需要用【分析】-【描述统计】-【描述】功能对连续变量进行标准化。除了要注意变量数据的标准化以外，还需要考虑变量之间的相关关系，这是因为强相关的变量如果同时纳入到聚类分析中，那么这些变量所共同代表的因素权重就会远远高于其它变量，并最终使聚类结果偏向于该因素。

排排坐讲故事

草堂君今天将介绍K-均值聚类分析应用于商家的客户分级管理，因此在正式介绍SPSS的操作步骤和结果解释之前，特别向大家介绍客户分级管理的相关背景知识，以及客户分级管理在商业经营上的成功典故。数据分析是手段，落地应用才是终极目标。

互联网的普及使得市场信息越来越透明，过去靠市场信息不对称大发其财的生意基本上没有了生存的土壤（除了中国的“股市”），市场的竞争日趋白热化，企业或者改变经营策略生存下来，或者坐以待毙等待被市场淘汰。基于以上原因，很多企业都把注意力放在过去被忽略的客户身上，力求提供优质的服务黏住客户，将“以客户为中心”作为口号，在研发、设计、市场、销售、服务等各个环节强调了解客户需求、满足客户需要。但是，客户这么多，需求也各不一样，应该以哪个或哪类客户为中心呢？“以客户为中心”并不是要将每一个客户都作为中心，企业的人力、物力和资金都是有限的，每一分钱都要花在刀刃上，希望用最少的资源获得最大的回报，这就要求把资源投入到最能够产生价值的客户身上。客户是分层次的，应该将具有最大价值的客户放在核心的位置，尽量满足他们需求，具有次要价值的客户则处于次要位置，这就是客户分级管理的概念。

美孚公司是世界最大的非政府油气生产商和世界最大的非政府天然气销售商，同时也是世界最大的炼油商之一，在全球拥有数万座加油站和数以百万计的工业和批发客户。1993年，美孚公司遭遇销售收入和利润双双下滑，这让美孚公司重新审视其核心的汽油零售业务。产生这种情况的原因主要有两方面：一方面是存在全球性的石油供给过剩，石油行业的竞争越来越激烈；另一方面是零售加油业务的进入门槛比较低，很多大型零售店和连锁超市以廉价汽油为卖点，吸引顾客光顾他们的店面，这给石油公司带来了日益沉重的价格压力。美孚公司认识到，不能与超市和零售店拼低价，而应该对客户进行分级管理。美孚公司进行了非常系统的客户行为研究，筛选出以下几个关键行为因素：

便利性要求。是否要求易于找到加油站。

价格敏感度。客户对于油价的关注程度和敏感程度。

额外服务力。愿意享受额外服务的意愿和能力。

根据这三个行为因素，美孚公司将客户分为五类不同的客户群体：

公路勇士；一般收入较高，多为中年男子，习惯长途驾驶，偏好全面服务，驾车时喜欢吃零食。

车手一族；中高收入驾驶者，偏好特定的品牌，有时也偏好特定的加油站，在加油站偏好自助式服务；不怎么购买其他物品。

年轻一代；开快车、吃美食、有汽车，多为朝气蓬勃、经常驾车的年轻人。

家庭主义者；通常是白天接送孩子的家庭主妇。

价格导向者；对价格敏感，经常被价格所吸引。

它们在不同的行为因素上的需求级别不同：

毫无疑问，美孚公司最主要的目标客户群体是前三类客户。公路勇士、车手一族和年轻一代总计占到美孚公司客户总体的接近60%，但是却为美孚公司贡献了86%的利润。这三类客户都把速度和便利性放在需求的首要位置，它们有着几乎一致的服务要求：快捷的服务、能提供帮助的服务人员，只要这些需求能够满足，他们很乐意为每加仑汽油多付几个美分。这对零售加油行业来说是非常可观的利润。通常情况，零售加油企业的总收入很高，但运营成本同样惊人，每加仑利润的利润非常单薄，如果考虑到美孚每年要卖出数十亿加仑汽油，那么所增加的利润就很可观了。通过客户分级研究，美孚公司发起了“友好服务”的品牌活动，目的向美孚公司定位的三个细分客户群体提供更友好、更洁净发、更安全、更快速的服务，获得了利润的巨大增长。

由此可见，客户分级管理是企业深耕市场，获取利润非常好的手段。客户分级管理在现实生活中应用已经非常多了，例如形形色色的信用卡、会员卡。信用卡有白金卡、金卡、普通卡，各种会员卡也常常分金卡会员、银卡会员，不同级别的卡代表了不同的客户级别，意味着发卡企业将会提供不同的服务，这些都体现了对客户进行分级管理的思想。不同的行业需要关注的客户行为因素也不一样。当需要考虑的因素很多时，以上简单的分级方法就行不通了，聚类分析就能够解决这样的问题。

案例分析

某通信运营商为了提升业绩，计划实施客户分级管理措施。根据前期的调研，认为他们的客户应该被分为5个主要群体。公司重点关注客户的六个行为因素：工作日上班时间通过时长、工作日下班时间通话时长、周末通话时长、国际电话时长和总通话时长。随机从数据库中选取了3395条记录，数据如下图所示：

分析思路

根据前期调研，客户群体应该被分为5个主要类别，数据类型都是连续型数据，数据量达到3395条，因此可以使用K-均值聚类来对这些客户进行分类，然后通过描述性统计结果来对每个类型的客户进行精准服务。对六个行为因素的数据情况进行探索性分析，可以得到下面的两个结果：

1、工作日上班时间电话时长与总通话时长之间具有线性相关关系，因此需要对它们进行处理，可以用工作日上班时间电话时长/总通话时长作为处理。

2、虽然六个行为因素的单位都是分钟，但是数据级别差异还是比较大的，因此需要首先对这六个数据进行标准化，可以通过【分析】-【描述统计】-【描述】实现。

分析步骤

1、选择菜单【分析】-【分类】-【K-均值】，在跳出的对话框中进行如下操作，将标准化后的5个变量选入变量框中，聚类数填写5，其它保持默认状态。

2、分别点击【迭代】、【保存】和【选项】按钮，然后依据实际需要选中项目。下图是聚类分析最基本的几个结果选项。

3、点击确定，输出结果。

结果解释

1、初始聚类中心和最终聚类中心。这两个表格显示了K-均值聚类的最初聚类中心和最终聚类中心的坐标值。

2、迭代历史。结果显示，数据经过21次迭代计算后，聚类中心收敛，聚类结束。

3、方差分析结果；从方差分析结果可知，形成的5个客户类别，它们在5个行为因素上的显著性小于0.05，都是有显著性差异的，说明聚类效果不错。

4、每个类别的个案数。一般来说，聚类结果尽量使每类的个案数比较接近，但是这个也不是一个绝对的标准，如果没有考虑异常值时，有的类别的个案数就比较少。

5、五类客户的行为因素特征描述；

第一类客户的下班和周末通话时间最长，这类客户共有1147人。第二类客户的所有通话时间都很长的优质客户，这类客户共有628人。第三类客户的所有通话时间都处于中上水平，这类客户共有42人。第四类客户的所有通话时间都较短的客户，这类客户共有1346人。第五类客户的所有通话时间都处于中下水平，这类客户共有232人。根据每类客户的行为特性不同，可以退出针对他们的套餐服务，这样就能做到客户的分级管理，优化运营效率。