Spss提供的聚类方法



系统聚类的过程： 将每个样本看成一类，比较每个类之间的 距离，将最小的两个点合并成一个类 计算新类和其他类之间的距离 如果只有一类，那么停止，否则继续合并 类
K-means聚类方法




Spss要求事先给定将样本聚合成几类 允许自设或者默认方式选定一些样本做为 初始点，将其他每个样本看成一类 计算初始聚类点与其他类之间的距离 选出最小的距离，初始点与最小距离点的 中间点作为新的聚类点 重复上述过程直到合并成指定类
用户细分模型原理和注意事项
2013-3-4
目录

用户细分的原理 在携程的用户细分举例 用户细分的注意事项
用户细分原理
用户细分使用的模型


在统计模型中适合做用户细分的模型是聚 类分析，（而且是Q型聚类，即观测对象聚 类） 聚类的含义： 将数据分组成为多个类。在同一个类内对 象之间的具有较高的相似度，不同类之间 的对象差别较大
实际应用



首先将字段进行标准化处理 然后通过系统聚类模型做出谱系图 依据谱系图和具体业务内容，用k-means模 型将用户分成4类 高端出游型：消费金额高，周期短，频率 低，酒店星级高 积极旅游型：消费金额中等，季节性明显， 频率高，酒店星级中等


商务型：是商旅客户，无明显季节性，不 关注热门目的地，消费金额没有季节变化 低端自助型：消费金额低，季节性明显， 酒店是3及其以下，关注热门目的地
聚类分析原理




看样本之间的相似程度，通过统计量将他 们划分成不同类 将每个观测对象，也就是样本看成多维空 间中的一个点，通过比较每个点之间的空 间距离，来做聚类依据 每个样本有一些维度，比如；币种，存款 额，产品等级等 根据维度特征和样本数量来确定具体使用 什么方法来聚类
聚类分析原理（官方）





聚类原理： 聚类分析的基本思想是在样品之间定义距离， 在样品之间定义相似系数，距离或相似系数代表 样品或者变量之间的相似程度。按相似程度的大 小，将样品（或变量）逐一归类，关系密切的类 聚集到一个小的分类单位，然后逐步扩大，使得 关系疏远的聚合到一个大的分类单位，直到所有 的样品（或变量）都聚集完毕，形成一个表示亲 疏关系的谱系图，依次按照某些要求对样品（或 变量）进行分类.
营销方案： 针对高端客户，制作目的地优势显著的度 假游，增加新项目，比如：潜水类




针对积极旅游型：选择更多合作酒店，提 供度假抵用券，增加客户粘性 针对商务型：不促销 针对低端自助型：提供非热门景点自助游
用户细分注意事项
注意事项



必须有明确目标作为分类基础 如果营销分析，那么不要加入用户自身的 属性 比如男女，年龄等 聚类分析模型中无意义字段或者非显著影 响目标的字段会对聚类结果产生影响，导 致分类不准的问题出现 聚类分析开始之前必须做数据标准化，不 然后出现大数据“吃掉”小数据
两步聚类方法




除了用传统的欧氏距离之外，增加似然距 离测度 第一步是考察每个样本，确定类中心。这 个过程是构建一个特征树 第二步是使用凝聚算法对特征数的枝节点 分组，产生一个结果范围 一般这个模型针对样本的变量里有连续型 和分类型变量
空间距离的计算方法
空间距离的计算方法
空间距离的计算方法
空间距离的计算方法
在携程的聚类举例
实际应用


在携程做用户细分时，比如对用户做春季 度假游促销 选取一段时间内的：用户ID，星级，用户 最后一次消费行为，度假游金额，出发时 间，返回时间，目的地，出行人数，入住 酒店星级，房间类型，间夜数，是否是商 旅客户，是否拒绝邮件，去年同期是否有 春季游的相关度假项目，是否是催眠唤醒 客户……