CPDA考试移动客户细分聚类

1、一、假如你是某移动运营商的数据分析师，结介用戸通话行为数据，通过数据分析 为用户推荐相应套餐或者结合用户现有套餐优化套餐，提供个性化套餐，从而对客户进 行精准营销，增加客户粘性。运营商收集到的数据包含下列字段;变量名称变量标签Customer_ID用户编号Peak_mins工作日上班时间电话时长OffPeak_mins工作日下班时间电话时长Weekend_mins周末电话时长International_mins国际电话时长Total_mins总通话时长average_mins平均每次通话时长根据客户行为数拯，进行数据的预处理（可以自行根据现有变量构造新变量进行分 析），预处理之后选择适合变量进

2、行分析，分析算法自行选择，写出分析思路和过程， 通过数据分析对客户进行细分，并为运营商提供客户精准营销的相关建议。（请写出分 析的流程并刻画最后细分之后的客户的特点和相应的营销建议）。K-Means拯类的步骤：1. 确泄所有聚类变量（聚类因子）：2. 数据预处理（分类变量数值化、处理缺失值、分析是否存在共线性等，若 只有两个变量共线则用比值法，较多变量共线用主成分分析进行降维）；3. 确定聚类个数并用处理后的聚类因子进行聚类分析（若未说明则需要尝试 不同的聚类个数3, 4, 5, 6, 7,从中选择平均轮廓系数较大且结果易于分析解 释的模型）；4. 分析聚类效果和聚类结果（类中心点和每个类等）

3、：5. 结合实际情况分析每类的意义等。（聚类分析处理共线性时不能宜接删除，可用比值替代或主成分分析等来消除共线性）案例分析：观察数据类型，检査数据是否具有缺失值。数据类型为数值型.原始数据没有缺失值。我们把数据导入DATAHOOP平台，在展示分析中进行异常值分析。分析结果如下表:Peak_minsOffPeak_minsWeekend_mins上四分 位1382. 1426. 82574.875中间值1030. 2274. 0544.4下四分 位700.2154. 42525. 05异常值 个数655International_ minsTotal_minsaverage_mins上四分 位3

4、89. 031781. 34.2075中间值294.0751370. 852. 73下四分 位221. 22751094. 9252. 1异常值 个数131136由上面可以得到异常值的个最多的具有36个，在数据总体样本中占比比较大。所以不处理异常值，这些异常值有可能是数据中一些特殊的类。进行相关系数矩阵分析，分析得到的相关系数矩阵如下:Pe ak_min sOffPeak_minsWeekend_minsInternat ional_minsTo tal_mi nsaverage_minsPeak_mins10. 1210. 14480. 691509115-o.o367OffPeak. mi

5、ns012110. 02170. 262041250. 0094Weekend, mins014480. 024710. 128202006-0. 1066Internat ional mins069150. 2620. 1282107123-o.o34Total_mins094150. 44250. 20060. 71231-o.o364average_ mins_0“03670. 0094-0. 1066-0 034_0.03641观察相关系数矩阵中有一个相关系数为0. 9415,该系数比较大。所以我们要处理，我们用比值替换法（把两个变虽做比，得到的比值替换其中的一个变量）。我们在数据中重

6、新Peak mins插入一列为議方丽得到他们的变量比值，替换Peak.mins变量。得到新的变量，我们把新的数据导入DATAHOOP中求出相关系数矩阵：OffPeak_minsWee kend_mi nsIntern ational_mi nsTo tal_mi nsave rage_mi nsPeak_mins/TotalminsOffPeak. mins10.02470. 262044250.0091-0.4771Weekend. mins0.024710. 128202006-o.10660.0079Internat ional mins0.2620. 1282107123_00340.

7、3939Total_mins0.44250.20060. 71231_003640. 4492average mins0.0091-o.1066-0 034-o 036410. 0116Peak_min s/Total mins-o.17710.00790. 3939044920.01161得到的相关系数矩阵中的相关系数没有大于0.85,所以解决了共线性。我们可以直接 进行K-Means聚类。聚类的参数在有聚类的个数为5,进行标准化，初始中心点选择的次数 要大，最大迭代次数也要大。然后进行K-Means聚类，运行结果如下：平均轮廊系数：0. 2467该平均轮廊系数是比较小，平均轮廓系数越接近于

8、1越好。实际案例里而我们有可能我 们得不到太大的轮廓系数，聚类效果是不明显。聚类不是太明显，但聚类是有区别的。我们 研究该聚类的区别。类 别类中心点坐标样 本个数0-06972-0.00146-0. 10973-o.o8154-0. 159090. 7866691910. 46-0.01.431. 29-o.o0.4789196497189653804435232552-o.o-0.5-0.5-0.4364-0. 1183111675393887125248071630. 720. 23-0.2-0. 1-0. 1-0.8175108178375106895918273017A-13-0.9-

9、21-2.3-0.4-1.825470568922298705092630152我们得到上面表格的类中心点坐标是经过我们标准化的，我们还原成原来的数据。得到原始的分类，然后求每一类的平均值，总结如下表:Peak.minsOffPeak. minsTeekend_ minsInterna*ional_minsTotal_minsaveragemin30106S.376300. 131753. 96551315. 54131122. 4733. 59957911305.872319. 061157. 77315366. 63261712.7063. 59213721078.467300. 9101

10、52. 69453314. 9911132.1024. 00S1223106S.291300. 633953. 96811315. 95931122. 8933. 602067452.695239. 37S6118. 2343215.56027110. 30812. 785261对类进行特征分析:0类：总通话(Total mins)较长，卜-班通话时间(Offpeak mins)最长，上班通话时 间(Peak mins)比较长，命名为中端客户:1类：总通话(Total mins)长，上班通话时间(Peakmins)长，周末通话时间(Weekend mins)较长，国际通话时间(International mins)长，命名为髙端用户；2类：总通话(Total mins)较长，上班通话时间(Peak mins)仅次于第一类，周末 通话时间(Weekend mins)居中，国际通话时间(International m