客户细分在营销行业中发挥着重要作用，通过客户细分，营销人员能够为特定的客户提供针对性的产品与服务，提高客户满意度的同时也能提高营销的效果。客户细分非常有用，但究竟如何才能实现客户细分？

在这个问题上，IBM SPSS Statistics（win）即可派上用场。作为一款强大的统计软件，SPSS中的聚类分析功能可以帮助营销人员完成客户细分。

一、什么是聚类分析

聚类分析指将研究对象按照某些标准或某些特征进行分类的分析过程。比如若以年龄为标准将人群进行分类，那么可将人群分为年轻人与老年人。

聚类分析的方法主要有快速聚类分析法与系统聚类分析法。客户分类主要是要求根据客户的特性将客户分成不同的群体，因此使用快速（K-Mean）聚类分析法即可。

如图1，在IBM SPSS Statistics中按照分析-分类-K均值聚类的顺序即可打开快速聚类分析的窗口。

二、应用快速聚类完成客户细分

本文将以一组通讯客户的数据为例，在IBM SPSS Statistics通过快速聚类的功能对这组客户进行细分。

打开快速聚类分析的窗口后，我们需要将客户的通讯数据置入右侧的变量框，将客户编号置入个案标注依据框。

聚类数指的是根据录入的数据最终分成的类别数，需要根据数据的特点及需要进行设置，在这里我们设置为5。

在快速聚类分析窗口的右上角的点开迭代窗口，对最大迭代次数进行设置，若最大迭代次数太少，那么会导致聚类分析的失败。由于这个案例的样本较多，需要迭代的次数也会相应增多，因此本次的迭代次数设置为100。

三、输出分析结果

设置完成后点击确定，即可输出分析结果。在分析结果中，根据聚类中心，可知分类后每个类别的中心数据，对客户的分类即是通过计算其它客户数据与中心数据的距离，距离中心数据最近的客户数据就与该中心数据归为一类。

根据每个聚类中的个案数目可知每类别包含的客户数量。

通过迭代历史记录可知进行的快速聚类分析是否成功，若最终迭代数归于0则说明此次快速聚类分析成功，若没有全部归于0，则失败，需要重新设置最大迭代次数。此次迭代了54次后所有聚类归于0，所以本次分析成功。

根据SPSS快速聚类分析的结果，可知分成了5类的客户的具体情况，根据这一情况营销人员可以精确找到目标客户。

聚类分析除了可用于营销的客户细分外，在生物、地理等方面也能发挥巨大作用。更多的聚类分析功能以及SPSS的功能可以访问IBM SPSS Statistics中文网站。

作者：刘白