1、准备好数据，在菜单栏上执行：analyse--classify--k-means cluster，打开k平均数对话框
2、将聚类用到的指标变量放入variables，将客户的编码放到label cases by当中，把客户编号作为case的标签
3、接着要设置聚类的类别数目，如图所示，这个数目不是随便给的，他有两个来源：要么是你根据工作经验，认为数据分为几类是最合理的；要么是你有前人的研究证明分为几类。
4、在主对话框中，点击iterate按钮，打开迭代对话框
5、将最大迭代次数设置为100，下图你看到的默认的迭代次数为10，但是数据量越大，迭代次数就应该越多，所以我们设置为100.点击continue按钮，返回到主对话框。
6、点击save按钮，因为我们想要保存分类的结果，并将结果保存到一个变量当中
7、打开一个自对话框，勾选cluster membership，点击continue返回到主对话框
8、点击ok，开始运行数据，并输出数据结果
9、我们看到的第一个表格叫做初始聚类中心，它列出每一个类别初始的中心点，这些中心点都是spss自动生成的。因为case的顺序会影响到中心点的位置，所以我们需要让case的顺序是随机的，有必要的时候要进行随机化处理
10、下面的两个表格是迭代过程釉涑杵抑表，你可以看到每一次迭代中心点的变化值，当中心点的变化小于初始类别中心最小距离的2%的时候，迭代就停止了，你看到的第二幅图在迭代35次以后就停止了迭代
11、下面这个表格叫做最终聚类中心，也就是各个类别在各个变量上的平均值，它可以帮助我们根据变量的平均值来给分类赋予实际的意义
12、最后的表格叫做各个类别case数，你可以读出在每一个类别中有多少case
