背景与挖掘目标

1. 背景

航空公司业务竞争激烈，从产品中心转化为客户中心
针对不同类型客户，进行精准营销，实现利润最大化
建立客户价值评估模型，进行客户分类，是解决问题的办法

2. 挖掘目标

借助航空公司客户数据，对客户进行分类
对不同的客户类别进行特征分析，比较不同类客户的客户价值
对不同价值的客户类别提供个性化服务，制定相应的营销策略

详情数据见数据集内容中的air_data.csv和客户信息属性说明。

分析方法与过程

1. 分析方法

首先，明确目标是客户价值识别
识别客户价值，应用最广泛的模型是三个指标（消费时间间隔（Recency）,消费频率（Frequency）,消费金额（Monetary））
以上指标简称RFM模型，作用是识别高价值的客户
消费金额，一般表示一段时间内，消费的总额。但是，因为航空票价收到距离和舱位等级的影响，同样金额对航空公司价值不同
因此，需要修改指标。选定变量，舱位因素=舱位所对应的折扣系数的平均值=C，距离因素=一定时间内积累的飞行里程=M
再考虑到，航空公司的会员系统，用户的入会时间长短能在一定程度上影响客户价值，所以增加指标L=入会时间长度=客户关系长度
总共确定了五个指标，消费时间间隔R，客户关系长度L，消费频率F，飞行里程M和折扣系数的平均值C
以上指标，作为航空公司识别客户价值指标，记为LRFMC模型
如果采用传统的RFM模型，如下图。它是依据，各个属性的平均值进行划分，但是，细分的客户群太多，精准营销的成本太高。

129ba69a216b61aeb076a3e7855eb23586f4e0a6

综上，这次案例，采用聚类的办法进行识别客户价值，以LRFMC模型为基础
本案例，总体流程如下图

40b757351211d163ee5135f051f4a47faed42f7f

2.挖掘步骤

从航空公司，选择性抽取与新增数据抽取，形成历史数据和增量数据
对步骤一的两个数据，进行数据探索性分析和预处理，主要有缺失值与异常值的分析处理，属性规约、清洗和变换
利用步骤2中的已处理数据作为建模数据，基于旅客价值的LRFMC模型进行客户分群，对各个客户群再进行特征分析，识别有价值客户
针对模型结果得到不同价值的客户，采用不同的营销手段，指定定制化的营销服务，或者针对性的优惠与关怀。（重点维护老客户）

3. 数据抽取

选取，2014-03-31为结束时间，选取宽度为两年的时间段，作为观测窗口，抽取观测窗口内所有客户的详细数据，形成历史数据
对于后续新增的客户信息，采用目前的时间作为重点，形成新增数据

4. 探索性分析

本案例的探索分析，主要对数据进行缺失值和异常值分析
发现，存在票价为控制，折扣率为0，飞行公里数为0。票价为空值，可能是不存在飞行记录，其他空值可能是，飞机票来自于积分兑换等渠道
查找每列属性观测值中空值的个数、最大值、最小值的代码如下

import pandas as pd

datafile= r'/home/kesci/input/date27730/air_data.csv' #航空原始数据,第一行为属性标签

resultfile = r'/home/kesci/work/test.xls' #数据探索结果表

data = pd.read_csv(datafile, encoding = 'utf-8') #读取原始数据，指定UTF-8编码（需要用文本编辑器将数据装换为UTF-8编码）

explore = data.describe(percentiles = [], include = 'all').T #包括对数据的基本描述，percentiles参数是指定计算多少的分位数表（如1/4分位数、中位数等）；T是转置，转置后更方便查阅

print(explore)

explore['null'] = len(data)-explore['count'] #describe()函数自动计算非空值数，需要手动计算空值数

explore = explore[['null', 'max', 'min']]

explore.columns = [u'空值数', u'最大值', u'最小值'] #表头重命名

print('-----------------------------------------------------------------以下是处理后数据')

print(explore)
'''这里只选取部分探索结果。

describe()函数自动计算的字段有count（非空值数）、unique（唯一值数）、top（频数最高者）、freq（最高频数）、mean（平均值）、std（方差）、min（最小值）、50%（中位数）、max（最大值）'''

-----------------------------------------------------------------以下是处理前数据

count unique top freq mean std 

MEMBER_NO 62988 NaN NaN NaN 31494.5 18183.2 

FFP_DATE 62988 3068 2011/01/13 184 NaN NaN 

FIRST_FLIGHT_DATE 62988 3406 2013/02/16 96 NaN NaN 

GENDER 62985 2 男 48134 NaN NaN 

FFP_TIER 62988 NaN NaN NaN 4.10216 0.373856 

WORK_CITY 60719 3310 广州 9385 NaN NaN 

WORK_PROVINCE 59740 1185 广东 17507 NaN NaN 

WORK_COUNTRY 62962 118 CN 57748 NaN NaN 

...

-----------------------------------------------------------------以下是处理后数据

空值数 最大值 最小值

MEMBER_NO 0 62988 1

FFP_DATE 0 NaN NaN

FIRST_FLIGHT_DATE 0 NaN NaN

GENDER 3 NaN NaN

FFP_TIER 0 6 4

WORK_CITY 2269 NaN NaN

WORK_PROVINCE 3248 NaN NaN

WORK_COUNTRY 26 NaN NaN

AGE 420 110 6

LOAD_TIME 0 NaN NaN

FLIGHT_COUNT 0 213 2

BP_SUM 0 505308 0

...

5. 数据预处理

数据清洗
丢弃票价为空记录
丢弃票价为0、平均折扣率不为0、总飞行公里数大于0的记录

import pandas as pd

datafile= '/home/kesci/input/date27730/air_data.csv' #航空原始数据,第一行为属性标签

cleanedfile = '' #数据清洗后保存的文件

data = pd.read_csv(datafile,encoding='utf-8') #读取原始数据，指定UTF-8编码（需要用文本编辑器将数据装换为UTF-8编码）

data = data[data['SUM_YR_1'].notnull() & data['SUM_YR_2'].notnull()] #票价非空值才保留
#只保留票价非零的，或者平均折扣率与总飞行公里数同时为0的记录。

index1 = data['SUM_YR_1'] != 0

index2 = data['SUM_YR_2'] != 0

index3 = (data['SEG_KM_SUM'] == 0) & (data['avg_discount'] == 0) #该规则是“与”,书上给的代码无法正常运行，修改'*'为'&'

data = data[index1 | index2 | index3] #该规则是“或”

print(data)
# data.to_excel(cleanedfile) #导出结果

————————————————————以下是处理后数据————————

MEMBER_NO FFP_DATE FIRST_FLIGHT_DATE GENDER FFP_TIER \

0 54993 2006/11/02 2008/12/24 男 6 

1 28065 2007/02/19 2007/08/03 男 6 

2 55106 2007/02/01 2007/08/30 男 6 

3 21189 2008/08/22 2008/08/23 男 5 

4 39546 2009/04/10 2009/04/15 男 6 

5 56972 2008/02/10 2009/09/29 男 6 

6 44924 2006/03/22 2006/03/29 男 6 

7 22631 2010/04/09 2010/04/09 女 6 

8 32197 2011/06/07 2011/07/01 男 5 

9 31645 2010/07/05 2010/07/05 女 6

6. 属性规约

原始数据中属性太多，根据航空公司客户价值LRFMC模型，选择与模型相关的六个属性
删除其他无用属性，如会员卡号等等

def reduction_data(data):

data = data[['LOAD_TIME', 'FFP_DATE', 'LAST_TO_END', 'FLIGHT_COUNT', 'SEG_KM_SUM', 'avg_discount']]
# data['L']=pd.datetime(data['LOAD_TIME'])-pd.datetime(data['FFP_DATE'])
# data['L']=int(((parse(data['LOAD_TIME'])-parse(data['FFP_ADTE'])).days)/30)

d_ffp = pd.to_datetime(data['FFP_DATE'])

d_load = pd.to_datetime(data['LOAD_TIME'])

res = d_load - d_ffp

data2=data.copy()

data2['L'] = res.map(lambda x: x / np.timedelta64(30 * 24 * 60, 'm'))

data2['R'] = data['LAST_TO_END']

data2['F'] = data['FLIGHT_COUNT']

data2['M'] = data['SEG_KM_SUM']

data2['C'] = data['avg_discount']

data3 = data2[['L', 'R', 'F', 'M', 'C']]
return data3

data3=reduction_data(data)

print(data3)

————————————以下是以上代码处理后数据————————————
L R F M C

0 90.200000 1 210 580717 0.961639

1 86.566667 7 140 293678 1.252314

2 87.166667 11 135 283712 1.254676

3 68.233333 97 23 281336 1.090870

4 60.533333 5 152 309928 0.970658

5 74.700000 79 92 294585 0.967692

6 97.700000 1 101 287042 0.965347

7 48.400000 3 73 287230 0.962070

8 34.266667 6 56 321489 0.828478

7. 数据变换

意思是，将原始数据转换成“适当”的格式，用来适应算法和分析等等的需要
本案例，主要采用数据变换的方式为属性构造和数据标准化 3.需要构造LRFMC的五个指标
L=LOAD_TIME-FFP_DATE(会员入会时间距观测窗口结束的月数=观测窗口的结束时间-入会时间（单位：月）)
R=LAST_TO_END（客户最近一次乘坐公司距观测窗口结束的月数=最后一次。。。）
F=FLIGHT_COUNT(观测窗口内的飞行次数)
M=SEG_KM_SUM(观测窗口的总飞行里程)
C=AVG_DISCOUNT(平均折扣率)

def zscore_data(data):

data = (data - data.mean(axis=0)) / data.std(axis=0)

data.columns = ['Z' + i for i in data.columns]
return data

data4 = zscore_data(data3)

data4

————————————以下是以上代码处理后数据————————————
ZL ZR ZF ZM ZC

0 1.435707 -0.944948 14.034016 26.761154 1.295540

1 1.307152 -0.911894 9.073213 13.126864 2.868176

2 1.328381 -0.889859 8.718869 12.653481 2.880950

3 0.658476 -0.416098 0.781585 12.540622 1.994714

4 0.386032 -0.922912 9.923636 13.898736 1.344335

5 0.887281 -0.515257 5.671519 13.169947 1.328291

模型构建

1. 客户聚类

利用K-Means聚类算法对客户数据进行客户分群，聚成五类（根据业务理解和需要，分析与讨论后，确定客户类别数量）。

代码如下：

inputfile = r'/home/kesci/input/date27730/zscoreddata.xls' #待聚类的数据文件

k = 5 #需要进行的聚类类别数
#读取数据并进行聚类分析

data = pd.read_excel(inputfile) #读取数据
#调用k-means算法，进行聚类分析

kmodel = KMeans(n_clusters = k, n_jobs = 4) #n_jobs是并行数，一般等于CPU数较好

kmodel.fit(data) #训练模型

r1 = pd.Series(kmodel.labels_).value_counts()

r2 = pd.DataFrame(kmodel.cluster_centers_)

r = pd.concat([r2, r1], axis=1)

r.columns = list(data.columns) + ['类别数目']
# print(r)
# r.to_excel(classoutfile,index=False)

r = pd.concat([data, pd.Series(kmodel.labels_, index=data.index)], axis=1)

r.columns = list(data.columns) + ['聚类类别']

print(kmodel.cluster_centers_)

print(kmodel.labels_)

r

[[-0.70078704 -0.41513666 -0.1607619 -0.16049688 -0.25665898]
[-0.31411607 1.68662534 -0.57386257 -0.53661609 -0.17243195]
[ 0.48347647 -0.79941777 2.48236495 2.42356419 0.30943042]
[ 1.16033496 -0.37744106 -0.0870043 -0.09499704 -0.15836889]
[ 0.05165705 -0.00258448 -0.23089344 -0.23513858 2.17775056]]
[3 3 3 ... 3 3 3]
ZL ZR ZF ZM ZC 聚类类别

0 1.689882 0.140299 -0.635788 0.068794 -0.337186 3

1 1.689882 -0.322442 0.852453 0.843848 -0.553613 3

2 1.681743 -0.487707 -0.210576 0.158569 -1.094680 3

3 1.534185 -0.785184 0.002030 0.273091 -1.148787 3

4 0.890167 -0.426559 -0.635788 -0.685170 1.231909 4

5 -0.232618 -0.690983 -0.635788 -0.603898 -0.391293 0

6 -0.496949 1.996225 -0.706656 -0.661752 -1.311107 1

就剩下最后一步，画图：

def density_plot(data):

plt.rcParams['font.sans-serif']=['SimHei']

plt.rcParams['axes.unicode_minus']=False

p=data.plot(kind='kde',linewidth=2,subplots=True,sharex=False)

[p[i].set_ylabel('密度') for i in range(5)]

[p[i].set_title('客户群%d' %i) for i in range(5)]

plt.legend()

plt.show()
return plt

density_plot(data4)

e113ff21e0fc37070e4c9a8eeff70186e2812f48

 clu = kmodel.cluster_centers_ 

x = [1,2,3,4,5]

colors = ['red','green','yellow','blue','black']

for i in range(5):

plt.plot(x,clu[i],label='clustre '+str(i),linewidth=6-i,color=colors[i],marker='o')

plt.xlabel('L R F M C')

plt.ylabel('values')

plt.show()

客户群1：red，
客户群2：green，
客户群3：yellow，
客户群4：blue，
客户群5：black

a26caf71a0aff54468d25d74b9b7d2de48d825d6

客户关系长度L，消费时间间隔R，消费频率F，飞行里程M，折扣系数的平均值C。

横坐标上，总共有五个节点，按顺序对应LRFMC。

对应节点上的客户群的属性值，代表该客户群的该属性的程度。

2. 客户价值分析

我们重点关注的是L，F，M，从图中可以看到：

客户群4[blue] 的F,M很高，L也不低，可以看做是重要保持的客户；
客户群3[yellow] 重要发展客户
客户群1[red] 重要挽留客户，原因：入会时间长，但是F,M较低
客户群2[green] 一般客户
客户群5[black] 低价值客户
重要保持客户：R（最近乘坐航班）低，F（乘坐次数）、C（平均折扣率高，舱位较高）、M（里程数）高。最优先的目标，进行差异化管理，提高满意度。
重要发展客户：R低，C高，F或M较低，潜在价值客户。虽然说，当前价值不高，但是却有很大的发展潜力，促使这类客户在本公司消费和合作伙伴处消费。
重要挽留客户：C、F、M较高，但是较长时间没有乘坐（R）小。增加与这类客户的互动，了解情况，采取一定手段，延长客户生命周期。
一般与低价值客户：C、F、M、L低，R高。他们可能是在公司打折促销时才会乘坐本公司航班。

3. 模型应用

会员的升级与保级（积分兑换原理相同）
会员可以分为，钻石，白金，金卡，银卡…
部分客户会因为不了解自身积分情况，错失升级机会，客户和航空公司都会有损失
在会员接近升级前，对高价值客户进行促销活动，刺激他们消费达到标准，双方获利

4. 交叉销售

通过发行联名卡与非航空公司各做，使得企业在其他企业消费过程中获得本公司的积分，增强与本公司联系，提高忠诚度。

5. 管理模式

企业要获得长期的丰厚利润，必须需要大量稳定的、高质量的客户
维持老客户的成本远远低于新客户，保持优质客户是十分重要的
精准营销中，也有成本因素，所以按照客户价值排名，进行优先的，特别的营销策略，是维持客户的关键。

6.小结

本文，结合航空公司客户价值案例的分析，重点介绍了数据挖掘算法中K-Means聚类算法的应用。针对，传统RFM模型的不足，结合案例进行改造，设定了五个指标的LRFMC模型。最后通过聚类的结果，选出客户价值排行，并且制定相应策略。

原文发布时间为：2018-03-6

本文来自云栖社区合作伙伴“ 数据派THU”，了解相关信息可以关注“ 数据派THU”微信公众号

数据挖掘实战：带你做客户价值分析(附代码)

1. 背景

2. 挖掘目标

分析方法与过程

1. 分析方法

2.挖掘步骤

3. 数据抽取

4. 探索性分析

5. 数据预处理

6. 属性规约

7. 数据变换

模型构建

1. 客户聚类

2. 客户价值分析

3. 模型应用

6.小结

数据派

热门文章

最新文章

相关课程

相关电子书

相关实验场景

热门

活动广场

任务中心

开发者评测

高校计划

乘风者计划

训练营

阿里云MVP

话题

直播

下载

镜像站

技术资料

插件

数据挖掘实战：带你做客户价值分析(附代码)

1. 背景

2. 挖掘目标

分析方法与过程

1. 分析方法

2.挖掘步骤

3. 数据抽取

4. 探索性分析

5. 数据预处理

6. 属性规约

7. 数据变换

模型构建

1. 客户聚类

2. 客户价值分析

3. 模型应用

6.小结

数据派

热门文章

最新文章

相关课程

相关电子书

相关实验场景