目录
一、背景和挖掘目标
1、RFM模型缺点分析
2、原始数据情况
3、挖掘目标
二、分析方法与过程
1、初步分析：提出适用航空公司的LRFMC模型
2、总体流程
第一步：数据抽取
第二步：探索性分析
第三步：数据预处理
第四步：构建模型
总结和思考
项目地址：Datamining_project: 数据挖掘实战项目代码
一、背景和挖掘目标
在企业的客户关系管理中，对客户分类，区分不同价值的客户。针对不同价值的客户提供个性化服务方案，采取不同营销策略，将有限营销资源集中于高价值客户，实现企业利润最大化目标。 在竞争激烈的航空市场里，很多航空公司都推出了优惠的营销方式来吸引更多的客户。在此种环境下，如何将公司有限的资源充分利用，提示企业竞争力，为企业带来更多的利益。1、RFM模型缺点分析
广泛用于分析客户价值的是RFM模型，它 是通过三个指标（最近消费时间间隔 (Recency) 、消费频率 (Frequency) 、消费金额 (Monetary) ）来进行客户细分，识别出高价值的客户 。如果分析航空公司客户价值，此模型不再适用，存在一些缺陷和不足：在模型中，消费金额表示在一段时间内，客业产品金额的总和。因航空票价受到运输距离、舱位等级等多种因素影响，同样消费金额的不同旅客对航空公司的价值是不同的。因此这个指标并不适合用于航空公司的客户价值分析。
传统模型分析是利用属性分箱方法进行分析如图，但是此方法细分的客户群太多，需要一一识别客户特征和行为,提高了针对性营销的成本。
2、原始数据情况
# 导包import numpy as npimport pandas as pdimport matplotlib.pyplot as pltfrom sklearn.cluster import KMeansfrom sklearn import preprocessingimport warningswarnings.filterwarnings('ignore') # 忽略警告plt.rcParams['font.sans-serif'] = ['SimHei'] #解决中文显示plt.rcParams['axes.unicode_minus'] = False #解决符号无法显示data = pd.read_csv('air_data.csv', sep=',',encoding='ANSI') # encoding='gbk'data
3、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。二、分析方法与过程
1、初步分析：提出适用航空公司的LRFMC模型
因消费金额指标在航空公司中不适用，故选择客户在一定时间内累积的飞行里程M和客户乘坐舱位折扣系数的平均值C两个指标代替消费金额。此外，考虑航空公司会员加入时间在一定程度上能够影响客户价值，所以在模型中增加客户关系长度L，作为区分客户的另一指标，因此构建出LRFMC模型。采用聚类的方法对客户进行细分，并分析每个客户群的特征，识别其客户价值。2、总体流程
第一步：数据抽取
以-03-31为结束时间，选取宽度为两年的时间段作为分析观测窗口，抽取观测窗口内有乘机记录的所有客户的详细数据形成历史数据。对于后续新增的客户详细信息，利用其数据中最大的某个时间点作为结束时间，采用上述同样的方法进行抽取，形成增量数据。根据末次飞行日期，从航空公司系统内抽取-04-01至-03-31内所有乘客的详细数据，总共62988条记录。第二步：探索性分析
原始数据中存在票价为空值，票价为空值的数据可能是客户不存在乘机记录造成。票价最小值为0、折扣率最小值为0、总飞行公里数大于0的数据。其可能是客户乘坐0折机票或者积分兑换造成。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
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）。
explore.to_csv("resultfile.csv") #导出结果
第三步：数据预处理
数据清洗：从业务以及建模的相关需要方面考虑，筛选出需要的数据。丢弃票价为空的数据。丢弃票价为0、平均折扣率不为0、总飞行公里数大于0的数据。
属性规约：原始数据中属性太多，根据LRFMC模型，选择与其相关的六个属性，删除不相关、弱相关或冗余的属性。数据变换： 属性构造、数据标准化。
data = pd.read_csv('air_data.csv', sep=',',encoding='ANSI') # encoding='gbk'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'] != 0index2 = data['SUM_YR_2'] != 0index3 = (data['SEG_KM_SUM'] == 0) & (data['avg_discount'] == 0) #该规则是“与”data = data[index1 | index2 | index3] #该规则是“或”data.to_csv("data_cleaned.csv") #导出结果
属性构造：因原始数据中并没有直接给出 LRFMC 五个指标，需要构造这五个指标。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飞机距观测窗口结束的月数 = 最后一次乘机时间至观察窗口末端时长[单位：月]
F = FLIGHT_COUNT
客户在观测窗口内乘坐公司飞机的次数 = 观测窗口的飞行次数[单位：次]
M = SEG_KM_SUM
客户在观测时间内在公司累计的飞行里程 = 观测窗口总飞行公里数[单位：公里]
C = AVG_DISCOUNT
客户在观测时间内乘坐舱位所对应的折扣系数的平均值 = 平均折扣率[单位：无]
数据标准化：因五个指标的取值范围数据差异较大，为了消除数量级数据带来的影响，需要对数据进行标准化处理。
#标准差标准化import pandas as pddatafile = 'zscoredata.xls' #需要进行标准化的数据文件；zscoredfile = 'zscoreddata.xls' #标准差化后的数据存储路径文件；#标准化处理data = pd.read_excel(datafile)data = (data - data.mean(axis = 0))/(data.std(axis = 0)) #简洁的语句实现了标准化变换，类似地可以实现任何想要的变换。data.columns=['Z'+i for i in data.columns] #表头重命名。data.to_excel(zscoredfile, index = False) #数据写入data
第四步：构建模型
构建航空客户价值分析模型：客户K-Means聚类、客户价值分析、模型应用。1、客户K-Means聚类采用 K-Means 聚类算法对客户数据进行分群， 将其 聚成五类（需要结合业务的理解与分析来确定客户的类别数量） 。import pandas as pdfrom sklearn.cluster import KMeans #导入K均值聚类算法inputfile = '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是并行数，一般等于CPU数较好kmodel.fit(data) #训练模型kmodel.cluster_centers_ #查看聚类中心kmodel.labels_ #查看各样本对应的类别r1 = pd.Series(kmodel.labels_).value_counts() # 统计各类的个数r2 = pd.DataFrame(kmodel.cluster_centers_) # 获取聚类中心r = pd.concat([r2,r1],axis=1) # 合并r.columns = list(['L','LAST_TO_END','FLIGHT_COUNT','SEG_KM_SUM','avg_discount']) + ['类别数目'] # 加上列名r
给df_data加上一列按照df_data索引,标签为值值的列。参考：/IOW5W
df_data = pd.read_excel('zscoreddata.xls')r2 = pd.concat([df_data,pd.Series(kmodel.labels_,index=df_data.index)],axis=1) r2.columns = list(['L','LAST_TO_END','FLIGHT_COUNT','SEG_KM_SUM','avg_discount']) + ['聚类类别'] # 加列名r2
2、客户价值分析
对聚类结果进行特征分析，其中客户群 1 在 F 、 M 属性最大，在 R 属性最小；客户群 2 在 L 属性上最大；客户群 3 在 R 属性上最大，在 F 、 M 属性最小；客户群 4 在 L 、 C 属性上最小；客户群 5 在 C 属性上最大。
# 根据r2绘制雷达图labels = np.array(['ZL','ZR','ZF','ZM','ZC'])labels = np.concatenate((labels,[labels[0]]))N = len(r2)angles = np.linspace(0, 2 * np.pi, N, endpoint=False)data = pd.concat([r2,r2.loc[:,0]],axis=1)angles = np.concatenate((angles, [angles[0]]))fig = plt.figure(figsize=(8,8)) ax = fig.add_subplot(111, polar=True) # 参数polar, 以极坐标的形式绘制图形# 画线j=0for i in range(0,5):j=i+1ax.plot(angles,data.loc[i,:],'o-',label="客户群"+str(j))# 添加属性标签ax.set_thetagrids(angles*180/np.pi,labels) plt.title(u'客户特征雷达图')plt.legend(loc='lower right')plt.show()
根据业务定义五个等级的客户类别：重要保持客户、重要发展客户、重要挽留客户、一般客户、低价值客户。
客户群价值排名：根据每种客户类型的特征，对各类客户群行客户价值排名，获取高价值客户信息。
3、模型应用：根据各个客户群的特征，可采取一些营销手段和策略。a) 会员的升级与保级。 b) 首次兑换。
c)交叉销售。
