1. 背景和目标
1.1 背景
航空公司竞争压力大，企业营销焦点由产品中心转为客户中心针对不同类型的用户，进行精准营销，实现利润最大化解决问题的关键是建立合理的客户价值评估模型，对客户进行分类，有针对性地进行营销。1.2 目标
利用已有的航空数据，进行客户分类就分类结果对不同类别的客户进行特征分析，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2. 技术和分析方法
2.1 RFM模型
RFM模型属于客户关系管理(CRM)的一种。该模型通过一个客户的近期购买行为、购买的总体频率以及花了多少钱3项指标来描述该客户的价值状况。
客户细分模型是通过三个指标：
最近消费时间间隔（Recency）：上一次购买的时候。理论上，上一次消费时间越近的顾客应该是比较好的顾客，对提供即时的商品或是服务也最有可能会有反应。
消费频率（Frequency）：顾客在限定的期间内所购买的次数。
消费金额（Monetary）
根据三个指标，在三个维度上进行分类，得到8组用户
2.2 K-means聚类法
k-means算法知识
sk-learn官网的K-means实现
3. 数据挖掘实现
3.1 引入相关库
import pandas as pdimport numpy as npimport seaborn as snsimport matplotlib.pyplot as pltimport matplotlib as mplimport sklearn.datasets as dsimport matplotlib.colorsfrom sklearn.cluster import KMeans%matplotlib inline#设置属性，防止中文乱码mpl.rcParams['font.sans-serif'] = [u'SimHei']mpl.rcParams['axes.unicode_minus'] = False
3.2 读取数据
pd.read_csv() #导入数据data.head() #查看前几行data.shape #查看数据分布（行，列）
3.3 数据探索分析
data.info() #查看每个column特征的非空数据量、数据类型data.describe().T # 查看每个数值类特征的总数量（包括空值）以及五值分布：平均值、最大值、最小值、标准差、四分位数data.isnull().sum().sort_values(ascending = False) #查看缺失值情况
3.4 数据预处理
数据清洗：处理异常值和缺失值特征提取：仅保留相关特征，删除不相关、弱相关或冗余特征标准化处理#数据清洗部分# 丢弃票价为空的记录data = data[data['SUM_YR_1'].notnull()&data['SUM_YR_2'].notnull()]#保留票价非零或平均折扣率为零的值temp1 = data['SUM_YR_1'] !=0temp2 = data['SUM_YR_2'] != 0temp3 = data['avg_discount'] == 0data = data[temp1 |temp2|temp3] # 上述三个是布尔判别式#导出清洗后的数据result = 'C:\\Users\\Zoe Wang\\Desktop\\新建文件夹\\data_cleaned.csv' #创建数据保存位置data.to_csv(result,sep = ',',encoding = 'utf-8')
# 特征提取部分'''R是最近消费时间间隔（Recency），可以用LAST_TO_END（最后一次乘机时间至观察窗口末端时长）；F是消费频率（Frequency），FLIGHT_COUNT(观测窗口内的飞行次数)M是消费金额（Monetary），航空票价收到距离和舱位等级多种因素的影响， 舱位因素=舱位所对应的折扣系数AVG_DISCOUNT的平均值，距离因素=一定时间内累积的飞行里程SEG_KM_SUM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，所以增加指标入会时间长度，即客户关系长度：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），即LOAD_TIME-FFP_DATE最终确定，需要五个指标：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)'''#数据筛选df = data[['LOAD_TIME','FFP_DATE','LAST_TO_END','FLIGHT_COUNT','SEG_KM_SUM','avg_discount']]#构造LRFMC特征def STRCTURE_LRFMC(data_set):df_LOAD_TIME = pd.to_datetime(data_set['LOAD_TIME']) #pd.to_datetime()将给定的数据按指定格式转换成日期格式df_FFP_DATE = pd.to_datetime(data_set['FFP_DATE'])LOAD_TIME_FFP_DATE = df_LOAD_TIME-df_FFP_DATEdf2 = data_set.copy()df2['L'] = LOAD_TIME_FFP_DATE.map(lambda x:x/np.timedelta64(30*24*60,'m')) df2['R'] = data_set['LAST_TO_END']df2['F'] = data_set['FLIGHT_COUNT']df2['M'] = data_set['SEG_KM_SUM']df2['C'] = data_set['avg_discount']df3 = df2[['L','R','F','M','C']]return df3df3 = STRCTURE_LRFMC(data)# 标准化处理，使用的是标准差标准化def std_normal(data):data2 = (data - data.mean())/data.std()data2.columns = ['Z'+ i for i in data.columns]return data2df4 = std_normal(df3)
3.5 K-Means聚类模型构建
采用K-Means算法对客户数据进行客户分群，聚成五类在讨论聚几类比较合适时，除了业务需要，也可根据聚类的性能,聚类类别数和组内误方差的变化，出现“肘点”对应的类别数可以认为最优。# 按照5类进行聚类分析k = 5# 调用k-means算法 model = KMeans(n_clusters=k, init= 'random',random_state=28,n_jobs=4)# n_clusters是聚类数，即k；init是初始化方法，可以是'k-means ++'，'random'或者自定义，default=’k-means++’model.fit(df4) # 用于执行训练过程# r为每个类别的数目，r3为每个样本聚类的类别，r1 = pd.Series(model.labels_).value_counts() # model.labels_ 每个样本对应的簇类别标签,统计各类别的数目r2 = pd.DataFrame(model.cluster_centers_) # model.cluster_centers_ 聚类中心,找出聚类中心r = pd.concat([r2,r1],axis = 1) # 得到聚类中心对应的类别下的数目r.columns = list(df4.columns)+[u'聚类类别'] #重命名表头r.to_excel('C:\\Users\\Zoe Wang\\Desktop\\新建文件夹\\KMeansNum.xls')r3 = pd.concat([df4,pd.Series(model.labels_,index = df4.index)],axis =1)r3.columns =list(df4.columns) +[u'聚类类别']r3.to_excel('C:\\Users\\Zoe Wang\\Desktop\\新建文件夹\\KMean.xls')# 进行聚类评估distortions = []for i in range(1,10):km = KMeans(n_clusters= i, init = 'random',random_state= 28 )km.fit(df4)distortions.append(km.inertia_)plt.plot(range(1,10),distortions,marker = 'o')plt.xlabel("簇数量")plt.ylabel("簇内误方差（SSE）")plt.show()
3.6 聚类结果展示
max = r2.values.max()min = r2.values.min()# 绘图fig = plt.figure(figsize=(10, 8))ax = fig.add_subplot(111, polar=True)# 显示在雷达图中标签labels = ["客户关系长度","消费的时间间隔","总消费次数","总消费金额","平均折扣率"]# 绘制的变量数num_vars = len(labels)# 设置雷达图的角度，用于平分切开一个圆面angles=np.linspace(0, 2*np.pi, num_vars, endpoint=False).tolist()# 将雷达图一圈 封闭起来，将起始值附加到结尾。# ！！！注意，标签也要进行封闭，我在练习的时候在这里卡住了。angles += angles[:1]labels += labels[:1]#构造函数，绘制每个圈def add_to_radar(feature):values = r2.loc[feature].tolist()values += values[:1]# 绘制折线图ax.plot(angles, values, 'o-', linewidth = 2, label = "第%d类客群:%d人"%(feature+1,r.loc[feature,"聚类类别"]))# 填充颜色ax.fill(angles, values, alpha=0.25)for i in range(5):add_to_radar(i)# 固定开始轴.ax.set_theta_offset(np.pi / 2)ax.set_theta_direction(-1)# 添加每个特征的标签,np.degrees（）将弧度转化为角度ax.set_thetagrids(np.degrees(angles), labels, fontsize=15) #调整标签位置for label, angle in zip(ax.get_xticklabels(), angles):if angle in (0, np.pi):label.set_horizontalalignment('center')elif 0 < angle < np.pi:label.set_horizontalalignment('left')else:label.set_horizontalalignment('right') # 设置雷达图的范围ax.set_ylim(min-0.1, max+0.1)# 添加标题plt.title('客户群特征分析图', fontsize=20)# 添加网格线ax.grid(True)# 设置图例plt.legend(loc='upper right', bbox_to_anchor=(1.3,1.0),ncol=1,fancybox=True,shadow=True)# 显示图形plt.show()plt.savefig("客户群特征分析图.jpg",dpi=200)
3.7 模型结果分析
3.7.1 客户价值分析
针对“客户群特征分析图”所示的聚类结果，结合业务进行特征分析。我们重点关注的是L（客户关系长度）、F（消费频率）、M（飞行里程）三个指标：
客户群1：在C属性上最大，可定义为重要挽留客户；客户群2：在R属性上最大，在F、M属性上最小，可定义为低价值客户；客户群3：在F、M属性上最大，在R属性上最小，可定义为重要保持客户；客户群4：在L、C属性上最小，可定义为一般客户；客户群5：在L属性上最大，可定义为重要发展客户；
3.7.2 客户群价值排名重要保持客户：C（平均折扣率较高、仓位等级较高）、F（乘坐次数）、M（里程）较高，R（最近乘坐航班）低。应将资源优先投放到这类客户身上，进行差异化管理，提高客户的忠诚度和满意度。重要发展客户：C较高，R、F、M较低。这类客户入会时长（L）短、当前价值低、发展潜力大，应促使客户增加在本公司和合作伙伴处的消费。重要挽留客户：C、F 或 M 较高，R较高 或 L变小，客户价值变化的不确定性高。应掌握客户最新信息、维持与客户的互动。一般和低价值客户：C、F、M、L低、R较高。这类客户可能在打折促销时才会选择消费。
3.8 应用
差异化管理、精准营销，提高客户忠诚度、满意度，延长客户高水平消费。
会员升级与保级（积分削减等）:在会员升级或保级评价的时间点前，对接近但尚未达到要求的较高消费客户进行提醒或促销活动，提高客户满意度。首次兑换:对接近但尚未达到标准的会员进行提醒或促销活动，提高客户满意度。交叉销售:通过与非航空类企业的合作，使客户在其他消费过程中获得本公司积分，增强与公司联系，提高忠诚度
4. 小知识点补充
1.pd.to_datetime()
to_datetime()方法将给定的数据按照指定格式转换成指定的日期格式。
Timedelta在pandas中是一个*表示两个datetime值之间的差(如日,秒和微妙)*的类型，2个Datetime数据运算相减得出的结果就是一个Timedelta数据类型
例如
运行pd.to_datetime('-9-4') - pd.to_datetime('-1-1')，可得到结果Timedelta('611 days 00:00:00')
2.data.map()
语法：map(function, iterable, ...)
data.map()会以data的每个参数调用function函数，返回包含每次function函数返回值的新列表。
