python数据挖掘项目——航空公司客户价值分析（详解）

一、选题背景

信息时代的来临使得企业营销的焦点从产品中心转变为客户中心，客户关系管理成为企业的核心问题，客户关系管理的关键问题是客户分类，通过客户分类，区分不同客户的价值，企业针对不同价值的客户制定个性化的服务方案，采用不同的营销策略，将有限的营销资源集中于高价值客户，实现企业利润最大化目标。因此如何对客户进行分类就成了最关键的问题。面对激烈的市场竞争，各航空公司都推出了更优惠的营销方式来吸引更多的客户，国内某航空公司面临着常旅客流失、竞争力下降和航空资源未充分利用等经营危机。通过建立合理的客户价值评估模型，对客户进行分类，分析比较不同客户群体的价值，并制定相应的营销策略，对不同的客户群提供个性化的客户服务是必须的和有效的。结合该航空公司已积累的大量的会员档案信息和其乘坐航班记录，实现对客户进行分类、比较不同类别客户的价值、对不同类别客户制定相应的营销策略并提供个性化的服务。

二、总体流程

航空公司客户价值分析案例的总体流程如图2.1所示，主要包括以下4个步骤：

（1）抽取航空公司2012年4月1日至2014年3月31日的数据。

（2）对抽取的数据进行数据探索分析与预处理，包括数据缺失值与异常值的探索分析、数据清洗、特征构建、标准化等操作。

（3）基于RFM模型，使用K-Means算法进行客户分群。

（4）针对模型结果得到不同价值的客户，采用不同的营销手段，提供定制化的服务。

图2.1 航空公司客户价值分析案例的总体流程图

三、主要任务

1.对航空公司客户数据进行预处理；

2.客户特征分析：

（1）客户基本信息的分布分析，包括客户入会时间、性别、会员卡级别和年龄；

（2）客户乘机信息分布分析，包括最后一次乘机至结束的时长、客户乘机信息中的飞行次数、总飞行公里数；

（3）客户积分信息分布分析，包括积分兑换次数、总累计积分；

3.对客户数据进行变换，提取LRFMC五个指标、标准化数据；

4. 客户价值分析：

（1）依据5个指标对客户进行聚类分析；

（2）对每个客户群进行特征分析，分析其客户价值，并对每个客户群进行排名；

四、实现各个任务

1.对航空公司客户数据进行预处理；

2.客户特征分析：

（1）客户基本信息的分布分析，包括客户入会时间、性别、会员卡级别和年龄；

（2）客户乘机信息分布分析，包括最后一次乘机至结束的时长、客户乘机信息中的飞行次数、总飞行公里数；

（3）客户积分信息分布分析，包括积分兑换次数、总累计积分；

3.对客户数据进行变换，提取LRFMC五个指标、标准化数据；

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。

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。本案例将客户关系长度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这5个特征作为航空公司识别客户价值的特征，如表4.1所示，记为LRFMC模型。

表3.1 特征含义

模型	L	R	F	M	C
航空公司LRFMC模型	会员入会时间距观测窗口结束的月数	客户最近一次乘坐公司飞机距观测结束的月数	客户在观测窗口内乘坐公司飞机的次数	客户在观测窗口内累计的飞行里程	客户在观测窗口内乘坐舱位所对应的折扣系数的平均值

数据变换是将数据转换成“适当的”格式，以适应挖掘任务及算法的需要。本案例中主要采用的数据变换方式是属性构造和数据标准化。因为原始数据中并没有直接给出LRFMC5个指标，所以需要通过原始数据进行构造这5个指标。对5个指标提取完成之后，通过数据可以发现，5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。在本案例中，采用标准差标准化的方法来标准化处理数据。具体参考代码如下：

4. 客户价值分析：

（1）依据5个指标对客户进行聚类分析；

（2）对每个客户群进行特征分析，分析其客户价值，并对每个客户群进行排名；

图4.1 雷达图

通过比较各个特征在群间的大小来对某一个群的特征进行评价分析。其中，客户群2在特征c处的值最大，在特征F、M处的值较小，说明客户群2是偏好乘坐高级舱位的客户群:客户群5在特征F和M上的值最大，且在特征R上的值最小，说明客户群5的会员频繁乘机且近期都有乘机记录;客户群4在特征R处的值最大，在特征L、F、M和C处的值都较小，说明客户群4已经很久没有乘机，是人会时间较短的低价值的客户群;客户群3在所有特征上的值都很小，且在特征L处的值最小，说明客户群3属于新人会员较多的客户群;客户群1在特征L处的值最大，在特征R处的值较小，其他特征值都比较适中，说明客户群1人会时间较长，飞行频率也较高，是有较高价值的客户群。对其排名如表4.2所示。

表4.2 客户群价值排名

客户群	排名	排名含义
客户群5	1	重要保持客户
客户群2	2	重要发展客户
客户群1	3	重要挽留客户
客户群3	4	一般客户
客户群4	5	低价值客户

五、总结

这篇文章并不是以完整的论文形式来呈现，而是将自己在做这个项目的过程中的一些学习笔记分享出来，希望对大家的学习有所帮助。