在这里插入图片描述

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 np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
from sklearn import preprocessing
import warnings
warnings.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2014-03-31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2012-04-01至2014-03-31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'] != 0
index2 = data['SUM_YR_2'] != 0
index3 = (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 pd

datafile = '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 pd
from 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：http://t.csdn.cn/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=0
for i in range(0,5):
    j=i+1
    ax.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。

总结和思考

在国内航空市场竞争日益激烈的背景下，客户流失问题是影响公司利益的重要因素之一。如何如何改善流失问题，继而提高客户满意度、忠诚度，维护自身的市场和利益？
客户流失分析可以针对目前老客户进行分类预测。针对航空公司客户信息数据附件（见：/示例程序/air_data.csv）可以进行老客户以及客户类型的定义（例如：将其中将飞行次数大于6次的客户定义为老客户，已流失客户定义为：第二年飞行次数与第一年飞行次数比例小于50%的客户等）。
选取客户信息中的关键属性如：会员卡级别，客户类型（流失、准流失、未流失），平均折扣率，积分兑换次数，非乘机积分总和，单位里程票价，单位里程积分等。通过这些信息构建客户的流失模型，运用模型预测未来客户的类别归属（未流失、准流失，或已流失）。