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。

• 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

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 pddatafile= 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     1FFP_DATE                    0       NaN   NaNFIRST_FLIGHT_DATE           0       NaN   NaNGENDER                      3       NaN   NaNFFP_TIER                    0         6     4WORK_CITY                2269       NaN   NaNWORK_PROVINCE            3248       NaN   NaNWORK_COUNTRY               26       NaN   NaNAGE                       420       110     6LOAD_TIME                   0       NaN   NaNFLIGHT_COUNT                0       213     2BP_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 pddatafile= '/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'] != 0index2 = data['SUM_YR_2'] != 0index3 = (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 data3data3=reduction_data(data)print(data3)

————————————以下是以上代码处理后数据————————————                L    R    F       M         C0       90.200000    1  210  580717  0.9616391       86.566667    7  140  293678  1.2523142       87.166667   11  135  283712  1.2546763       68.233333   97   23  281336  1.0908704       60.533333    5  152  309928  0.9706585       74.700000   79   92  294585  0.9676926       97.700000    1  101  287042  0.9653477       48.400000    3   73  287230  0.9620708       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 datadata4 = zscore_data(data3)data4

————————————以下是以上代码处理后数据————————————         ZL           ZR         ZF           ZM         ZC0     1.435707    -0.944948   14.034016   26.761154   1.2955401     1.307152    -0.911894   9.073213    13.126864   2.8681762     1.328381    -0.889859   8.718869    12.653481   2.8809503     0.658476    -0.416098   0.781585    12.540622   1.9947144     0.386032    -0.922912   9.923636    13.898736   1.3443355     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   31     1.689882    -0.322442   0.852453    0.843848    -0.553613   32     1.681743    -0.487707   -0.210576   0.158569    -1.094680   33     1.534185    -0.785184   0.002030    0.273091    -1.148787   34     0.890167    -0.426559   -0.635788   -0.685170   1.231909    45     -0.232618   -0.690983   -0.635788   -0.603898   -0.391293   06     -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 pltdensity_plot(data4)

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

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。