【数据挖掘实战】——航空公司客户价值分析（K-Means聚类案例）
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
1、RFM模型缺点分析
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'
data3、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 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
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
# 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+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。
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）。
【数据挖掘实战】——航空公司客户价值分析（K-Means聚类案例）相关推荐
- 数据分析与挖掘实战-航空公司客户价值分析
航空公司客户价值分析 项目背景 信息时代的到来注定营销焦点从产品中心转到了用户中心,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则是客户分类,通过分类区分客户价值的有无和高低,针对不同类别 ...
- python数据分析与挖掘实战(航空公司客户价值分析）
一.引言 企业在面向客户制定运营策略.营销策略时,希望能够针对不同的客户推行不同的策略,实现精准化运营,以期获取最大的转化率.客户关系管理是精准化运营的基础,而客户关系管理的核心是客户分类.通过客户分 ...
- 数据挖掘之航空公司客户价值分析——K-Means
本文主要包括以下几部分: 1:对航空公司的数据分析去掉无关特征,去掉有误的数据(例如:一年票价为0,第二年票价也是0) 2:根据LCRFM模型选取有关特征,对特征数据进行标准化 3:使用k-means ...
- 【Python】实训7：航空公司客户价值分析（K-means聚类）
实训1处理信用卡数据异常值 1.训练要点 (1)熟悉信用卡的基本业务知识. (2)掌握异常值的识别与处理方法. 2.需求说明 为了推进信用卡业务良性发展,减少坏账风险,各大银行都进行了信用卡客户风险识 ...
- Python数据挖掘：利用聚类算法进行航空公司客户价值分析
无小意丶 个人博客地址:无小意 知乎主页:无小意丶 公众号: 数据路(shuju_lu) 刚刚开始写博客,希望能保持关注,会继续努力. 以数据相关为主,互联网为辅进行文章发布. 本文是<Pyth ...
- Python数据挖掘-RFM模型K-means聚类分析-航空公司客户价值分析
使用教材:<Python数据分析与挖掘实战> 模型:RFM模型 算法:K-means聚类:其他方法还用到了层次聚类 数据:需要数据的可以评论里call. 内容: (1)案例: 航空公司客户 ...
- 《Python数据分析与挖掘实战》第7章——航空公司客户价值分析（kmeans）
本文是基于<Python数据分析与挖掘实战>的实战部分的第七章的数据--<航空公司客户价值分析>做的分析. 旨在补充原文中的细节代码,并给出文中涉及到的内容的完整代码. 1)在 ...
- 航空公司客户价值分析python实战
航空公司客户价值分析(K_Means聚类分析) 最近在看黄红梅.张良均老师主编的<Python数据分析与应用>,拿书里的案例练练手. 本案例将使用航空公司客户数据,结合RFM模型,采用K_ ...
- 数据分析实战：航空公司客户价值分析
一.背景目标 通过对航空公司客户数据分析,对客户进行分类: 比较不同客户的客户价值,并制定不同的服务和营销策略 二.数据探索分析 2.1 数据概况 数据时间范围: 2012年4月1日至2014年3月3 ...
最新文章
- python利用wx.grid网格显示数据
- el replace 表达式_EL表达式截取字符串 各种字符串操作的方式全解 泽0715新浪博客...
- 设计磁标读写模块-STC8G1K08-HALL
- Linux下配置JAVA 环境变量及查看JDK安装路径
- Day6 Pyhton基础之文件操作（五）
- css盒模型中子元素垂直方向上总高度与父元素height的关系
- linux mysql 5.6.24_Mysql实例Linux安装MySQL5.6.24使用文字说明
- c#中udp客户端连接遇到的问题 “远程主机强制关闭了一个现有的连接”
- 数组洗牌 Fisher Yates
- Redhat与ubuntu配置网卡
- DB2新建编目及删除编目
- 计算机网络---ICMP、IGMP协议
- 奋战聊天机器人（二）语料和词汇资源
- Microsoft C++ 异常: dlib::serialization_error，位于内存位置 0x0133F818 处
- 面经（5） 2020/4/5 Java研发实习生 蚂蚁金服
- u盘启动盘制作工具多个linux,多系统U盘启动盘制作工具
- 【万字长文】Dubbo 入门总结 ，一款高性能的 Java RPC 框架
- RTOS系统全Thumb编译+Neon加速火力全开
- 互联网日报 | 2月26日 星期五 | B站月均活跃用户突破2亿；返利网借壳上市获批；理想汽车首次实现季度盈利...
- 你与阿米巴经营之间只差了一个“中国式” 胡八一