点击标题下「蓝色微信名」点击设置星标第一时间送达

本文所有代码都通过运行！

• 我们说RFM模型由R(最近消费时间间隔)、F(消费频次)和M(消费总额)三个指标构成，通过该模型识别出高价值客户。

• 但该模型并不完全适合所有行业，如航空行业，直接使用M指标并不能反映客户的真实价值，因为“长途低等舱”可能没有“短途高等舱”价值高。所以得根据实际行业灵活调整RFM模型的指标。

• 本文就拿航空公司的数据为例，将RFM模型构建成L(入会至当前时间的间隔，反映可能的活跃时长)、R(最近消费时间距当前的间隔，反映当前的活跃状态)、F(乘机次数，反映客户的忠诚度)、M(飞行里程数，反映客户对乘机的依赖性)和C(舱位等级对应的折扣系数，侧面反映客户价值高低)5个指标。

• 下面就利用这5个指标进行客户价值分群的实战：

01

导入包和数据

1import pandas as pd
2import numpy as np
3from sklearn.cluster import KMeans
4import matplotlib.pyplot as plt
5#接着将数据读取到程序中，并查看每个特征属性的相关信息，以便对“脏”数据进行处理
6datafile = 'data/air_data.csv'
7data = pd.read_csv(datafile, encoding='utf-8')
8print(data.shape)
9print(data.info())

• 结果显示该数据集大小为(62988, 44)，一共44列都无空值，不错，我们继续分析。

02

数据清洗

1#通过观测可知，数据集中存在票价为零但是飞行公里大于零的不合理值，但是所占比例较小，这里直接删去
2data = data[data["SUM_YR_1"].notnull() & data["SUM_YR_2"].notnull()]
3index1 = data["SUM_YR_1"] != 0
4index2 = data["SUM_YR_2"] != 0
5index3 = (data["SEG_KM_SUM"] == 0) & (data["avg_discount"] == 0)
6data = data[index1 | index2| index3]
7print(data.shape)

• 删除后剩余的样本值是62044个，可见异常样本的比例不足1.5%，因此不会对分析结果产生较大的影响。

• 原始数据集的特征属性太多，而且各属性不具有降维的特征，故这里选取几个对航空公司来说比较有价值的几个特征进行分析，这里并没有完全按照书中的做法选取特征，最终选取的特征是第一年总票价、第二年总票价、观测窗口总飞行公里数、飞行次数、平均乘机时间间隔、观察窗口内最大乘机间隔、入会时间、观测窗口的结束时间、平均折扣率这八个特征。下面说明这么选的理由：

1. 选取的特征是第一年总票价、第二年总票价、观测窗口总飞行公里数是要计算平均飞行每公里的票价，因为对于航空公司来说并不是票价越高，飞行公里数越长越能创造利润，相反而是那些近距离的高等舱的客户创造更大的利益。

2. 当然总飞行公里数、飞行次数也都是评价一个客户价值的重要的指标， 入会时间可以看出客户是不是老用户及忠诚度。

3. 通过平均乘机时间间隔、观察窗口内最大乘机间隔可以判断客户的乘机频率是不是固定。

4. 平均折扣率可以反映出客户给公里带来的利益，毕竟来说越是高价值的客户享用的折扣率越高。

1# 属性规约：去掉不相管的属性，只留下与LRFMC模型相关的属性
2# FFP_DATE 入会时间
3# LOAD_TIME 观测窗口结束时间
4# FLIGHT_COUNT 飞行频率
5# avg_discount 平均折扣
6# SEG_KM_SUM 观测窗口总飞行公里数
7# LAST_TO_END 最后一次乘机时间至观察窗口末端时长
8
9data = data[['FFP_DATE','LOAD_TIME', 'FLIGHT_COUNT', 'avg_discount', 'SEG_KM_SUM','LAST_TO_END']]

• 数据变化的LRFMC数据：
  L = LOAD_TIME - FFP_DATE （观测窗口时间 - 入会时间）
  R = LOAD_TIME - LAST_TO_END （观测窗口时间 - 最后一次乘机时间）
  F = FLIGHT_COUNT
  M = SEG_KM_SUM

  C = avg_discount

 1from datetime import datetime2import time34def normal_time(date):5    '''6    格式化数据7    '''8    return datetime.strptime(date,"%Y/%m/%d")9
10def interval_time(dd):
11    '''
12    计算时间间隔，以月为单位
13    '''
14    return dd.days / 30
15# data_LRFMC数据
16data_LRFMC = pd.DataFrame()
17# data_LRFMC.columns = ['L', 'R', 'F','M', 'C']
18data["LOAD_TIME"] = pd.to_datetime(data["LOAD_TIME"])
19data["FFP_DATE"] = pd.to_datetime(data["FFP_DATE"])
20data_LRFMC['L'] = (data['LOAD_TIME'] - data['FFP_DATE']).astype(np.int64)
21data_LRFMC['R'] = pd.to_datetime(data['LAST_TO_END']).astype(np.int64)
22data_LRFMC['F'] = data['FLIGHT_COUNT']
23data_LRFMC['M'] = data['SEG_KM_SUM']
24data_LRFMC['C'] = data['avg_discount']
25
26# 显示数据的描述，最大值和最小值
27data_LRFMC_describe = data_LRFMC.describe().T
28data_LRFMC_describe = data_LRFMC_describe[['max','min']].T
29#注意到所有的数据值，最大值和最小值间隔较大，需要对数据进行标准化
30#这里使用标注差标准化,可以使用认识方法进行处理
31data_normal = (data_LRFMC - data_LRFMC.mean()) / (data_LRFMC.std())
32data_normal.columns = ['Z'+i for i in data_normal.columns]

03

建立模型

数据处理完毕，下面进行模型的构建，
1、使用聚类算法，将数据生成5类用户
2、针对聚类结果进行特征分析

 1k = 52kmodel = KMeans(k) #得到模型3kmodel.fit(data_normal) #训练模型45clu = kmodel.cluster_centers_6x = [1,2,3,4,5]78colors = ['red','green','yellow','blue','black']9for i in range(5):
10    plt.plot(x,clu[i],label='clustre '+str(i),linewidth=6-i,color=colors[i],marker='o')
11
12plt.xlabel('L  R  F  M  C')
13plt.ylabel('values')
14plt.show()

• 客户价值分析：
  注意kmeans每次运行的时候得到的类会有差别，簇号也会相应的改变，但是中间点基本不会改变：
  L R F M C
  客户群1：[-0.70020646 -0.41488827 -0.16114258 -0.16095751 -0.25513154] red
  客户群2：[-0.31367829 1.68625847 -0.57401599 -0.53682019 -0.1733261] green
  客户群3：[ 0.48332845 -0.79938326 2.4832016 2.42472391 0.30863003] yellow
  客户群4：[ 1.16066672 -0.37722119 -0.08691852 -0.09484404 -0.1559046] blue
  客户群5：[ 0.05184279 -0.00266813 -0.22680311 -0.23125407 2.19134701] black

• 我们重点关注的是L，F，M，从图中可以看到：
  1、客户群3[yellow] 的F,M很高，L也不低，可以看做是重要保持的客户；
  2、客户群5[black] 重要发展客户
  3、客户群4[blue] 重要挽留客户，原因：入会时间长，但是F,M较低
  4、客户群1[red] 一般客户
  5、客户群2[green] 低价值客户

04

数据集获取

• 本项目是对《Python数据分析与挖掘》书中的航空公司客户价值分析案例进行复现

• 需要数据集的可以公众号后台回复关键字【航空】获取

• 另外小伙伴们点个“再看”支持下小姐姐吧，你的支持是我最大的动力呀

我不仅仅是一个码