《Python 數(shù)據(jù)挖掘?qū)嵺`》課件-第7章 航空公司客戶價值分析

二八定律：20%的客戶，為企業(yè)帶來約80%的利益。在企業(yè)的客戶關(guān)系管理中，對客戶分類，區(qū)分不同價值的客戶。針對不同價值的客戶提供個性化服務(wù)方案，采取不同營銷策略，將有限營銷資源集中于高價值客戶，實現(xiàn)企業(yè)利潤最大化目標(biāo)。在競爭激烈的航空市場里，很多航空公司都推出了優(yōu)惠的營銷方式來吸引更多的客戶。在此種環(huán)境下，如何將公司有限的資源充分利用，提示企業(yè)競爭力，為企業(yè)帶來更多的利益。案例背景廣泛用于分析客戶價值的是RFM模型，它是通過三個指標(biāo)（最近消費時間間隔(Recency)、消費頻率(Frequency)、消費金額(Monetary)）來進(jìn)行客戶細(xì)分，識別出高價值的客戶。如果分析航空公司客戶價值，此模型不再適用，存在一些缺陷和不足：二：傳統(tǒng)模型分析是利用屬性分箱方法進(jìn)行分析如圖，但是此方法細(xì)分的客戶群太多，需要一一識別客戶特征和行為,提高了針對性營銷的成本。一：在模型中，消費金額表示在一段時間內(nèi)，客業(yè)產(chǎn)品金額的總和。因航空票價受到運輸距離、艙位等級等多種因素影響，同樣消費金額的不同旅客對航空公司的價值是不同的。因此這個指標(biāo)并不適合用于航空公司的客戶價值分析。傳統(tǒng)方法存在的缺陷客戶信息屬性說明航空客戶信息數(shù)據(jù)原始數(shù)據(jù)情況原始數(shù)據(jù)情況客戶信息屬性說明，針對航空客戶的信息，對每個屬性進(jìn)行相應(yīng)說明。以過去某個時間點為結(jié)束時間，某一時間長度作為寬度，得到歷史時間范圍內(nèi)的一個時間段。原始數(shù)據(jù)情況航空客戶信息，其中已經(jīng)包含會員檔案信息和其乘坐航班記錄等挖掘目標(biāo)借助航空公司客戶數(shù)據(jù)，對客戶進(jìn)行分類；對不同的客戶類別進(jìn)行特征分析，比較不同類客戶的客戶價值；對不同價值的客戶類別提供個性化服務(wù)，制定相應(yīng)的營銷策略。分析方法與過程因消費金額指標(biāo)在航空公司中不適用，故選擇客戶在一定時間內(nèi)累積的飛行里程M和客戶乘坐艙位折扣系數(shù)的平均值C兩個指標(biāo)代替消費金額。此外，考慮航空公司會員加入時間在一定程度上能夠影響客戶價值，所以在模型中增加客戶關(guān)系長度L，作為區(qū)分客戶的另一指標(biāo)，因此構(gòu)建出LRPFMC模型。采用聚類的方法對客戶進(jìn)行細(xì)分，并分析每個客戶群的特征，識別其客戶價值。初步分析：提出適用航空公司的LRPFMC模型分析方法與過程總體流程：分析方法與過程以2014-03-31為結(jié)束時間，選取寬度為兩年的時間段作為分析觀測窗口，抽取觀測窗口內(nèi)有乘機(jī)記錄的所有客戶的詳細(xì)數(shù)據(jù)形成歷史數(shù)據(jù)。對于后續(xù)新增的客戶詳細(xì)信息，利用其數(shù)據(jù)中最大的某個時間點作為結(jié)束時間，采用上述同樣的方法進(jìn)行抽取，形成增量數(shù)據(jù)。根據(jù)末次飛行日期，從航空公司系統(tǒng)內(nèi)抽取2012-04-01至2014-03-31內(nèi)所有乘客的詳細(xì)數(shù)據(jù)，總共62988條記錄。第1步：數(shù)據(jù)抽取分析方法與過程第2步：探索分析原始數(shù)據(jù)中存在票價為空值，票價為空值的數(shù)據(jù)可能是客戶不存在乘機(jī)記錄造成。票價最小值為0、折扣率最小值為0、總飛行公里數(shù)大于0的數(shù)據(jù)。其可能是客戶乘坐0折機(jī)票或者積分兌換造成。編程練習(xí)分析方法與過程數(shù)據(jù)清洗：從業(yè)務(wù)以及建模的相關(guān)需要方面考慮，篩選出需要的數(shù)據(jù)丟棄票價為空的數(shù)據(jù)。丟棄票價為0、平均折扣率不為0、總飛行公里數(shù)大于0的數(shù)據(jù)。第3步：數(shù)據(jù)預(yù)處理編程練習(xí)分析方法與過程屬性規(guī)約：原始數(shù)據(jù)中屬性太多，根據(jù)LRFMC模型，選擇與其相關(guān)的六個屬性，刪除不相關(guān)、弱相關(guān)或冗余的屬性。第3步：數(shù)據(jù)預(yù)處理分析方法與過程數(shù)據(jù)變換屬性構(gòu)造數(shù)據(jù)標(biāo)準(zhǔn)化第3步：數(shù)據(jù)預(yù)處理分析方法與過程數(shù)據(jù)變換屬性構(gòu)造：因原始數(shù)據(jù)中并沒有直接給出LRPFMC六個指標(biāo)，需要構(gòu)造這五個指標(biāo)。第3步：數(shù)據(jù)預(yù)處理L=LOAD_TIME-FFP_DATE會員入會時間距觀測窗口結(jié)束的月數(shù)=觀測窗口的結(jié)束時間-入會時間[單位：月R=LAST_TO_END客戶最近一次乘坐公司飛機(jī)距觀測窗口結(jié)束的月數(shù)=最后一次乘機(jī)時間至觀察窗口末端時長[單位：月]F=FLIGHT_COUNT客戶在觀測窗口內(nèi)乘坐公司飛機(jī)的次數(shù)=觀測窗口的飛行次數(shù)[單位：次]M=SEG_KM_SUM客戶在觀測時間內(nèi)在公司累計的飛行里程=觀測窗口總飛行公里數(shù)[單位：公里]C=AVG_DISCOUNT客戶在觀測時間內(nèi)乘坐艙位所對應(yīng)的折扣系數(shù)的平均值=平均折扣率[單位：無]分析方法與過程數(shù)據(jù)變換數(shù)據(jù)標(biāo)準(zhǔn)化：因五個指標(biāo)的取值范圍數(shù)據(jù)差異較大，為了消除數(shù)量級數(shù)據(jù)帶來的影響，需要對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。第3步：數(shù)據(jù)預(yù)處理屬性名稱LRFMC最小值12.230.0323680.14最大值114.6324.372135807171.5編程練習(xí)分析方法與過程第5步：構(gòu)建模型構(gòu)建航空客戶價值分析模型客戶K-Means聚類客戶價值分析模型應(yīng)用分析方法與過程第5步：構(gòu)建模型客戶K-Means聚類采用K-Means聚類算法對客戶數(shù)據(jù)進(jìn)行分群，將其聚成五類（需要結(jié)合業(yè)務(wù)的理解與分析來確定客戶的類別數(shù)量）。編程練習(xí)分析方法與過程第5步：構(gòu)建模型客戶價值分析對聚類結(jié)果進(jìn)行特征分析，其中客戶群1在F、M屬性最大，在R屬性最??；客戶群2在L屬性上最大；客戶群3在R屬性上最大，在F、M屬性最??；客戶群4在L、C屬性上最??；客戶群5在C屬性上最大。分析方法與過程第5步：構(gòu)建模型客戶價值分析根據(jù)業(yè)務(wù)定義五個等級的客戶類別：重要保持客戶、重要發(fā)展客戶、重要挽留客戶、一般客戶、低價值客戶。分析方法與過程第5步：構(gòu)建模型客戶價值分析客戶群價值排名：根據(jù)每種客戶類型的特征，對各類客戶群行客戶價值排名，獲取高價值客戶信息。分析方法與過程第5步：構(gòu)建模型模型應(yīng)用：根據(jù)各個客戶群的特征，可采取一些營銷手段和策略。會員的升級與保級。首次兌換。交叉銷售。拓展思考在國內(nèi)航空市場競爭日益激烈的背景下，客戶流失問題是影響公司利益的重要因素之一。如何如何改善流失問題，繼而提高客戶滿意度、忠誠度，維護(hù)自身的市場和利益？客戶流失分析可以針對目前老客戶進(jìn)行分類預(yù)測。針對航空公司客戶信息數(shù)據(jù)附件（見：/示例程序/air_data.csv）可以進(jìn)行老客戶以及客戶類型的定義（例如：將其中將飛行次數(shù)大于6次的客戶定義為老客戶，已流失客戶定義為：第二年飛行