1.背景与挖掘目标

1.1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

1.2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

2.分析方法与过程

2.1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

2.2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）

2.3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

2.4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。

importpandasaspd

datafile=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_NO62988NaNNaNNaN31494.518183.2

FFP_DATE6298830682011/01/13184NaNNaN

FIRST_FLIGHT_DATE6298834062013/02/1696NaNNaN

GENDER629852男48134NaNNaN

FFP_TIER62988NaNNaNNaN4.102160.373856

WORK_CITY607193310广州9385NaNNaN

WORK_PROVINCE597401185广东17507NaNNaN

WORK_COUNTRY62962118CN57748NaNNaN

...

-----------------------------------------------------------------以下是处理后数据

空值数       最大值   最小值

MEMBER_NO0629881

FFP_DATE0NaNNaN

FIRST_FLIGHT_DATE0NaNNaN

GENDER3NaNNaN

FFP_TIER064

WORK_CITY2269NaNNaN

WORK_PROVINCE3248NaNNaN

WORK_COUNTRY26NaNNaN

AGE4201106

LOAD_TIME0NaNNaN

FLIGHT_COUNT02132

BP_SUM05053080

...

2.3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 pd

datafile= '/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'] != 0

index2 = data['SUM_YR_2'] != 0

index3 = (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

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

defreduction_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(lambdax: 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']]

returndata3

data3=reduction_data(data)

print(data3)

————————————以下是以上代码处理后数据————————————

LRFMC

0       90.2000001  210  580717  0.961639

1       86.5666677  140  293678  1.252314

2       87.16666711  135  283712  1.254676

3       68.23333397   23  281336  1.090870

4       60.5333335  152  309928  0.970658

5       74.70000079   92  294585  0.967692

6       97.7000001  101  287042  0.965347

7       48.4000003   73  287230  0.962070

8       34.2666676   56  321489  0.828478

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)

defzscore_data(data):

data = (data - data.mean(axis=0)) / data.std(axis=0)

data.columns = ['Z'+ iforiindata.columns]

returndata

data4 = zscore_data(data3)

data4

————————————以下是以上代码处理后数据————————————

ZLZRZFZMZC

0     1.435707-0.94494814.03401626.7611541.295540

1     1.307152-0.9118949.07321313.1268642.868176

2     1.328381-0.8898598.71886912.6534812.880950

3     0.658476-0.4160980.78158512.5406221.994714

4     0.386032-0.9229129.92363613.8987361.344335

5     0.887281-0.5152575.67151913.1699471.328291

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]

ZLZRZFZMZC聚类类别

0     1.6898820.140299-0.6357880.068794-0.3371863

1     1.689882-0.3224420.8524530.843848-0.5536133

2     1.681743-0.487707-0.2105760.158569-1.0946803

3     1.534185-0.7851840.0020300.273091-1.1487873

4     0.890167-0.426559-0.635788-0.6851701.2319094

5-0.232618-0.690983-0.635788-0.603898-0.3912930

6-0.4969491.996225-0.706656-0.661752-1.3111071

就剩下最后一步，画图：

defdensity_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')foriinrange(5)]

[p[i].set_title('客户群%d'%i)foriinrange(5)]

plt.legend()

plt.show()

returnplt

density_plot(data4)

clu = kmodel.cluster_centers_

x = [1,2,3,4,5]

colors = ['red','green','yellow','blue','black']

foriinrange(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：

1、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；

2、客户群3[yellow] 重要发展客户

3、客户群1[red] 重要挽留客户，原因：入会时间长，但是F,M较低

4、客户群2[green] 一般客户

5、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

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。

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。

4.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