基于Kmeans聚类的航空公司会员客户价值分析

1.导入相关的包

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

2.导入数据

# 导入航空公司会员客户数据
df = pd.read_csv(r"C:\Python\基于数据挖掘技术的航空公司会员客户价值研究报告\air_data.csv")
df

# 导入字段说明数据
df_field = pd.read_excel(r"C:\Python\基于数据挖掘技术的航空公司会员客户价值研究报告\数据特征说明.xlsx")
df_field

# 更改列名为中文名
dfc = df.copy()
dfc.columns = df_field['属性名称']
dfc

3、选择模型指标

# 这里使用以下指标作为RFM模型指标：其中金额指标拆分为两部分，分别是平均折扣率和飞行公里数，平均折扣率越高，说明打折幅度越少
# 说明这是价格不敏感的客户，而飞行公里也在一定程度上能够衡量机票的金额，飞行公里数越大越好。
# R：最近一次飞行间隔：LAST_TO_END
# F：飞行频率：FLIGH_COUNT
# D：折扣率：avg_discount
# K：飞行公里：SEG_KM_SUM

# 选择模型指标
df_rfm = dfc.loc[:,['最后一次乘机时间至观察窗口末端时长','飞行次数','平均折扣率','观测窗口总飞行公里数']]
df_rfm.columns = ['R','F','D','K']
df_rfm

3.1、缺失值处理

# 观察特征缺失值比例
df_rfm.isnull().sum()

3.2、异常值处理

# 因为KMeans是基于距离计算的聚类模型，因此离群点会对建模产生影响，所以要对异常值做处理
df_rfm.describe()

# 由下表可知，F值的最大值是0.95分位数的五倍，K值的最大值也是0.95分位数的5倍，属于异常值
df_rfm.describe([0.9,0.95])

# 使用95分位数盖帽法来处理异常值
F_095 = df_rfm['F'].quantile(0.95)
df_rfm['F'] = df_rfm['F'].mask(df_rfm['F'] > F_095, F_095)

K_095 = df_rfm['K'].quantile(0.95)
df_rfm['K'] = df_rfm['K'].mask(df_rfm['K'] > K_095, K_095)

# 再次观察
df_rfm.describe()

3.3、 数据预处理

# 因为RFM数值的量纲不统一，因此会对模型造成较大的影响,在此需要对其进行数据标准化处理
# 采用了Z-score方法
df_rfm = (df_rfm - df_rfm.mean())/df_rfm.std()
df_rfm

4、数据建模

4.1 选择最优聚类

# 尝试用聚类模型进行分类
from sklearn.cluster import KMeans

# 基于SSE选择最优聚类
SSE = []
nums = []
for num in range(2,9):
    KM = KMeans(n_clusters=num, random_state=0)
    KM = KM.fit(df_rfm)
    SSE.append(KM.inertia_)
    nums.append(num)

# 绘图
plt.style.use('ggplot')
# 观察绘制SSE与簇个数的关系图
plt.plot(figsize = (10,8))

plt.plot(nums, SSE)
plt.xlabel('n_clusters', fontsize=15)
plt.ylabel('SSE', fontsize=15)
plt.title('Kmeans', fontsize=20)
plt.show()

from sklearn.metrics import silhouette_score
from sklearn.metrics import silhouette_samples

# 基于轮廓系数选择最优聚类
# 绘制轮廓系数曲线，找到最合适的k值
score = []
for i in range(2,9):
    KM = KMeans(n_clusters=i, random_state=0)
    KM = KM.fit(df_rfm)
    score.append(silhouette_score(df_rfm, KM.labels_))

plt.rcParams['font.sans-serif']=['Simhei']  # 显示中文,解决图中无法显示中文的问题
plt.rcParams['axes.unicode_minus']=False    # 设置显示中文后,负号显示受影响。解决坐标轴上付好乱码问题    

plt.plot(range(2,9), score, label='轮廓系数')
plt.axvline(pd.DataFrame(score).idxmax()[0]+2, ls=':', c='r')
plt.legend()
plt.show()

4.2 确定聚类个数，开始建模

# 根据interia_拐点法最优的结果是分成3类，而根据轮廓系数最优分类是2类，但这都只能作为参考，根据业务标准，应该将其分成4类。
KM = KMeans(n_clusters=4, random_state=0)
KM = KM.fit(df_rfm)
# 统计频数
r1 = pd.Series(KM.labels_).value_counts()
# 将n个簇类中心转换成DataFrame格式
r2 = pd.DataFrame(KM.cluster_centers_)
# 将两组数据合并
center = pd.concat([r2,r1], axis=1)
center.columns = ['R','F','D','K','聚类个数']
center

5、聚类可视化

# 显示中文字体
plt.style.use('seaborn')
# 显示中文
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 绘制雷达图
# 所有簇中心坐标值中最大值和最小值,确定雷达图的范围
center_max = r2.values.max()
center_min = r2.values.min()

fig = plt.figure(figsize=(10,8))
ax = fig.add_subplot(111, polar=True)
center_num = center.values
feature = list(df_rfm.columns)
N = len(feature)
for i,v in enumerate(center_num):
    # 设置雷达图的角度，用于平分切开一个圆面
    angles = np.linspace(0, 2 * np.pi, N, endpoint=False)
    # 为了使雷达图一圈封闭，需要以下步骤
    heart = np.concatenate((v[:-1], [v[0]]))
    angles = np.concatenate((angles, [angles[0]]))
    # 绘制折线图
    ax.plot(angles, heart, 'o-', linewidth=2, label='第%d类人群，%d人' % (i+1, v[-1]))
    # 填充颜色
    ax.fill(angles, heart, alpha=0.25)
    # 添加每个特征的标签
    ax.set_thetagrids(angles * 180 / np.pi, feature, fontsize=15)
    # 设置雷达图的范围
    ax.set_ylim(center_min-0.1, center_max+0.1)
    # 添加标题
    plt.title('客户群特征分析图', fontsize=20)
    # 添加网格线
    ax.grid(True)
    # 设置图例
    plt.legend(loc='upper right', bbox_to_anchor=(1.3,1.0), ncol=1, fancybox=True, shadow=True)

# 显示图形
plt.show()

6、结论

（1）客户群1（蓝色）：最后一次飞行距离当前时间短，飞行次数少，飞行里程少，平均折扣率最高

建议：客户群1属于重要发展客户，客户平均折扣率最高，一般所乘坐航班的舱位等级较高，最后一次飞行距离当前时间短，有一定的活跃度，但是飞行次数不多，飞行里程少，这类客户当前价值不高，但是很有发展潜力，应该促使该类客户在本公司消费，通过提升客户价值，加强满意度，促使其成为忠诚客户。

（2）客户群2（绿色）：最后一次飞行距离当前时间最短，飞行次数多，飞行里程多，平均折扣率居中

建议：客户群2属于一般价值用户，平均折扣率居中，他们会倾向于购买打折机票，但是飞行次数多，飞行时间长，这里客户是价格敏感性用户，不太能通过刺激消费的方法升级客户价值，需要采取一定的营销手段保持该类客户的活跃度。

（3）客户群3（红色）：最后一次飞行距离当前时间最长，飞行次数少，飞行里程少，平均折扣率居低

建议：客户群3属于一般挽留客户，是低价值用户，各项属性都很差，可能已经流失了，不需要在他们身上花费太多的营销成本和精力。

（4）客户群4（紫色）：最后一次飞行距离当前时间最短，飞行次数少，飞行里程少，平均折扣率居低

建议：客户群4属于一般发展客户，比较符合一般新客户的特征，他们最近一次乘坐飞机的时间短，但是飞行次数少，飞行旅程少，而且倾向于购买打折机票，属于价值敏感型的客户，应该给予一定的优惠措施，将其发展为一般价值客户。