【数据分析与挖掘实战】航空公司客户价值分析

1.案例背景

• 二八定律： 20%的客户，为企业带来约80%的利益。
• 在企业的客户关系管理中，对客户分类，区分不同价值的客户。针对不同价值的客户提供个性化服务方案，采取不同营销策略，将有限营销资源集中于高价值客户，实现企业利润最大化目标。
• 在竞争激烈的航空市场里，很多航空公司都推出了优惠的营销方式来吸引更多的客户。在此种环境下，如何将公司有限的资源充分利用，提示企业竞争力，为企业带来更多的利益。

2.传统方法存在的缺陷

广泛用于分析客户价值的是RFM模型，它是通过三个指标（最近消费时间间隔(Recency)、消费频率(Frequency)、消费金额(Monetary)）来进行客户细分，识别出高价值的客户。如果分析航空公司客户价值，此模型不再适用，存在一些缺陷和不足：

一：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。
二：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。

3.原始数据说明

客户信息属性说明，针对航空客户的信息，对每个属性进行相应说明。

航空客户信息，其中已经包含会员档案信息和其乘坐航班记录等

4.挖掘目标

1、借助航空公司客户数据，对客户进行分类；
2、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；
3、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。

5.分析方法与过程

初步分析：提出使用航空公司的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。

总体流程：

5.1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

5.2探索分析

#-*- coding: utf-8 -*- 
#对数据进行基本的探索
#返回缺失值个数以及最大最小值

import pandas as pd

datafile= '../data/air_data.csv' #航空原始数据,第一行为属性标签
resultfile = '../tmp/explore.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
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
'''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）'''

explore.to_excel(resultfile) #导出结果

• 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。

5.3数据预处理

5.3.1数据清洗

（1）丢弃票价为空的数据。
（2）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。

#-*- coding: utf-8 -*-
#数据清洗，过滤掉不符合规则的数据

import pandas as pd

datafile= '../data/air_data.csv' #航空原始数据,第一行为属性标签
cleanedfile = '../tmp/data_cleaned.csv' #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”
data = data[index1 | index2 | index3] #该规则是“或”

data.to_excel(cleanedfile) #导出结果

5.3.2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。

5.3.3数据变换

（1）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]
（2）数据标准化

#-*- coding: utf-8 -*-
#标准差标准化

import pandas as pd

datafile = '../data/zscoredata.xls' #需要进行标准化的数据文件；
zscoredfile = '../tmp/zscoreddata.xls' #标准差化后的数据存储路径文件；

#标准化处理
#或者可以直接使用zscore()实现
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

5.4模型构建

5.4.1客户K-Means聚类

采用K-Means聚类算法对客户数据进行分群，将其聚成五类（需要结合业务的理解与分析来确定客户的类别数量）。

#-*- coding: utf-8 -*-
#K-Means聚类算法

import pandas as pd
import numpy as np
from pandas.core.frame import DataFrame
from sklearn.cluster import KMeans #导入K均值聚类算法

inputfile = '../tmp/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

# kmodel.cluster_centers_ #查看聚类中心
labels=kmodel.labels_ #查看各样本对应的类别
label=DataFrame(labels)
# print(label.value_counts())
# print(kmodel.cluster_centers_ )

result=DataFrame(kmodel.cluster_centers_)

result.columns={'ZL','ZR','ZF','ZM','ZC'}
result.to_excel("C://Python//DataAndCode//chapter7//demo//data//result.xls",index=False)

聚类结果：

聚类后的数据集：

绘制雷达图：

# -*- coding: utf-8 -*-
"""
Created on Sun Dec  5 17:16:39 2021

@author: 守住1.份坚持
"""


import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
# 用于正常显示中文
plt.rcParams['font.sans-serif'] = 'SimHei'
#用于正常显示符号
plt.rcParams['axes.unicode_minus'] = False
 
# 使用ggplot的绘图风格，这个类似于美化了，可以通过plt.style.available查看可选值，你会发现其它的风格真的丑。。。
plt.style.use('ggplot')

data=pd.read_excel("C://Python//DataAndCode//chapter7//demo//data//result.xls")
feature=['ZL','ZR','ZF','ZM','ZC']
values1=data.loc[:,['ZL']]
values2=data.loc[:,['ZR']]
values3=data.loc[:,['ZF']]
values4=data.loc[:,['ZM']]
values5=data.loc[:,['ZC']]

# 设置每个数据点的显示位置，在雷达图上用角度表示
angles=np.linspace(0, 2*np.pi,len(feature), endpoint=False)
angles=np.concatenate((angles,[angles[0]]))
# 绘图
fig=plt.figure()

for values in [values1, values2,values3,values4,values5]:
# 拼接数据首尾，使图形中线条封闭
    values=np.concatenate((values,[values[0]]))
    # 设置为极坐标格式
    ax = fig.add_subplot(111, polar=True)
    # 绘制折线图
    ax.plot(angles, values, 'o-', linewidth=2)
    # 填充颜色
    ax.fill(angles, values, alpha=0.25)
     
    # 设置图标上的角度划分刻度，为每个数据点处添加标签
    ax.set_thetagrids(angles * 180/np.pi, feature)
     
    # 设置雷达图的范围
    ax.set_ylim(0,5)
# 添加标题
plt.title('客户群特征分析图')
# 添加网格线
ax.grid(True)
 
plt.show()

5.4.2客户价值分析

对聚类结果进行特征分析，其中客户群1在F、M属性最大，在R属性最小；客户群2在L属性上最大；客户群3在R属性上最大，在F、M属性最小；客户群4在L、C属性上最小；客户群5在C属性上最大。

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。

5.4.3扩展思考

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）。