客户关系管理是精准化运营的基础，而客户关系管理的核心是客户分类。通过客户分类，对客户群体进行细分，区别出低价值客户与高价值客户，对不同的客户群体开展不同的个性化服务，将有限的资源合理地分配给不同价值的客户，从而实现效益最大化。
总体流程:
1、抽取航空公司2012年4月1日至2014年3月31日的数据。
2、对抽取的数据进行数据探索分析与预处理，包括数据缺失值与异常值的探索分析、数据清洗、特征构建、标准化等操作。
3、基于RFM模型，使用K-Means算法进行客户分群。
4、针对模型结果得到不同价值的客户，采用不同的营销手段，提供定制化的服务。
一、导入相关的库，加载数据
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
warnings.filterwarnings('ignore')
plt.style.use('ggplot')
%matplotlib inline
from pylab import *
mpl.rcParams['font.sans-serif'] = ['SimHei']
air_data = pd.read_csv('C:/Users/Jason/Desktop/air_data.csv',encoding='utf8')
info.png
air_data.head()
-->>
MEMBER_NO FFP_DATE FIRST_FLIGHT_DATE GENDER FFP_TIER WORK_CITY WORK_PROVINCE WORK_COUNTRY AGE LOAD_TIME ... ADD_Point_SUM Eli_Add_Point_Sum L1Y_ELi_Add_Points Points_Sum L1Y_Points_Sum Ration_L1Y_Flight_Count Ration_P1Y_Flight_Count Ration_P1Y_BPS Ration_L1Y_BPS Point_NotFlight
0 54993 2006/11/2 2008/12/24 男 6 . 北京 CN 31.0 2014/3/31 ... 39992 114452 111100 619760 370211 0.509524 0.490476 0.487221 0.512777 50
1 28065 2007/2/19 2007/8/3 男 6 NaN 北京 CN 42.0 2014/3/31 ... 12000 53288 53288 415768 238410 0.514286 0.485714 0.489289 0.510708 33
2 55106 2007/2/1 2007/8/30 男 6 . 北京 CN 40.0 2014/3/31 ... 15491 55202 51711 406361 233798 0.518519 0.481481 0.481467 0.518530 26
3 21189 2008/8/22 2008/8/23 男 5 Los Angeles CA US 64.0 2014/3/31 ... 0 34890 34890 372204 186100 0.434783 0.565217 0.551722 0.448275 12
4 39546 2009/4/10 2009/4/15 男 6 贵阳 贵州 CN 48.0 2014/3/31 ... 22704 64969 64969 338813 210365 0.532895 0.467105 0.469054 0.530943 39
5 rows × 44 columns
air_data.info()
-->>
RangeIndex: 62988 entries, 0 to 62987
Data columns (total 44 columns):
MEMBER_NO 62988 non-null int64
FFP_DATE 62988 non-null object
FIRST_FLIGHT_DATE 62988 non-null object
GENDER 62985 non-null object
FFP_TIER 62988 non-null int64
WORK_CITY 60719 non-null object
WORK_PROVINCE 59740 non-null object
WORK_COUNTRY 62962 non-null object
AGE 62568 non-null float64
LOAD_TIME 62988 non-null object
FLIGHT_COUNT 62988 non-null int64
BP_SUM 62988 non-null int64
EP_SUM_YR_1 62988 non-null int64
EP_SUM_YR_2 62988 non-null int64
SUM_YR_1 62437 non-null float64
SUM_YR_2 62850 non-null float64
SEG_KM_SUM 62988 non-null int64
WEIGHTED_SEG_KM 62988 non-null float64
LAST_FLIGHT_DATE 62988 non-null object
AVG_FLIGHT_COUNT 62988 non-null float64
AVG_BP_SUM 62988 non-null float64
BEGIN_TO_FIRST 62988 non-null int64
LAST_TO_END 62988 non-null int64
AVG_INTERVAL 62988 non-null float64
MAX_INTERVAL 62988 non-null int64
ADD_POINTS_SUM_YR_1 62988 non-null int64
ADD_POINTS_SUM_YR_2 62988 non-null int64
EXCHANGE_COUNT 62988 non-null int64
avg_discount 62988 non-null float64
P1Y_Flight_Count 62988 non-null int64
L1Y_Flight_Count 62988 non-null int64
P1Y_BP_SUM 62988 non-null int64
L1Y_BP_SUM 62988 non-null int64
EP_SUM 62988 non-null int64
ADD_Point_SUM 62988 non-null int64
Eli_Add_Point_Sum 62988 non-null int64
L1Y_ELi_Add_Points 62988 non-null int64
Points_Sum 62988 non-null int64
L1Y_Points_Sum 62988 non-null int64
Ration_L1Y_Flight_Count 62988 non-null float64
Ration_P1Y_Flight_Count 62988 non-null float64
Ration_P1Y_BPS 62988 non-null float64
Ration_L1Y_BPS 62988 non-null float64
Point_NotFlight 62988 non-null int64
dtypes: float64(12), int64(24), object(8)
memory usage: 21.1+ MB
2.1 客户基本信息分布分析
选取客户基本信息中的入会时间、性别、会员卡级别和年龄字段进行探索分析，探索客户的基本信息分布情况
#处理入会时间，拿到年份，并按时间排序
air_data['year'] = pd.to_datetime(air_data['FFP_DATE']).dt.year
air_data = air_data.sort_values(by=['year'],ascending=True)
air_data = air_data.reset_index(drop=True)
sns.countplot('year',data=air_data)
plt.title('每年入会人数',fontsize=14)
image.png
绘制会员性别比例饼图
air_data['GENDER'].value_counts().plot.pie(shadow=True,autopct='%.2f%%',labels=['男','女'])
image.png
绘制会员各级别人数条形图
air_data.FFP_TIER.value_counts().plot.bar(label='grade',color='dodgerblue')
plt.title('会员各级别人数', fontsize=20)
plt.xlabel('会员等级', fontsize=14)
plt.ylabel('人数', fontsize=14)
image.png
绘制年龄分布图
age = air_data['AGE'].dropna()
age = age.astype('int64')
fig = plt.figure(figsize = (5 ,10))
plt.boxplot(age,
labels = ['AGE'],
patch_artist=True,
boxprops = {'facecolor':'lightblue'})
plt.title('age')
image.png
可以看出大部分会员年龄集中在30～50岁之间，极少量的会员年龄小于20岁或高于60岁，且存在一个超过100岁的异常数据
2.2 客户乘机信息分布分析
lte = air_data['LAST_TO_END']
plt.figure(figsize = (5,8))
plt.boxplot(lte,
patch_artist=True,
labels = ['Time'],
boxprops = {'facecolor':'lightblue'})
plt.title('乘机时长分布箱线图')
image.png
绘制客户飞行次数箱线图
fc = air_data['FLIGHT_COUNT']
plt.figure(figsize = (5 ,8))
plt.boxplot(fc,
patch_artist=True,
labels = ['FLIGHT_COUNT'],
boxprops = {'facecolor':'lightblue'})
plt.title('飞行次数箱线图')
image.png
绘制客户总飞行公里数箱线图
image.png
客户的飞行次数与总飞行公里数也明显地分为两个群体，大部分客户集中在箱型图下方的箱体中，少数客户分散分布在箱体上界的上方，这部分客户很可能是高价值客户，因为其飞行次数和总飞行公里数明显超过箱体内的其他客户
2.3 客户积分信息分布分析
ec = air_data['EXCHANGE_COUNT']
fig = plt.figure(figsize = (8 ,5))
plt.hist(ec, bins=5, color='lightblue')
plt.xlabel('兑换次数')
plt.ylabel('会员人数')
plt.title('会员兑换积分次数分布直方图')
image.png
绘制会员兑换积分次数直方图,绝大部分客户的兑换次数在0～10的区间内，这表示大部分客户都很少进行积分兑换
绘制会员总累计积分箱线图
ps = air_data['Points_Sum']
fig = plt.figure(figsize = (5 ,8))
plt.boxplot(ps,
patch_artist=True,
labels = ['总累计积分'], # 设置x轴标题
boxprops = {'facecolor':'lightblue'}) # 设置填充颜色
plt.title('客户总累计积分箱线图')
image.png
一部分客户集中在箱体中，少部分客户分散分布在箱体上方，这部分客户的积分要明显高于箱体内的客户的积分。
三、相关性分析
air_data['AGE'].fillna(0,inplace=True)
air_data['AGE'].astype('int64')
data_2 = air_data[['FFP_TIER','FLIGHT_COUNT','LAST_TO_END',
'SEG_KM_SUM','EXCHANGE_COUNT','Points_Sum','AGE']]
data_corr = data_2.corr(method = 'pearson')
print('相关性矩阵为：\n',data_corr)
-->>
相关性矩阵为：
FFP_TIER FLIGHT_COUNT LAST_TO_END SEG_KM_SUM \
FFP_TIER 1.000000 0.582447 -0.206313 0.522350
FLIGHT_COUNT 0.582447 1.000000 -0.404999 0.850411
LAST_TO_END -0.206313 -0.404999 1.000000 -0.369509
SEG_KM_SUM 0.522350 0.850411 -0.369509 1.000000
EXCHANGE_COUNT 0.342355 0.502501 -0.169717 0.507819
Points_Sum 0.559249 0.747092 -0.292027 0.853014
AGE 0.076245 0.075309 -0.027654 0.087285
EXCHANGE_COUNT Points_Sum AGE
FFP_TIER 0.342355 0.559249 0.076245
FLIGHT_COUNT 0.502501 0.747092 0.075309
LAST_TO_END -0.169717 -0.292027 -0.027654
SEG_KM_SUM 0.507819 0.853014 0.087285
EXCHANGE_COUNT 1.000000 0.578581 0.032760
Points_Sum 0.578581 1.000000 0.074887
AGE 0.032760 0.074887 1.000000
plt.subplots(figsize=(10, 10))
sns.heatmap(data_corr, annot=True, vmax=1, square=True, cmap='Blues')
image.png
可以看出部分属性间具有较强的相关性，如FLIGHT_COUNT（飞行次数）属性与SEG_KM_SUM（飞行总公里数）属性；也有部分属性与其他属性的相关性都较弱，如AGE（年龄）属性与EXCHANGE_COUNT（积分兑换次数）属性
四、数据预处理
1、丢弃票价为空的记录
2、保留票价不为0的，或者平均折扣率不为0且总飞行公里数大于0的记录
3、丢弃年龄大于90的记录
air_data = air_data.dropna(axis=0,subset=['SUM_YR_1','SUM_YR_2'])
air_data = air_data[((air_data['SUM_YR_1']>0) |
(air_data['SUM_YR_2']>0)) &
(air_data['SEG_KM_SUM']>0) &
(air_data['avg_discount']>0) &
(air_data['AGE']<90)]
航空公司客户价值分析的LRFMC模型
在RFM模型中，消费金额表示在一段时间内客户购买该企业产品的金额的总和。由于航空票价受到运输距离、舱位等级等多种因素的影响，同样消费金额的不同旅客对航空公司的价值是不同的，例如，一位购买长航线、低等级舱位票的旅客与一位购买短航线、高等级舱位票的旅客相比，后者对于航空公司而言更有价值。因此这个特征并不适用于航空公司的客户价值分析。本案例选择客户在一定时间内累积的飞行里程M和客户在一定时间内乘坐舱位所对应的折扣系数的平均值C两个特征代替消费金额。此外，航空公司会员入会时间的长短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特征。
将清洗好的数据，保存，并重新读进来
air_data.to_csv('C:/Users/Jason/Desktop/cleandata.csv')
clean_data = pd.read_csv('C:/Users/Jason/Desktop/cleandata.csv',encoding='utf8')
airline_selection = clean_data[['FFP_DATE','LOAD_TIME','LAST_TO_END',
'FLIGHT_COUNT','SEG_KM_SUM','avg_discount']]
airline_selection.head()
-->>
FFP_DATE LOAD_TIME LAST_TO_END FLIGHT_COUNT SEG_KM_SUM avg_discount
0 2004/11/10 2014/3/31 532 4 6676 0.618507
1 2004/12/16 2014/3/31 74 26 22501 0.664746
2 2004/12/12 2014/3/31 51 12 14229 0.659940
3 2004/11/16 2014/3/31 18 34 63138 0.703389
4 2004/12/4 2014/3/31 120 8 9472 0.789173
3 数据变换
将数据转换成“适当的”格式，以适应挖掘任务及算法的需要。
1、会员入会时间距观测窗口结束的月数L=会员入会时长
2、客户最近一次乘坐公司飞机距观测窗口结束的月数R=最后一次乘机时间至观测窗口末端时长（单位：月）
3、客户在观测时间内在公司累计的飞行次数F=观测窗口内的飞行次数
4、客户在观测时间内在公司累计的飞行里程M=观测窗口总飞行公里数（单位：公里 ）
5、客户在观测时间内乘坐舱位所对应的折扣系数的平均值C=平均折扣率（单位：无）
在完成5个指标的数据提取后，发现5个指标的取值范围数据差异较大，为了消除数量级数据带来的影响，需要对数据进行标准化处理。
L = pd.to_datetime(airline_selection['LOAD_TIME']) - pd.to_datetime(airline_selection['FFP_DATE'])
L = L.astype('str').str.split().str[0]
L = L.astype('int')/30
airline_features = pd.concat([L,airline_selection.iloc[:,2:]],axis = 1)
airline_features.columns = ['L','R','F','M','C']
print('构建的LRFMC属性前5行为：\n',airline_features.head())
from sklearn.preprocessing import StandardScaler
data = StandardScaler().fit_transform(airline_features)
#np.savez('./airline_scale.npz',data)
print('标准化后LRFMC五个属性为：\n',data[:5,:])
-->>
构建的LRFMC属性前5行为：
L R F M C
0 114.266667 532 4 6676 0.618507
1 113.066667 74 26 22501 0.664746
2 113.200000 51 12 14229 0.659940
3 114.066667 18 34 63138 0.703389
4 113.466667 120 8 9472 0.789173
标准化后LRFMC五个属性为：
[[ 2.28756662e+00 1.98039007e+00 -5.64949606e-01 -5.05698640e-01
-5.60915156e-01]
[ 2.24510402e+00 -5.42748029e-01 9.94140237e-01 2.45976439e-01
-3.10753686e-01]
[ 2.24982209e+00 -6.69455837e-01 1.99215512e-03 -1.46937069e-01
-3.36755079e-01]
[ 2.28048952e+00 -8.51253997e-01 1.56108200e+00 2.17620204e+00
-1.01684203e-01]
[ 2.25925822e+00 -2.89332412e-01 -2.81478725e-01 -3.72890835e-01
3.62423806e-01]]
五、K-means客户聚类分析
import sklearn.cluster as sc
model = sc.KMeans(n_clusters=5,n_jobs=4,random_state=123)
model.fit(data)
print('聚类中心:\n',model.cluster_centers_)
print('样本类别标签:\n',model.labels_)
print('不同类别样本的数目:\n',pd.Series(model.labels_).value_counts())
-->>
聚类中心:
[[ 4.44122029e-02 -1.25713163e-03 -2.31529890e-01 -2.35603446e-01
2.17621203e+00]
[-7.00306446e-01 -4.14995805e-01 -1.60820472e-01 -1.60541288e-01
-2.57088898e-01]
[ 4.83525873e-01 -7.99379485e-01 2.48301289e+00 2.42404346e+00
3.09458304e-01]
[-3.13149703e-01 1.68702109e+00 -5.73893678e-01 -5.36736856e-01
-1.75279754e-01]
[ 1.16080943e+00 -3.77571898e-01 -8.66555767e-02 -9.45788420e-02
-1.56541623e-01]]
样本类别标签:
[3 4 4 ... 1 1 1]
不同类别样本的数目:
1 24630
4 15733
3 12115
2 5337
0 4225
dtype: int64
cluster_center = pd.DataFrame(model.cluster_centers_,\
columns = ['ZL','ZR','ZF','ZM','ZC'])
cluster_center.index = pd.DataFrame(model.labels_ ).\
drop_duplicates().iloc[:,0]
print(cluster_center)
-->>
ZL ZR ZF ZM ZC
0
3 0.044412 -0.001257 -0.231530 -0.235603 2.176212
4 -0.700306 -0.414996 -0.160820 -0.160541 -0.257089
2 0.483526 -0.799379 2.483013 2.424043 0.309458
0 -0.313150 1.687021 -0.573894 -0.536737 -0.175280
1 1.160809 -0.377572 -0.086656 -0.094579 -0.156542
绘制客户关系雷达图
labels = ['ZL','ZR','ZF','ZM','ZC']
legen = [' customers' + str(i + 1) for i in cluster_center.index]
lstype = ['-','--',(0, (3, 5, 1, 5, 1, 5)),':','-.']
kinds = list(cluster_center.iloc[:, 0])
并转换为 np.ndarray
cluster_center = pd.concat([cluster_center, cluster_center[['ZL']]], axis=1)
centers = np.array(cluster_center.iloc[:, 0:])
n = len(labels)
angle = np.linspace(0, 2 * np.pi, n, endpoint=False)
angle = np.concatenate((angle, [angle[0]]))
fig = plt.figure(figsize = (8,6))
ax = fig.add_subplot(111, polar=True)
for i in range(len(kinds)):
ax.plot(angle, centers[i], linestyle=lstype[i], linewidth=2, label=kinds[i])
ax.set_thetagrids(angle * 180 / np.pi, labels)
plt.title('Customer Profile Analysis')
plt.legend(legen)
image.png
通过建立合理的客户价值评估模型，对客户进行分类，分析比较不同客户群体的价值，并制定相应的营销策略，对不同的客户群提供个性化的客户服务是必须的和有效的。