K

您所在的位置：网站首页 › rf用户模型 › K

K

2023-11-12 02:12| 来源: 网络整理| 查看: 265

1 项目介绍

携程作为中国领先的综合性旅行服务公司，每天向超过2.5亿会员提供全方位的旅行服务，在这海量的网站访问量中，我们可分析用户的行为数据来挖掘潜在的信息资源，用K-means对用户进行画像，并针对不同的用户类别，提出可行的营销建议。

2 数据准备

2.1数据集来源：

数据集包括：训练集和测试集。训练集为2016.05.15-2016.05.21期间一周的访问数据，测试集为2016.05.22-2016.05.28期间一周的访问数据。本篇文章主要讨论的是聚类分析，所以只用训练集。

2.2 字段描述在这里插入图片描述

3 数据处理 3.1 导入数据 #导入基础包 %matplotlib inline import pandas as pd import numpy as np import seaborn as sns import matplotlib.pyplot as plt plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签 plt.rcParams['axes.unicode_minus']=False #用来正常显示负号 #读取数据 df=pd.read_csv('./userlostprob_train.txt',sep='\t') df.describe() 3.2 一致化处理

在这里插入图片描述通过查看数据类型，发现所有字段中只有d、arrival两个字符串格式，分别代表预定时间和入住时间，都为yyyy-mm-dd日期形式，将其相减可得到“提前预定的天数”，得到新的衍生变量特征

# 转为日期型格式 df['arrival']=pd.to_datetime(df['arrival']) df['d']=pd.to_datetime(df['d']) # 相减得到“提前预定天数”列 df['day_advanced']=(df['arrival']-df['d']).dt.days # 删除原有列 df=df.drop(['d','arrival'],axis=1) 3.3 异常值处理

通过描述统计观察发现，delta_price1、delta_price2、lowestprice、customer_value_profit、ctrip_profits这几个变量最小值为负值，需要对其处理。同时，结合四分位和极值，发现有极大或极小的异常值，如decisionhabit_user、historyvisit_avghotelnum等，较多字段都存在异常值，对所有字段一并进行处理。

for col in ['delta_price1','delta_price2','lowestprice']: df.loc[df[col]'linewidth':0.5,'edgecolor':'black'}, textprops={'fontsize':12,'color':'black'}) plt.legend(labels,bbox_to_anchor=(1, 1), loc='best', borderaxespad=0.7) plt.title('客户类别细分情况') plt.show()

在这里插入图片描述通过饼形图观察看出，一般发展客户数最多，占比40.72%，其次是潜在客户，高价值客户。

4.3 KMeans聚类分析

上面RFM模型只用到数据集中lasthtlordergap、ordernum_oneyear、avgprice、consuming_capacity这几个直接相关变量，但这些变量并不能完全涵盖用户特征，所以，接下来用K-Means聚类的方法引入其他变量进一步探究分析，观察不同类别客户的特征。

4.3.1相关性分析

观察整个数据集可以大体分为两个类别：用户信息和酒店信息。用户信息，即主体是用户，如consuming_capacity （消费能力指数）、price_sensitive（价格敏感指数）、starprefer（星级偏好）等，这些变量主要描述的是用户信息；酒店信息，即主体是酒店，如hotelcr （当前酒店历史cr）,commentnums （当前酒店点评数）、novoters （当前酒店评分人数）等，这些变量主要描述的酒店信息。

# 用户特征提取 user_features=['visitnum_oneyear','starprefer','sid','price_sensitive','ordernum_oneyear','ordercanncelednum','ordercanceledprecent','lastpvgap', 'lasthtlordergap','landhalfhours','iforderpv_24h','historyvisit_totalordernum','historyvisit_avghotelnum','h', 'delta_price2','delta_price1','decisionhabit_user','customer_value_profit','ctrip_profits','cr','consume_level'] #生成用户特征的相关性矩阵 user_corr=df[user_features].corr() #绘制用户特征的相关性矩阵热度图 fig,ax = plt.subplots(figsize=(18, 12)) sns.heatmap(user_corr, xticklabels=True, yticklabels=True, square=False, linewidths=.5, annot=True, cmap="YlGnBu")

在这里插入图片描述从热图中看出：

ordernum_oneyear和historyvisit_totalordernum的相关性高达0.93，两者都是表示用户1年内订单数，特征选取时可以只选择其一，这里选择ordernum_oneyear作为用户年订单数的特征；delta_price1和delta_price2的相关性达到了0.91，前者表示用户偏好价格-24小时浏览最多酒店价格，后者表示用户偏好价格-24小时浏览酒店平均价格，一定程度上说明浏览最多的酒店价格影响着平均价格，可以理解为众数和平均数的关系，这里选择PCA提取一个主成分表示用户价格偏好；decisionhabit_user和historyvisit_avghotelnum相关性达到了0.89，前者表示用户决策习惯，后者表示近3个月用户历史日均访问酒店数，说明用户的决策习惯可能是基于用户近3个月的日均访问数判定的，这里选择用PCA提取一个主成分表示用户近期的日均访问量；customer_value_profit和ctrip_profits这两个特征之间相关性达到了0.85，前者表示用户近一年的价值，后者也表示用户价值，细分区别在于衡量的时间长度不同，这里也选择PCA提取一个主成分表示用户价值。 4.3.2PCA降维

PCA降维可以在尽量保证“信息量不丢失”的情况下，对原始特征进行降维，也就是尽可能将原始特征往具有最大投影信息量的维度上进行投影，将原特征投影到这些维度上，使降维后信息量损失最小。

#删除historyvisit_totalordernum列 delete_columns = ['historyvisit_totalordernum'] df.drop(delete_columns,axis=1,inplace= True) #PCA主成分分析 from sklearn.decomposition import PCA #定义降维函数 def PCA_transform(df,col,new_col,n=1): pca=PCA(n_components=n) pca.fit(df[col]) df[new_col]=pca.transform(df[col]) # 添加新生成列 df.drop(col,axis=1,inplace= True) # 删除原来的特征列 #选择特征 price_prefer=['delta_price1','delta_price2'] # 用户价格偏好 visit_num=['decisionhabit_user','historyvisit_avghotelnum'] #用户访问数 c_value=['customer_value_profit','ctrip_profits'] # 用户价值 #应用函数 PCA_transform(df,price_prefer,'price_prefer') PCA_transform(df,visit_num,'visit_num') PCA_transform(df,c_value,'c_value' 4.3.3K-Means聚类

K-Means算法是一种基于划分的无监督聚类算法，它以 k 为参数，把 n 个数据对象分成 k 个簇，使簇内具有较高的相似度，而簇间的相似度较低。

# 选取刻画用户的重要指标 user_feature = ['consume_level','c_value','day_advanced','h','lasthtlordergap','lastpvgap', 'landhalfhours','ordernum_oneyear','ordercanceledprecent','price_sensitive','price_prefer','sid','starprefer','visit_num'] user_attributes = df[user_feature] # 数据标准化 from sklearn.preprocessing import StandardScaler scaler = StandardScaler() scaler.fit(user_attributes) user_attributes = scaler.transform(user_attributes) #K-Means聚类 from sklearn.cluster import KMeans Kmeans=KMeans(n_clusters=3,random_state=13) # 建立KMean模型 Kmeans.fit(user_attributes) # 训练模型 k_char=Kmeans.cluster_centers_ # 得到每个分类的质心 personas=pd.DataFrame(k_char.T,index=user_feature,columns=['0类','1类','2类']) # 用户画像表 personas

在这里插入图片描述

#绘制热力图 fig,ax = plt.subplots(figsize=(5, 10)) sns.heatmap(personas, xticklabels=True, yticklabels=True, square=False, linewidths=.5, annot=True, cmap="YlGnBu")

在这里插入图片描述从热力图中可以直观看出：

1类特征比较明显，consume_level消费水平为1.6，ordernum_oneyear用户年订单数为0.91，starprefer星级偏好为1.1，多个正向字段都为最大值，我们判定1类为高价值用户；2类特征中，lasthtlordergap一年内距离上次下单时长为1.8是三类中最大的，ordernum_oneyear用户年订单数为-0.46是三类中最小，c_value用户价值为-0.33也是三类中最小的，我们判定2类为低价值用户；0类，相对1类和2类特征不明显，大都处于中间值，我们判定0类为中价值用户。 #绘制饼形图 class_k=list(Kmeans.labels_) # 每个类别的用户个数 percent=[class_k.count(0)/len(user_attributes),class_k.count(1)/len(user_attributes),class_k.count(2)/len(user_attributes)] # 每个类别用户个数占比 fig, ax = plt.subplots(figsize=(11,11)) colors=['chocolate','sandybrown','peachpuff'] types=['中价值用户','高价值用户','低价值用户'] ax.pie(percent,radius=1,autopct='%.2f%%',pctdistance=0.75,colors=colors,labels=types) ax.pie([1], radius=0.6,colors='w') plt.show()

在这里插入图片描述

从饼形图中看出，高价值用户和低价值用户占比比较接近，都在15%左右；处于中间的中价值用户占比最高，占比约70%。

5 总结

基于上面聚类分析得到的用户特征，分别对不同价值用户给出运营建议：

高价值用户：消费能力高，预定量和预定频率也都比较高，偏好星级酒店，但对价格比较敏感，这部分群体可能为商务人士，经常需要出差住宿但公司对差旅报销有价格限制，针对这部分用户群体，可以集中推荐交通便利、性价比高的商务酒店，同时，可以加强和企业合作，推广携程企业版，方便差旅审批报销，加强用户黏性；中价值用户分析：用户访问数和访问频率都比价高，但预定量不是很高，喜欢低价格的，说明这部分用户有一定的订房需求但比较注重价格，长时间在搜索对比价格，决策时间比较长，可以优化推荐算法，对这部分用户主要推送价格实惠的酒店，同时，系统对比其他订房平台上的房间价格，低于其他平台价格的房间可以特别标注全网最低，节省用户决策时间，提高用户体验，从而提升用户在本平台的使用率；低价值用户分析：最明显的特征就是登录访问频率低（距离上次访问间隔时间长），这部分用户可能是偶尔才在携程平台上预定酒店，重点在于激活用户，对长久未登录使用用户，可以发放优惠券，刺激消费；这部分群体也有可能住宿方面需求原本就小，目前属于潜在用户，可以定期推送平台信息，继续维持用户。

【本文地址】

K

K

今日新闻

推荐新闻