3航空公司客户价值分析

目标

将客户进行分类分群，分析对比不同客户群体的客户价值，将营销资源集中于高价值客户，实现企业利润最大化。（通过航空公司的数据识别不同价值的客户。）

3.1 数据的探索性分析

探索性分析的目的是对数据进行缺失值分析和异常值分析，分析数据的规律。

查找每列属性的最大最小值以及空值个数。代码如下：

# coding=utf-8#数据探索分析import pandasas pddatafile='demo/data/air_data.csv'resultfile='demo/tmp/explore.xls'#数据探索分析结果表pd.set_option('display.width',200)data=pd.read_csv(datafile,encoding='utf-8')explore=data.describe(percentiles=[],include='all').T#percentiles指定计算多少分位数explore['null']=len(data)-explore['count']explore=explore[['null','max','min']]explore.columns=[u'空值数',u'最大值',u'最小值']#表头重命名explore.to_excel(resultfile)

计算结果如下：

部分数据没能显示

从该表中我们可得知哪一列有缺失值，以及由多少缺失值。

3.2 数据预处理

本案例采用的数据预处理的方式主要有数据清洗、属性规约、数据变换。

3.2.1 数据清洗

根据数据探索分析的结果可知数据中存在缺失值，以及票价最小值为0、折扣率最小值为0、总飞行公里数大于0的纪律，由于本案例的数据较多，故将此部分数据删除过滤掉。代码如下：

#数据清洗删除异常数据及空值# coding=utf-8import pandasas pddatafile='demo/data/air_data.csv'cleanedfile='demo/tmp/data_cleaned.xls'pd.set_option('display.width',500)data=pd.read_csv(datafile,encoding='utf-8')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']!=0index2=data['SUM_YR_2']!=0index3=(data['SEG_KM_SUM']==0)&(data['avg_discount']==0)data=data[index1|index2|index3]data.to_excel(cleanedfile)

3.2.2属性规约

从表中我们科看出，每行数据的属性太多了，而且许多属性时与我们分析无关的，此时就需要将这些不相关的数据删除。代码如下：

#属性规约# encoding=utf-8import pandasas pdinputfile='demo/tmp/data_cleaned.xls'outputfile='demo/tmp/zscoreddata2.xls'data=pd.read_excel(inputfile)data=data[['FFP_DATE','LOAD_TIME','FLIGHT_COUNT','avg_discount','SEG_KM_SUM','LAST_TO_END']]data.to_excel(outputfile)

结果如下

3.2.3 数据变换和数据标准化

数据变换就是将数据转换成适当的数据格式，以适应挖掘任务的需要，本案例中主要采用的数据变换方式为属性构造和数据标准化处理。代码如下：

# coding=utf-8#数据标准化import pandasas pddatafile='demo/data/zscoredata.xls'zscoresfile='demo/tmp/zscoreddata.xls'data=pd.read_excel(datafile)data=(data-data.mean(axis=0))/(data.std(axis=0))data.columns=['Z'+ifor iin data.columns]data.to_excel(zscoresfile,index=False)

3.3 模型的构建

客户价值分析模型构建主要由两个部分组成，首先是，根据航空公司客户的五个指标数据，对客户进行聚类分析；其次是，结合业务对每个客户群进行特征分析，分析客户的价值，并对客户群进行排名。

3.3.1 客户聚类

本案例采用K-Means聚类方法，对客户进行聚类分析。代码如下：

# coding=utf-8#k-means聚类import pandasas pdfrom sklearn.clusterimport KMeansimport matplotlib.pyplotas pltimport numpyas npnp.set_printoptions(suppress=True)inputfile='demo/tmp/zscoreddata.xls'k=5data=pd.read_excel(inputfile)kmodel=KMeans(n_clusters=k,n_jobs=1,random_state=1)#n_jobs指并行数kmodel.fit(data)#开始训练模型print kmodel.cluster_centers_#查看聚类中心print kmodel.labels_#查看各类样本对应的类别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#可视化x=[1,2,3,4,5]colors=['green','red','yellow','blue','black']for iin range(5):    plt.plot(x,kmodel.cluster_centers_[i],label=('customer%d'%(i+1)),linewidth=2,color=colors[i],marker='o')    plt.legend()plt.xlabel('L R F M C')plt.ylabel('values')plt.show()

每个客户群体的个数：

客户群体3最多，1次之，客户群体5的数量最少仅有4232

可视化结果：

3.3.2 客户价值分析

客户群体1 [[ 0.48347647 -0.79941777  2.48236495 2.42356419  0.30943042]

客户群体2 [1.16037972 -0.37741377 -0.08700996 -0.09501774 -0.15844696]

客户群体3 [-0.7007739  -0.41516372 -0.16074548 -0.16047743-0.25671287]

客户群体4 [-0.31408336  1.68668163 -0.57385161 -0.53660513-0.17255233]

客户群体5 [ 0.05131968-0.00247696 -0.23102924 -0.23522627 2.1770189 ]]

L：会员入会时间距离窗口结束的月数

R：客户最近一次乘坐公司飞机距观测窗口结束的月数

F：客户在观测时间内乘坐公司飞机的次数

M：客户在观测时间内在公司累计的飞行公里数

C: 客户在观测时间内乘坐舱位所对应的折扣系数的平均值

从图中可看出：

（1） 客户群体1的优势特征为F,M，在R上的属性值最小，属于重要保持客户，他们是航空公司高价值的客户，是最为理想型的客户类型，对公司贡献率较大，但是占比较小，应把优先资源投放在它们身上，对他们进行差值化管理和一对一营销，提高客户忠诚度和满意度。

（2） 客户群体5的C较高，其他较低，属于重要发展客户，他们的L较短，是公司的潜在客户，虽然当前其对公司的价值不是太高但是发展潜力却很大，公司要促使其在本公司的消费和合作伙伴处的消费，提升客户价值，提升其满意度，提高其转向竞争对手的转移成本，使他们逐渐成为公司的忠诚客户。

（3） 客户群体2，L较高，其他较低，属于重要挽留客户。航空公司应根据这些客户的最近消费时间、消费次数的变化情况，推测客户消费的异动状况，对其重点联系，延长客户的生命周期。

（4） 客户群体4，R较高，其他较低，属于一般客户

（5） 客户群体3，属于低价值客户，一般客户和低价值客户可能只会在公司机票打折时才会乘坐。根据顾客群体数量可知，该公司的低价值客户群体占比最大。