航司的客户等级分类及价值分析

---

项目背景

对客户分类，区分不同价值的客户，便于更好地管理不同层次的客户关系。

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，将有限的资源尽量集中于高价值客户，以实现企业利润最大化目标。

---

一、数据分类目的

1.借助航空公司的客户数据，把客户分成5类，按重要程度，依次为：
低价值、一般价值、重要挽留、重要发展、重要保持
2.分类完毕后对不同类别进行特征分析，分析原因。
3.根据结论制定对不同类级客户的营销方案，以达到利润最大化。

二、数据选定及预处理

1.选定模型及数据

选定合适的商业分析模型及对应特征是非常关键的一步。基于RFM模型（R代表客户最近消费时间间隔，F代表消费频率，M代表消费金额）及航空业务的实际情况，把用L、M、C 这三个因素反映M消费金额 ，延伸出LRFMC 模型：
客户入会时间长度 L : LOAD_TIME - FFPDATE
消费时间间隔 R: LAST_TO_END
消费频率 F: FLIGHT_COUNT
飞行里程M和折扣系数的平均值C五个指标作为航空公司识别客户价值指标 : SEG_KM_SUM AVG-DISCOUNT

2.读入数据

import numpy as np
import pandas as pd
datafile = r'C:\xlwings\air\air_data.csv'  # 航空原始数据,第一行为属性标签   ##写入的数据的文件路径
cleanedfile =r'C:\xlwings\air\data_cleaned.csv'  # 数据清洗后保存的文件       ##输出的数据的文件路径
data = pd.read_csv(datafile, encoding='utf-8')  # 读取原始数据，指定UTF-8编码

3. 浏览数据

print('查看各字段属性')  # 查看各字段属性
# print(data.info())
print('查看缺失项')  # 查看缺失项
# print(data.isnull().sum()[data.isnull().sum().values != 0])  # 得出children,country,agent,company四个字段含有缺失项

print('查看数据大小')  # 查看数据大小
# print(data.size)
# print(data.shape)
print('看数据数据及分布')  # 查看数据数据及分布
# print(data.describe().T)

结论：数据明显存在缺失值以及异常值。
缺失值：SUM_YR_1，SUM_YR_2(分别代表某个客户观测期内票价花费金额)
处理措施：数据占比太少，删除缺失值

异常值： 票价均为0，平均折扣率不为0，总飞行里数大于0的记录（不符合逻辑）
处理措施： 予以删除

4. 数据预处理

4.1 数据清洗

data = data[data['SUM_YR_1'].notnull() * data['SUM_YR_2'].notnull()]  # 票价非空值才保留 ('SUM_YR_1'字段的布尔值和'SUM_YR_2'的相乘，得到合并的布尔值)
                                                                     ##