基于LRFMC+KMeans航空大数据客户价值分析

**

基于LRFMC+KMeans航空大数据客户价值分析

**
（客户是公司存在的意义根本，如何找出价值客户， 针对性提供更个性化的服务？
公司资源是有限的，如何把有限的资源用在高价值的客户上？怎么才算有价值？产品面要大，客户人群才广，同时分类营销，分类服务）所以客户分类是企业数据分析的核心任务。。
吸引一般客户–培养一般客户–价值客户–vip客户
LRFMC模型：航空领域做价值分析的模型
KMeans方法：实现聚类的机器学习方法
背景：
通过某航空公司多年的客户信息历史数据（6万余条），将客户进行分类。
分为：价值客户（优质服务）、保持客户（服务+价格）、发展客户（价格）、挽留客户
根据分类制定不同的销售策略。

目标：
1. 完成历史样本数据的预处理，便于适合后续算法模型使用
2. 算法模型的选型、训练、智能分类的实现
3. 根据分类的客户群，制定不同的销售策略

工作流程：
一、行业背景知识
1. 了解行业背景知识—基础
2. 掌握行业专业术语
3. 对历史数据文件进行初步探索分析

二、领域标准分析模型
4. 了解行业客户价值分析通用模型 RFM
5. 了解航空领域专业客户价值分析模型 LRFMC

三、科学计算与数据分析（本阶段项目任务）
6. 抽取数据
7. 数据探索分析
8. 数据预处理
8.1 数据清洗
8.2 属性规约
8.3 数据变换

四、人工智能算法模型训练（下阶段人工智能项目任务，非本阶段项目任务）
9. 构建算法模型K-Means
10. 算法模型训练
11. 实现历史客户分类

五、根据结论得出最终结果
12. 客户群数据特征分析可视化
13. 客户群特征描述

需要了解行业，没有行业知识无从下手

专业航空领域的数据模型
kmeans是实现手段
1.1 需求背景
信息时代的来临是的企业营销焦点从产品中心转变为客户中心，客户关系管理成为企业的核心问题。客户关系管理的关键问题是客户分类，通过客户分类，区分无价值客户、高价值客户，企业针对不同价值的客户指定优化的个性化服务，采取不同营销策略，将优先营销资源集中与高价值客户，实现企业利润最大化目标。准确的客户分类结果是企业精准营销的最重要参考依据。有限的资源需要花在刀刃上。

面对市场竞争，各个航空该公司都推出了更优惠的营销方式来吸引更多的客户，国内能够航空公司面临着旅客流失、竞争力下降和航空资源未充分利用等经营危机。通过建立合理的客户价值评估模型、对客户进行分群，分析比较不同客户群的客户价值，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和有效的。目前该航空公司已积累了大量的会员档案信息和其乘坐航班的记录。经过加工后得到表1所示的部分数据信息。
优质客户优质服务，要做精准营销，高价值客户是利润增长点。有限的
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-nul
其中很多不满62988条数据的字段，不重要不需要管他。我们根据我们的模型就处理我们关注的字段即可。

data_clean.py 数据清洗

目标：清洗不满足条件的原始数据，并将最终结果保存成excel文件

步骤1：导入pandas模块

import pandas as pd,import os

步骤2：设置原始数据文件的地址

csvFile = os.getcwd() + ‘\data’ + os.sep + ‘air_data.csv’

csvFile = ‘./data/air_data.csv’

步骤3：使用pd.read_csv()函数读取数据

data = pd.read_csv(csvFile, encoding=’utf-8’)

步骤4：输出前5条测试片段数据

print(data.head())

步骤5：输出数据的统计信息

print(data.info()) #62988条记录 全部记录

步骤6：设置初步筛选的条件

condition = data[‘SUM_YR_1’].notnull() & data[‘SUM_YR_2’].notnull()

步骤7：初步删选原始数据，将第1年飞行累计和第2年飞行累计进行筛选过滤

data = data[condition]

print(data) #运行后62299 比上一次62988少

步骤8：设置数据过滤的条件

condition1 = data[‘SUM_YR_1’] != 0 #第一年总票价不等于0 ：SUM_YR_1
condition2 = data[‘SUM_YR_2’] != 0 #第二年总票价不等于0：SUM_YR_2
condition3 = (data[‘SEG_KM_SUM’] != 0) & (data[‘avg_discount’] != 0)#总飞行公里数 SEG_KM_SUM 平均折扣率 avg_discount

步骤9：根据过滤条件筛选数据

data = data[condition1 | condition2 | condition3]

print(‘\n 筛选之后的数据’)

print(data) #运行后62292比上一次少7行

步骤10：设置excel文件的保存存储路径

excelPath = os.getcwd() + ‘\out’ + os.sep + ‘cleaned.xls’
print(excelPath)

步骤11：将最终的数据探索结果保存到一个excel的中间文件中cleaned.xls

data.to_excel(excelPath)
print(‘>>数据清洗结束，并保存结果数据文件.’) #运行后，cleaned.xls文件出现

累计62292条数据 第一行是目录

data_explore.py数据探索

目标：通过对历史数据aire_data.csv的分析，得到所有44个数据属性的空值个数、最小值以及最大值三个数据指标

步骤1：导入pandas模块

import pandas as pd,import os

步骤2：设置原始数据文件的地址

csvFile = os.getcwd() + ‘\data’ + os.sep + ‘air_data.csv’

步骤3：使用pd.read_csv()函数读取数据

data = pd.read_csv(csvFile, encoding=’utf-8’)

步骤4：输出前5条测试片段数据

print(data.head())

步骤5：输出数据的统计信息

print(data.info())

步骤6：获取数据中的空值项———–

Pandas模块库中 describe( ) 函数获取数据并转置。percentiles参数是指计算多少的分位数表—–（如1/4分位数、中位数等）；

自动计算非空值数据，???–就是把空值补为nan标志。T 是转置，转之后的数据方便我们后续查阅及使用。

explore = data.describe(percentiles=[], include=’all’).T #主要目的：填空值为nan，且转置

print(‘设置数据中的空值项统计：’)

print(explore)

步骤7：计算每个属性的空值个数

explore[‘null’] = len(data) - explore[‘count’]

print(‘每个属性的空值个数：’)

print(explore[‘null’]) #SUM_YR_1 551 SUM_YR_2 138

步骤8：抽取数据中的空值个数null、最大值max、最小值min三个数据属性（数据选项） ?????????

explore = explore[[‘null’, ‘max’, ‘min’]]

步骤9：重置列索引名称

explore.columns = [‘空值数’, ‘最大值’, ‘最小值’]
print(‘\n数据探索整理之后的数据结果：’)
print(explore)

步骤10：设置excel文件的保存存储路径

excelPath = os.getcwd() + ‘\out’ + os.sep + ‘explore.xls’

步骤11：将最终的数据探索结果保存到一个excel的中间文件中explore.xls

explore.to_excel(excelPath)
print(‘>>数据探索结束，并保存结果数据文件.’) #生成文件explore.py 10kb

---

data_reduction.py数据规约（挑选需要的数据属性）与转换
目标：根据LRFMC模型从原始数据中选取指定的属性数据项

步骤1：导入pandas模块

import pandas as pd;import os

步骤2：设置原始清洗后的数据文件的地址

excelFile = os.getcwd() + ‘\out’ + os.sep + ‘cleaned.xls’

步骤3：使用pd.ExcelFile()函数读取excel文件 之前read csv能读几种文件？？

ef = pd.ExcelFile(excelFile, encoding=’utf-8’)

步骤4：读取到有效Sheet页数据并转换成DataFrame对象

data = ef.parse(‘Sheet1’)
print(data.head())# 步骤4：输出前5条测试片段数据
print(data.info())# 步骤5：输出数据的统计信息

步骤6：筛选出核心的6个数据属性

data = data[[‘FFP_DATE’, ‘LOAD_TIME’, ‘FLIGHT_COUNT’, ‘avg_discount’, ‘SEG_KM_SUM’, ‘LAST_TO_END’]]

print(data.info()) # 运行以后[62292 rows x 6 columns] # print(data)

# 步骤7：获取L属性的数据 同时给上索引 L R F M C 对吧——–？？？

data[‘L’] = (pd.to_datetime(data[‘LOAD_TIME’]) - pd.to_datetime(data[‘FFP_DATE’]))/30

to_datetime 得到的是天数

data[‘R’] = data[‘LAST_TO_END’]/30
data[‘F’] = data[‘FLIGHT_COUNT’]
data[‘M’] = data[‘SEG_KM_SUM’]
data[‘C’] = data[‘avg_discount’]

print(data[[‘L’, ‘R’, ‘F’, ‘M’, ‘C’]]) #运行以后 [62292 rows x 5 columns]

步骤8：设置excel文件的保存存储路径

excelPath = os.getcwd() + ‘\out’ + os.sep + ‘reduction.xls’

步骤11：将最终的数据探索结果保存到一个excel的中间文件中explore.xls

data.to_excel(excelPath)
print(‘>>数据规约、变换，并保存结果数据文件.’)
个指标的数据提取后，对每个指标数据分布情况进行分析，其数据的取值范围见表7。

表7：LRFMC指标取值范围
属性名称 L R F M C
最小值 12.23 0.03 2 368 0.14
最大值 114.63 24.37 213 580 717 1.5
从表7中数据可以发现，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。
标准差标准化处理的Python代码清单如下所示，datafile 为输入数据文件，zscoredata为标准差标准化后的数据集。
data_std.py数据标准化计算

目标：获取到最终的标准数据样本

步骤1：导入pandas模块

import pandas as pd;import os

步骤2：设置原始清洗后的数据文件的地址

excelFile = os.getcwd() + ‘\data’ + os.sep + ‘zscoredata.xls’

步骤3：使用pd.ExcelFile()函数读取数据

ef = pd.ExcelFile(excelFile, encoding=’utf-8’)

步骤4：读取到有效Sheet页数据并转换成DataFrame对象

data = ef.parse(‘Sheet1’)

步骤4：输出前5条测试片段数据

print(data.head())

步骤5：输出数据的统计信息

print(data.info())

步骤6：对数据进行标准化计算 每项数据减去数据(axis=0)平均值

后除以数据(axis=0)的标准差值(—-???)std(axis=0)。

标准pian差:标准差（Standard Deviation）又称均方差，是离均差平方的算术平均数的平方根，用σ表示。

标准差是方差的算术平方根。标准差能反映一个数据集的离散程度。一个较大的标准差，代表大部分数值和

其平均值之间差异较大；一个较小的标准差，代表这些数值较接近平均值。

data = (data - data.mean(axis=0))/(data.std(axis=0))
print(‘\n标准化计算后的数据：’)
print(data)

步骤8：设置excel文件的保存存储路径

excelPath = os.getcwd() + ‘\out’ + os.sep + ‘zscoredata.xls’

步骤9：重新设置数据列索引名称

data.columns = [‘Z’+i for i in data.columns]

步骤10：将最终的数据探索结果保存到一个excel的中间文件中zscoredata.xls

data.to_excel(excelPath, index=False)
print(‘>>数据标准化完毕，并保存结果数据文件.’)
zscoredata.xls 6.7m文件形成 ，看下图 项目就结束了