客户价值分析与画像---基于机场数据

一、前言

  客户关系的管理是企业的核心问题之一。管理维持客户的关键问题是将客户进行适当的分类，区分无价值，高价值的客户，企业可以针对不同的用户类型制定不同的个性化的服务方案，采用不同的营销策略。将有限的资源集中于服务高价值客户，以实现企业能获得最高的利润。准确的客户分类结果成为各个企业特别是线下品牌会员店铺，B2C企业优化资源分配方案的依据之一。
  现如今疫情反扑，经济不景气，各个企业都面对着客户流失，开源困难。若企业能够有完善且精确地用户画像，便能够更合理的指定营销方案，吸引更多的客户，提高竞争力。本文基于R语言建立LRFMC模型(RFM模型在航空公司客户画像延伸模型)用户画像以实现下面目标：
1）借助航空公司客户数据，对客户进行分类；
2）对不同的客户类别进行特征分析，比较不同类客户的客户价值；
3）对不同价值的客户类别提供个性化服务，制定相应的营销策略。
若采用传统RFM模型分析的属性分箱方法，三维空间被打破为8组，用户被过于细分，提高了营销的成本。因此，本案例采用聚类的方法识别客户价值。通过对航空公司客户价值的LRFMC五个指标进行K-Means聚类，识别出最有价值客户。

二、数据介绍与分析流程展示

2.1 数据介绍

数据指标过多，上传指标表格，可自行查看。
链接: link

2.2 分析流程

1. 确定目标
2. 数据收集
3. 数据清洗
4. 数据分析
5. 结果呈现

三、数据清洗

3.1 数据获取

library(RMariaDB)
library(tidyverse)
library(dbplyr)
con = dbConnect(MariaDB(), user = "root", password = "???????",
                dbname = "sqllearning", host = "????????")# 链接数据库，与数据库交互
dbListTables(con) # 查看该库中表格
datafile=tbl(con,"air_data") #简单复制数据到R中
datafile=dbGetQuery(con,"SELECT * FROM `air_data`") #将数据以物理格式导入R
dbDisconnect(con) # 与MYSQL断开链接

3.2 数据清洗

datafile = as_tibble(datafile) #将数据转化为数据框（data.frame的高级版）
colnum <- c(15:18, 20:29)
detials = summary(datafile[,colnum]);detials #查看相关数据详情
cleandata = datafile %>% 
                 filter(!is.na(SUM_YR_1)|!is.na<