基于RFM模型延伸LRFMC模型分析用户画像
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
- 确定目标
- 数据收集
- 数据清洗
- 数据分析
- 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<