4、数据分析--航空价值分析

背景介绍

背景处理

​ 准确的客户分类的结果是企业优化营销资源的重要依据，该课程利用航空公司提供的数据，利用 Kmeans聚类方法，对航空公司的客户进行了分类，来识别出不同的客户群体，从来发现有用的客 户，从而对不同价值的客户类别提供个性化服务，指定相应的营销策略。

​ 该案例不仅适用于客户营销手段，还可以适用于多种商业坏境，例如：移动运营商维护，游戏会员 维护，超市会员维护等场景

学习目标

​ 熟悉客户价值分析的步骤和流程

​ 通过该流程掌握处理原理

​ 了解RFM、LRFMC模型的基本原理

​ 如果进行用户价值评分

​ 掌握K-Means算法的基本原理和使用方法

​ K-means算法原理回顾

​ 从分类的客户信息中提炼客户价值，以制定相应的营销策略

​ 将数据信息进行反馈，反洗潜在价值

任务描述

​ 借助航空公司客户数据，对客户进行分类。

​ 数据清洗

​ 特征处理

​ 对不同的客户类别进行特征分析，比较不同类别客户的客户价值。

​ 格局商业格局不同，进行处理

​ 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

​ 帮助更好为公司进行精准营销，更好盈利

过程分析

认知客户价值分析

​ 客户营销战略倡导者Jay & Adam Curry从国外数百家公司进行了客户营销实施的经验中提炼了如 下经验

​ 公司收入的80%来自顶端的20%的客户。

​ 20%的客户其利润率100%。

​ 90%以上的收入来自现有客户。

​ 大部分的营销预算经常被用在非现有客户上。

​ 5%至30%的客户在客户金字塔中具有升级潜力。

​ 客户金字塔中客户升级2%，意味着销售收入增加10%，利润增加50%。

​ PS：这些经验也许并不完全准确，但它揭示了新时代客户分化的趋势，也说明了对客户价值分析的迫 切性和必要性。

客户价值分析的流程和步骤

​ 实现步骤

​ 抽取航空公司数据

​ 对数据进行预处理：数据清洗，特征构建和数据标准化等操作

​ 基于RFM模型，使用KMeans算法进行客户分群（维护过程可微调模型）

​ 针对模型结果得到的不同客户群，分析客户价值，制定对应的定制化营销方案

客户分群建模

RFM模型

​ 识别客户价值应用最广泛的模型是通过3个指标来进行客户细分，识别出高价值客户，简称RFM模 型。

​ R（Recency）:时近效应，指最近一次消费时间与截止时间的间隔。间隔越短，对提供的商品或是 服务最有可能感兴趣。

​ F（Frequency）：频次效应，指顾客在某段时间内所消费的次数。频率越高的顾客其忠诚度也就 越高，顾客价值也就越大。

​ M（Monetary）：能力效应，指顾客在某段时间内所消费的金额。金额越大表明其消费能力越大， 这就是所谓“20%的顾客贡献了80%的销售额”的二八法则

RFM模型缺陷及优化方案

​ 在RFM模型中，消费金额（Monetary）表示在一段时间内，客户购买该企业产品金额的总和。由 于航空票价受到运输距离、舱位等级等多种因素的影响，同样消费金额的不同旅客对航空公司的价 值是不同的。

​ 例如，一位购买长航线、低等级舱位票的旅客与一位购买短航线、高等级舱位票的旅客相比，后者 对于航空公司而言价值可能更高。因此这个指标并不适用于航空公司的客户价值分析。

​ 我们选择客户在一定时间内积累的飞行里程M和客户字一定时间内乘坐舱位所对应的折扣系数的平均值C两个指标代替消费金额。此外，考虑航空公司会员入会时间的长短在一定程度上能够影响客 户价值，所以在模型中增加客户关系长度L，作为区分客户的另一个指标。

LRFMC模型

​ 根据航空客户特点，将客户关系长度L、消费时间间隔R、消费频率F、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，记为LRFMC模型

​ 针对航空公司LRFMC模型，如果采用传统的RFM模型分析的属性分箱方法（如下图），虽然也能 够识别出最有价值客户，但是细分的客户群太多（有8个客户群），提供了针对营销 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LRFMC模型的五个 指标进行K-Means聚类，识别出最有价值客户。

聚类应用效果

数据特点分析

​ 数据分析最终的目的是针对分析结果提出并开展一系列的运营/营销策略，以期帮助企业发展。 在本实例中，运营策略有三个方向：

​ 提高活跃度：提高一般客户、低价值客户的活跃度。将其转化为优质客户

​ 提高留存率：与重要挽留客户互动，提高这部分用户的留存率

​ 提高付费率：维系重要保持客户、重要发展客户的忠诚度，保持企业良好收入

​ 每个方向对应不同的策略，如会员升级、积分兑换、交叉销售、发放折扣券等手段：

​ 会员升级与保级(积分削减等)

​ 在会员升级或保级评价的时间点前，对接近但尚未达到要求的较高消费客户进行提醒或促销活动，提高客户满意 度。

​ 首次兑换

​ 对接近但尚未达到标准的会员进行提醒或促销活动，提高客户满意度。

​ 交叉销售

​ 通过与非航空类企业的合作，使客户在其他消费过程中获得本公司积分，增强与公司联系，提高忠诚度

总结

​ 获取新客户成本远大于维持老客，应努力维系客户关系水平，保持优质客户。

​ 差异化管理、精准营销，提高客户忠诚度、满意度，延长客户高水平消费。

航空价值分析预测

通过聚类算法，预测航空用户的类别，进行精准营销处理

import pandas as pd
import numpy as np
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
import matplotlib
import warnings
warnings.filterwarnings('ignore')

一、数据查看

接着将数据读取到程序中，并查看每个特征属性的相关信息，以便对“脏”数据进行处理

datafile = "data/air_data.csv"
data = pd.read_csv(datafile, encoding="utf-8")

数据大小查看

print(data.shape)

数据信息查看

print(data.info())
(62988, 44)

<class ‘pandas.core.frame.DataFrame’>
RangeIndex: 62988 entries, 0 to 62987
Data columns (total 44 columns):
MEMBER_NO 62988 non-null int64
FFP_DATE 62988 non-null object
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-null object
FLIGHT_COUNT 62988 non-null int64
BP_SUM 62988 non-null int64
EP_SUM_YR_1 62988 non-null int64
EP_SUM_YR_2 62988 non-null int64
SUM_YR_1 62437 non-null float64
SUM_YR_2 62850 non-null float64
SEG_KM_SUM 62988 non-null int64
WEIGHTED_SEG_KM 62988 non-null float64
LAST_FLIGHT_DATE 62988 non-nu