2020-12-25 Kmeans

KMEANS

 

【提示】
这个案例的目标是客户价值识别，即通过航空公司客户数据识别不同价值的客户。识别客户价值应用最广泛的模型是通过三个指标（最近消费时间间隔(Recency)、消费频率(Frequency)、消费金额(Monetary)）进行客户细分，识别出高价值的客户，也即 RFM 模型。
在 RFM 模型中，消费金额表示在一段时间内，客户购买该企业产品金额的总和。但考虑到商用航空行业与一般商业形态的不同，我们选择客户在一定时间内累积的飞行里程 M和客户在一定时间内乘坐舱位所对应的平均折扣率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指标。

 

 

观测发现SEG_KM_SUM和AVG_DISCOUNT有部分缺失值，但是相对样本数量3000相对来说量不是很大，可以考虑进行删除。进入到数据加工界面，选中相应的字段进行删除。对结果集进行保存。对新构造的LRFMC变量进行异常值检测。检测发现异常值较多，考虑到可能是真实数据，本着谨慎的原则不进行删除，让其参与模型运算。

 

 

 

选择聚类算法（K-means 或其他聚类方法）进行客户细分 （4 分） ：
使用K-means方法对客户进行聚类。
讨论轮廓系数； （5 分）
根据轮廓系数大小确定 K 值得到聚类结果。 （4 分）
从下图可知，轮廓系数在分类为2的时候最高，但是从业务的角度来说需要进行更精细的分群，2类有点少，由下图可知分为4类或者5类效果也还可以。按题意由于本题是要利用RFM 模型对客户价值进行分析，所以这里我们选择5类。
（对于预处理和聚类分析过程逻辑清晰且解释完整额外+2 分）

 

 

 

重要保持客户：
这类客户的平均折扣率C较高，一般所乘航班的舱位等级较高，最近乘坐过本公司的航班R低，乘坐的次数F或里程M较高。这类客户是航空公司的高价值客户，是最为理想的客户类型，对航空公司的贡献率最大，所占比例却较小。航空公司应该优先将资源投放在他们身上，对他们进行差异化管理和一对一的营销，提高这类客户的忠诚度与满意度，尽可能延长这类客户额高水平消费。

重要发展客户：
这类客户的平均折扣率C较高，最近乘坐过本公司的航班R低，但乘坐的次数F或里程M较高。这类客户入会时长L短，这类客户是航空公司潜在的价值客户。虽然这类客户的当前价值并不是很高，单却有很大的发展潜力。航空公司要努力促使这类客户增加在本公司的成绩消费和合作伙伴处的消费，也就是增加客户的钱包份额。通过客户价值的提升，加强这类客户的满意度，提高他们转向竞争对手的转移成本，是他们逐渐成为公司的忠诚客户。

重要挽留客
这类客户过去所乘坐航班的平均折扣率C、乘坐次数F或者里程M较高，但是较长时间已经美玉乘坐过本公司航班R高或者乘坐频率小。这类客户价值变化的不确定性很高。由于这些客户衰退的原因各不相同，所以掌握客户的最新信息、维持与客户的互动就显得尤为重要。航空公司应该根据这些客户的最近消费时间、消费次数的变化情况，推测客户消费的异动状况，并列出客户名单， 对其重点联系，采取一定的营销手段，延长客户的生命周期。

 

一般客户和低价值客户：
这类客户所乘坐的航班的平均折扣率C很低，较长时间没有乘坐过本公司航班R高，乘坐的次数F或里程M较低，入会时长L短，这类客户是航空公司的一般客户与低价值客户，可能是在航空公司机票打折促销时，才会乘坐本公司航班。