在信息化,大数据快速发展的今天。航空公司作为一个庞大的数据载体,无时不刻的在产生数据,如何通过既有数据转化为客户价值,进行精准营销,成为很多航空公司的统一难题,实现数据变现,说难也难,说易也易。关键在于找到方法与目标。
所以我们的目标是什么:
1通过数据将用户分类,因为这些数据没有类标签,相当于是无监督训练
2 通过得到的客户分类,对客户价值进行比较分析
方法论
根据客户价值的RFM方法,选择以下几项作为分析字段。
由于航空票价受到运输距离、舱位等级等多种因素影响,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,后者对于航空公司价值更高。因此,这个指标并不适用于航空公司的客户价值分析。这里选择客户在一定时间内累计的飞行里程M和客户在一定时间内乘坐舱位多对应的折扣系数的平均值C两个指标代表消费金额。此外,考虑航空公司会员入会时间长短在一定程度上影响客户价值,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。
本案例中将客户关系长度L、消费时间间隔R、消费频率F、飞行里程M和折扣系数C的平均值五个指标作为识别客户价值指标。
L=LOAD_TIME-FFP_DATE=MENBER_TIME 会员入会时间距观测窗口结束的月数=观测窗口的结束时间-入会时间[单位:月]
R=LAST_TO_END 客户最近一次乘坐公司飞机距观测窗口结束的月数=最后一次乘机时间至观察窗口末端
F=FLIGHT_COUNT 客户在观测窗口内乘坐公司飞机的次数=观测窗口的飞行次数[单位:次]
M=SEG_KM_SUM 客户在观测时间内在公司累计的飞行里程=观测窗口的总飞行公里数[单位:公里]
C=AVG_DISCOUNT 客户在观测时间内乘坐舱位所对应的折扣系数的平均值=平均折扣率[单位:无]
#原始数据
原始数据有很多列,主要分为三大类:客户基本信息,乘机信息还有积分信息
客户基本信息:一飞(第一次飞行时间),性别,卡级(会员卡级别),城市,国家,省份,年龄
乘机信息:飞数(飞行次数),采集终点时间,末飞(最后一次飞行时间),打折(平均折扣率),收入(票价收入),公里数&