航空公司客户价值分析

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&#x