1. 背景
- 航空公司业务竞争激烈,从产品中心转化为客户中心
- 针对不同类型客户,进行精准营销,实现利润最大化
- 建立客户价值评估模型,进行客户分类,是解决问题的办法
2. 挖掘目标
- 借助航空公司客户数据,对客户进行分类
- 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
- 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
详情数据见数据集内容中的air_data.csv和客户信息属性说明。
分析方法与过程
1. 分析方法
- 首先,明确目标是客户价值识别
- 识别客户价值,应用最广泛的模型是三个指标(消费时间间隔(Recency),消费频率(Frequency),消费金额(Monetary))
- 以上指标简称RFM模型,作用是识别高价值的客户
- 消费金额,一般表示一段时间内,消费的总额。但是,因为航空票价收到距离和舱位等级的影响,同样金额对航空公司价值不同
- 因此,需要修改指标。选定变量,舱位因素=舱位所对应的折扣系数的平均值=C,距离因素=一定时间内积累的飞行里程=M
- 再考虑到,航空公司的会员系统,用户的入会时间长短能在一定程度上影响客户价值,所以增加指标L=入会时间长度=客户关系长度
- 总共确定了五个指标,消费时间间隔R,客户关系长度L,消费频率F,飞行里程M和折扣系数的平均值C
- 以上指标,作为航空公司识别客户价值指标,记为LRFMC模型
- 如果采用传统的RFM模型,如下图。它是依据,各个属性的平均值进行划分,但是,细分的客户群太多,精准营销的成本太高。
![129ba69a216b61aeb076a3e7855eb23586f4e0a6](https://i-blog.csdnimg.cn/blog_migrate/cd555c3d212d10a9778589127c15d172.png)
- 综上,这次案例,采用聚类的办法进行识别客户价值,以LRFMC模型为基础
- 我有几张阿里云幸运券分享给你,用券购买或者升级阿里云相应产品会有特惠惊喜哦!把想要买的产品的幸运券都领走吧!快下手,马上就要抢光了。
- 本案例,总体流程如下图
![40b757351211d163ee5135f051f4a47faed42f7f](https://i-blog.csdnimg.cn/blog_migrate/4059a1c9fc4f26188d72adfece1e1a8f.png)
2.挖掘步骤
- 从航空公司,选择性抽取与新增数据抽取,形成历史数据和增量数据
- 对步骤一的两个数据,进行数据探索性分析和预处理,主要有缺失值与异常值的分析处理,属性规约、清洗和变换
- 利用步骤2中的已处理数据作为建模数据,基于旅客价值的LRFMC模型进行客户分群,对各个客户群再进行特征分析,识别有价值客户
- 针对模型结果得到不同价值的客户,采用不同的营销手段,指定定制化的营销服务,或者针对性的优惠与关怀。(重点维护老客户)
- 原文链接