航空客运信息挖掘

航空客运信息挖掘

这个是泰迪杯数据挖掘第一届竞赛中的赛题，博主在此是将官网上的优秀论文进行了部分摘抄并做了一个总结。
官网地址http://www.tipdm.org/bdrace/tzjingsai/

题目：很多人都听说过马来西亚的亚洲航空、美国的西南航空等公司的大名。这些公司成功的秘诀就是擅于提高上座率。本例就是期望从航空公司感兴趣的主题，例如流失预测、客户细分和客户价值评估等方面，通过数据挖掘技术，实现提升航空客运的上座率目标。
附件数据集来自国内某航空公司的会员数据，共有62988个样本，每个样本有63个属性，各属性说明见“变量含义”Sheet页。除了每个客户的基本资料外，该数据集还包含了一个观测窗（2年）内8个季度的用户飞行数据，包括乘机次数、里程、积分等。参赛者可尽量使用任何的数据挖掘技术来发现尽可能多的知识，建议的数据挖掘主题包括但不限于建立客户流失模型、客户细分和客户价值评估。

思路一：
首先划分出训练集和测试集，在训练集上建立用户细分、用户价值评估和流失预测模型，区分客户群，并提出相应的营销策略。最后用测试集来检验，对模型的性质的评估。
用户细分模型：筛选出 5 个 L、R、F、M、C 五个指标（根据文献的来，后文会有解释）作为航空公司客户细分的核心维度，利用 LRFMC 聚类分析法进行用户分群与初步评分。接着利用权重计算各客户群综合得分，从而将航空公司的客户群体划分成重要保持客户、重要发展客户、重要挽留客户、忠诚型一般客户、低价值客户等五个级别的客户群。
用户价值评估模型：对 5 个客户群的数据进行预处理，选择对客户价值影响最大的 14 个属性，进行主成分分析，计算出各用户群的综合得分，作为价值排名依据。
客户流失模型：定义了客户回头率这个概念（客户第二年乘机次数与第一年乘机次数比值），以 0.5 和 0.8 为两个临界值将老客户划分为流失客户、准流失客户、未流失客户三种客户类型，并选取一些维度及其衍生出的维度，使用决策树、神经网络两种方法进行客户流失模型的建立，并用将两种方法进行对比，最终确定了影响客户流失的几个比较重要因素有平均折扣率、单位里程票价和单位里程所得积分。

思路一的补充

• LRFMC模型：先根据LRFMC的定义得到相应的5个指标，再进行k-means聚类。但是客户分类后，并不知道划分出的每一组客户的价值差别有多大，相对航空公司的重要性怎样。所以利用 AHP 法分析得到的 LRFMC 各指标权重，结合各组客户的 LRFMC 指标值，可以计算每一组客户的客户价值，然后根据客户价值的得分来进行排序。
• 上一个模型存在一个问题：k-means聚类结果得出的客户标签可能和经过AHP法的权重调整而得出的结果相矛盾。这时，就需要人工分析产生矛盾的原因，人为地给他划分类别。
• 除了LRFMC属性以外，还运用了会员卡级别（FFP_TIER）、观测窗口总基本积分（BASE_POINTS_SUM）、总票价（EXPENSE_SUM）、观测窗口总加权飞行公里数（Σ舱位折扣×航段距离）（WEIGHTED_SEG_KM）、平均乘机时间间隔（AVG_FLIGHT_INTERVAL）、观察窗口内最大乘机
  间 隔 （ MAX_FLIGHT_INTERVAL ）、 观 测 窗 口 中 其 他 积 分 （ 合 作 伙 伴 、 促 销 、 外 航 转 入 等 ）（ ADD_POINTS_SUM ）、 非 乘 机 积 分 总 和 （ Eli_Add_Point_Sum ）、 非 乘 机 的 积 分 变 动 次 数
  （Point_Chg_NotFlight）等一共14个属性。
• 通过对14个属性计算相关系数矩阵，发现多个变量之间的相关系数值很大，所以属性之间一定有重叠的部分，所以要进行降维。通过主成分分析