python数据分析之民航业客户建模分析实战

找到了更详细（指的是探索性分析）的版本
航空公司客户价值分析（正版/超详细/附数据）

1背景与挖掘目标

客户关系管理是企业的核心业务。客户管理的关键在于客户分类。通过客户分类，区分无价值和高价值客户，再针对不同价值的客户制定个性化服务方案，不同的营销策略，将有限的企业资源集中于高价值客户，实现企业利润最大化。

面对激烈竞争，各个航空公司都推出了推广营销活动来吸引更多客户，国内某航空 公司面临 旅客流失/竞争力下降和航空资源未充分利用等经营危机。

• 通过建立合理的客户价值评估模型，对客户进行分类，比较分析不同客户群体的价值并制定相应营销策略，提供个性化客户服务，是必须和有效的。

该航空公司已积累大量会员档案信息和乘坐航班记录，部分列见下：

1.1 航空信息属性表（一部分列）

• 客户基本信息
  • MEMBER_NO: 会员卡号
  • FFP_DATE: 入会时间
  • FIRST_FLIGHT_DATE: 第一次飞行日期
  • GENDER: 性别
  • FFP_TLER: 会员卡级别
  • WORK_CITY: 工作地城市
  • WORK_PROVINCE: 工作地省份
  • WORK_COUNTRY: 工作地国家
  • AGE: 年龄
• 乘机信息
  • FLIGHT_COUNT: 观测窗口内的飞行次数（观测窗口：观测的时间段）
  • LOAD_TIME: 观测窗口的结束时间
  • LAST_TO_END: 最后一次乘机时间至观测窗口结束时长
  • AVG_DISCOUNT: 平均折扣率
  • SUM_YR: 观测窗口的票价收入
  • SEG_KM_SUM: 观测窗口的总飞行公里数
  • LAST_FLIGHT_DATE: 末次飞行日期
  • AVG_INTERVAL: 平均乘机时间间隔
  • MAX_INTERVAL: 最大乘机间隔
• 积分信息
  • EXCHANGE_COUNT: 积分兑换次数
  • EP_SUM: 总精英积分
  • PROMOPTIVE_SUM: 促销积分
  • PARTNER_SUM: 合作伙伴积分
  • POINTS_SUM: 总累计积分
  • POINT_NOTELIGHT: 非乘机的积分变动次数
  • PB_SUM: 总基本积分

根据这些数据，实现以下目标：

• 根据数据，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，指定相应营销策略

1.2 分析方法和过程

本案例目标是客户价值识别，识别客户价值最广泛的模型是通过三个指标进行客户细分，识别高价值客户，简称RFM模型

• 最近消费时间间隔，Recency
• 消费频率，Frequency
• 消费金额，Monetary
  • 一段时间内，客户购买该企业产品金额的总和
  • 由于航空票价受运输距离/仓位等级等多种因素影响，消费金额指导意义不大（如一个长航线低等仓位旅客与一个短航线高等仓位旅客，前者花费大但后者对航空公司可能更有价值。
  • 我们选择
    • 客户在一定时间内累积的飞行里程M
    • 客户在一定时间内乘坐仓位所对应的折扣系数平均值C

两个指标代替消费金额。

此外，航空公司会员入会时间长短也能够影响客户价值，模型中增加客户关系长度L

总之：5个指标作为航空公司识别客户价值指标，记为LRFMC模型

航空公司LRFMC模型

• L:会员入会时间距观测窗口结束的月数
• R:客户最近一次乘坐公司飞机距观测窗口结束的月数（最近消费时间间隔）
• F:客户在观测窗口内乘坐公司飞机的次数
• M:客户在观测窗口内累计的飞行里程
• C:客户在观测窗口内乘坐仓位所对应的折扣系数的平均值

本例采用聚类来识别客户价值，通过5个指标进行K-Means聚类，识别出最有价值客户

航空客运信息挖掘主要包含以下步骤：

• 从航空公司数据源种进行选择性抽取与新增数据抽取，分别形成历史数据和增量数据
• 对上面两个数据集进行数据探索和预处理，包括缺失值异常值处理，属性规约，清洗/变换
• 利用完备数据，基于旅客价值LRFMC模型进行客户分群，对各个客户群进行特征分析，识别有价值客户
• 针对模型结果得到不同价值的客户，采用不同营销手段，提供定制化服务

---

---

• 导入需要用的库

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

• 读取一下文件，parse_dates将目标列设置成日期格式

# 读取

data = pd.read_csv(r'data\air_data.csv',parse_dates=['FFP_DATE','FIRST_FLIGHT_DATE','LOAD_TIME','LAST_FLIGHT_DATE'])
data

• 检查数据类型

data.info(),data.shape

• 查看基本统计数据并手动计算缺失值

# 查看基本统计数据
explore = data.describe().T
explore

# 手动计算缺失值 
# data.shape[0] # 客户量
# explore['count'] #统计有效计数量
explore['null'] = data.shape[0] - explore['count']
explore

# 指定列检查
e1 = explore[['null','max','min']]
e1

2 数据预处理

主要用数据清洗/属性规约和数据变换的预处理方法

数据清洗：数据中有缺失值，或 票价最小值为0，或（折扣率最小值为0 和 总飞行公里数大于0）的记录，

由于原始数据量大，这类数据比例很小，丢弃处理

• 丢弃票价为空的记录
• 保留：票价不为0，或 平均折扣率 和 总飞行公里数都大于0 的记录

 # 删除两列票价值为空的数据行
data = data[(data['SUM_YR_1'].notnull()) & (data['SUM_YR_2'].notnull())]

data

数据量减少

• 删除两列票价值为0的数据行
• 保留：票价不为0，或 平均折扣率 和 总飞行公里数都大

# 删除两列票价值为0的数据行
# 保留：票价不为0，或 平均折扣率 和 总飞行公里数都大于0 的记录
index1 = data.SUM_YR_1 != 0
index2 = data.SUM_YR_2 != 0
index3 = (data.avg_discount == 0) & (data.SEG_KM_SUM == 0)

data = data[index1|index2|index3]
data

数据量再一次减少

• 属性规约：原始数据中属性太多，根据LRFMC模型，只保留和模型指标相关的6个属性

  • FFP_DATE

  • LOAD_TIME

  • FLIGHT_COUNT

  • avg_discount

    • 折扣系数的平均值为什么有些会大于1或者小于0，找到一些相关知识点，但没有弄懂，比较贴切的是收益=E*(1－p),(1-p)就是你的折扣系数，出自折扣系数是什么意思？；还有就是折扣率为1-1.5表示，折扣为1%–1.5%，出自什么是折扣率；折扣率为1-1.5表示什么?；再了解一下打折机票的计算方法打折机票怎么算的啊?：
      平均折扣率应该如何计算？

  • SEG_KM_SUM

  • LAST_TO_END

# 属性规约：原始数据中属性太多，根据LRFMC模型，只保留和模型指标相关的6个属性

data2 = data[['FFP_DATE', 'LOAD_TIME', 'FLIGHT_COUNT', 'avg_discount', 'SEG_KM_SUM', 'LAST_TO_END']]
data2

• 数据变换：将数据转为适当的个数，以适应算法挖掘需要，本例采用属性构造和数据标准化方式

原始数据没有直接给出LRFMC五个指标，需要通过数据自行计算提取指标

L = LOAD_TIME - FFP_DATE，会员入会时间距观测窗口结束的月数 = 观测窗口结束时间 - 入会时间
R = LAST_TO_END，客户最近一次乘坐飞机距观测窗口结束的月数 = 最后一次乘机时间至观测窗口末端时长
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
M = SEG_KM_SUM，客户在观测时间内在公司累计飞行里程=观测窗口的总飞行公里数
C = avg_discount，客户在观测时间内乘