数据分析与挖掘实战-航空公司客户流失分析

最新推荐文章于 2023-07-06 18:18:33 发布

周先森爱吃素

最新推荐文章于 2023-07-06 18:18:33 发布

阅读量7.3k

点赞数 5

分类专栏：数据分析与挖掘文章标签：航空公司客户流失分析

本文链接：https://blog.csdn.net/zhouchen1998/article/details/85113535

版权

数据分析与挖掘专栏收录该内容

22 篇文章 7 订阅

订阅专栏

实战背景

如今的营销已经远远不同于过去了，那个一张传单一则广告的时代结束了，这是个大数据的时代。一个时代有一个时代的生存法则，那些没有适应时代的企业，即使曾经是个庞然大物，今天也几乎不见踪影。在航空公司这个特殊的领域，国内竞争还是很严峻的，一个顾客的流失造成的损失是4-5个新顾客的流入所不能弥补的，分析用户（特别是会员用户）相关信息，建立模型，发现流失用户特征，制定针对性营销策略，挽留用户是企业生存的重要一环。本项目基于大数据样本进行挖掘建模，根据用户特征建立模型发现用户流失特征及其原因分析。

实战分析

其实，作为航空公司，客户流失是不可避免的，因为有些用户乘机频率非常低，这部分用户是偶然用户，他们的流失没有太大的挽留价值。再者，那些会员用户才是研究的重点，愿意入会的，一定是有频繁乘机体验的，这部分人要么是商务精英要么是比较富裕的人，这几类人都是颇具头脑的。但是，即使这样还是流失了，那就是航空公司给出的服务问题了，这类人是重点研究对象。

当前，有一个比较尴尬的问题，什么样的顾客可以定义为流失呢？样本数据中根本没有这一项。我们不妨这样定义：

客户类型	定义方式
已流失客户	第二年飞行次数与第一年飞行次数比例小于50%
准流失客户	第二年飞行次数与第一年飞行次数比例在[50%,90%)内
未流失客户	第二年飞行次数与第一年飞行次数比例大于90%

通过上面的定义，解决了这个问题，以一种相对合理的方式定义了用户类型。

当然，实际处理时还需要选取客户的关键属性建立模型，如会员卡级别、客户类型（如上定义）、平均乘机时间间隔、平均折扣率、积分兑换次数、非乘机积分总和、单位里程票价和单位里程积分等。任然采用常用的8:2进行训练测试样本分布。

数据获取

数据给出（特征过多）

数据探索

首先声明，表头均没有使用中文，均为航空公司报表专业术语，观测窗口使用两年（06年4月到08年3月），请了解后再阅读本博客，这里不做赘述了。

经过初步的数据探索，我得到了一个分析表，记录数目，各列的平均值、四分位数、标准差、极值等；

为数据预处理定下了基本的基调，首先，有几列数据几乎所有记录都为0，这是没有意义的。（在数据挖掘领域中没有对比的数据是没有任何意义的，因为所有数据都是为了建模服务的）

数据预处理

在数据预处理的第一步就出现了一个不算问题的问题，就是由于Excel解析csv以及编码的一些问题，我看到的表格是错位的，我数据处理第一步就直接数据流导出去成为一个新的xls文件，对于xls文件Excel的解析没有问题，现在，最基本的，我们可视化判断没有了阻碍。（保留最开始的数据是数据分析的基本原则之一）

然后，发现第一列用户编号是用户的唯一标识，然而这对于建模是没有意义的，必须剔除第一列。选取合适属性构造了需要的六个属性LRFMCK模型，并进行标准化数据。

数据挖掘建模

流失用户的分析，并且判断用户会不会流失，这是一个分类问题，我们使用决策树建模。

具体代码如下。

# -*- coding:UTF-8 -*-
import pandas as pd
from sklearn import tree
from sklearn.model_selection import train_test_split
import pydotplus
from sklearn.externals.six import StringIO


def getDataSet(fileName):
    # 读取数据
    data = pd.read_csv(fileName)
    dataSet = []
    for item in data.values:
        dataSet.append(list(item[:5]))
    label = list(data['K'])
    return dataSet, label


def divide(dataSet, labels):
    '''
    分类数据，按比例拆开
    :param dataSet:
    :param labels:
    :return:
    '''
    train_data, test_data, train_label, test_label = train_test_split(dataSet, labels, test_size=0.2)
    return train_data, test_data, train_label, test_label


if __name__ == '__main__':
    data, label = getDataSet('./data/data_standard.csv')
    train_data, test_data, train_label, test_label = divide(data, label)
    clf = tree.DecisionTreeClassifier(max_depth=5)
    clf = clf.fit(train_data, train_label)
    # 可视化
    dataLabels = ['ZL', 'ZR', 'ZF', 'ZM', 'ZC', ]
    data_list = []
    data_dict = {}
    for each_label in dataLabels:
        for each in data:
            data_list.append(each[dataLabels.index(each_label)])
        data_dict[each_label] = data_list
        data_list = []
    lenses_pd = pd.DataFrame(data_dict)
    print(lenses_pd.keys())
    dot_data = StringIO()
    tree.export_graphviz(clf, out_file=dot_data, feature_names=lenses_pd.keys(),
                         class_names=clf.classes_, filled=True, rounded=True, special_characters=True)
    graph = pydotplus.graph_from_dot_data(dot_data.getvalue())
    graph.write_pdf("tree.pdf")
    from cm_plot import *
    cm_plot(test_label, clf.predict(test_data)).show()