數據集：http://pan.baidu.com/s/1clfQY6

挖掘目標

（1） 根據航空公司客戶數據對客戶進行分類。

（2） 對不同的客戶類別進行特征分析，比價不同類客戶的客戶價值。

（3） 對不同價值的客戶類別提供個性化服務，制定相應的營銷策略。

分析方法與過程

識別客戶價值應用最廣泛的模型指標：最近消費時間間隔，消費頻率，消費金額（RFM模型）。

本案例考慮項目指標（LRFMC模型）：

（1） 客戶關系長度L：航空公司會員時間的長短。

（2） 是消費時間間隔R。

（3） 消費頻率F。

（4） 飛行裏程M。

（5） 折扣系數的平均值C。

觀測窗口：以過去某個時間段為結束時間，某一時間長度作為寬度，得到歷史時間範圍內的一個時間段。

LRFMC模型指標含義：

（1） L：會員入會時間距觀測窗口結束的月數。

（2） R：客戶最近一次乘坐公司飛機距離觀測窗口結束的月數。

（3） F：客戶在觀測窗口內乘坐公司飛機的次數。

（4） M：客戶在觀測窗口內累計的飛行裏程碑。

（5） C：客戶在觀測窗口內乘坐倉位所對應的折扣系數的平均值。

方法：本案例采用聚類的方法，通過對航空公司客戶價值的LRFMC模型的五個指標進行K-Means聚類，識別客戶價值。

總體流程：數據抽取->數據預處理（數據清洗（缺失值填補舍棄等），屬性規約（提取需要特征數據），數據變換（轉換適當格式））->建模->結果

代碼實踐

1. 數據抽取

以2014-03-31為結束時間，選取寬度為兩年的時間段為分析窗口，抽取觀測窗口內有乘機記錄的所有客戶的詳細數據形成歷史數據。

抽取2012-04-01至2014-03-31所有乘客的詳細數據，總共62988條，44個屬性。

2. 數據探索分析

查找每列屬性觀測值個數，最大值，最小值。完整代碼如下：

 1 # -*- coding: UTF-8 -*-
 2 #對數據進行基本的探索
 3 #返回缺失值個數以及最大值最小值
 4 
 5 import pandas as pd
 6 
 7 datafile=‘air_data.csv‘#航空原始數據，第一行為屬性標簽
 8 
 9 resultfile=‘
 
explore.xls‘#數據探索結果表
10 
11 data=pd.read_csv(datafile,encoding=‘utf-8‘) #讀取原始數據，指定UTF-8編碼（需要用文本編輯器將數據轉換為UTF-8）
12 explore=data.describe(percentiles=[],include=‘all‘).T #.T對數據進行轉置，方便查閱，percentiles是指定計算多少的分位數（如1/4分位數，中位數）
13 ‘‘‘describe（）函數自動計算字段count(非空值)，unique(唯一值)，top(頻數最高者)，freq(最高頻數)，std(方差)，min(最小值)，
14 50%（中位數），max(最大值)‘‘‘
15 
16 explore[‘null‘]=len(data)-explore[‘count‘]  #describe()函數自動計算非空值，需要手動計算空值,每個屬性空值數
17 explore=explore[[‘null‘,‘max‘,‘min‘]]
18 explore.columns=[u‘空值數‘,u‘最大值‘,u‘最小值‘]  #表頭重命名
19 
20 explore.to_excel(resultfile)    #導出結果

效果如下：

3.數據預處理

數據清洗，屬性規約，數據變換。

3.1數據清洗

通過數據探索分析，發現數據中存在缺失值，由於原始數據量大，這類數據量少，對其進行丟棄處理。

（1）丟棄票價為空的記錄。

（2）丟棄票價為0、平均折扣率不為0、總飛行公裏數等於0的記錄。

滿足清洗條件的一行數據全部丟棄，使用Pandas對滿足清洗條件的數據進行丟棄。

完整代碼如下：

 1 # -*- coding: UTF-8 -*-
 2 # 數據清洗，過濾掉不符合規則的數據
 3 
 4 import pandas as pd
 5 
 6 datafile = ‘air_data.csv‘  # 航空原始數據，第一行為屬性標簽
 7 cleanedfile = ‘data_cleaned.scv‘  # 數據清洗後保存文件
 8 
 9 data = pd.read_csv(datafile, encoding=‘utf-8‘)  # 讀取原始數據，指定UTF-8編碼
10 data = data[data[‘SUM_YR_1‘].notnull() *
11             data[‘SUM_YR_2‘].notnull()]  # 票價非空值才保留
12 
13 # 只保留票價非零的，或者平均折扣率與總飛行公裏數同時為0的記錄
14 index1 = data[‘SUM_YR_1‘] != 0  # 屬性下面返回True或者False
15 index2 = data[‘SUM_YR_2‘] != 0
16 index3 = (data[‘SEG_KM_SUM‘] == 0) & (data[‘avg_discount‘] == 0)  # 該規則是與‘
17 
18 data = data[index1 | index2 | index3]
19 
20 data.to_csv(cleanedfile, encoding=‘utf-8‘)  # 導出實驗結果

3.2屬性規約

根據我們建立的LRFMC模型，提取這五個特征，刪除語氣不相關的屬性。

3.3數據變換

將數據變換成‘適當的’格式。通過數據變換來構造這個五個特征。

計算方式如下：

(1) L=LOAD_TIME-FFP_DATE

會員入會時間距觀測窗口結束的月數=觀測窗口的結束時間-入會時間[單位：月]

(2) R=LAST_TO_END

客戶最近一次乘坐公司飛機距觀測窗口結束的月數=最後一次乘機時間至觀測窗口末端時長[單位：月]

（3）F=FLIGHT_COUNT

客戶在觀測窗口內乘坐公司飛機的次數=觀測窗口飛行次數[單位：次]

（4）M=SEG_KM_SUM

客戶在觀測時間內在公司累計的飛行裏程=觀測窗口的總飛行裏數[單位：公裏]

（5）C=AVG_DISCOUNT

客戶在觀測時間內乘坐艙位所對應的折扣系數的平均值=平均折扣率[單位：無]

提取5個特征後生成文件：zscoredata.xls

發現5個特征取值範圍差異較大，現對數據進行標準化

 1 # -*- coding: UTF-8 -*-
 2 # 對數據進行基本的探索
 3 # 返回缺失值個數以及最大值最小值
 4 
 5 import pandas as pd
 6 
 7 datafile = ‘zscoredata.xls‘  # 航空原始數據，第一行為屬性標簽
 8 zscoredfile = ‘zscoreddata.xls‘  # 標準化後的數據儲存路徑
 9 
10 # 標準化處理
11 data = pd.read_excel(datafile)
12 data = (data - data.mean(axis=0)) / (data.std(axis=0))  # 標準化變換
13 
14 data.columns = [‘Z‘ + i for i in data.columns]  # 表頭重命名
15 
16 data.to_excel(zscoredfile, index=False)  # 寫入數據,False不要序列

4.構建模型

客戶價值分析模型包括兩個：

（1） 根據5個特征對客戶進行聚類分群。

（2） 對每個客戶群進行特征分析，分析客戶價值，並對每個客戶進行排名。

完整代碼如下：

 1 #-*- coding: utf-8 -*-
 2 #K-Means聚類算法
 3 
 4 import pandas as pd
 5 from sklearn.cluster import KMeans #導入K均值聚類算法
 6 
 7 inputfile = ‘zscoreddata.xls‘ #待聚類的數據文件
 8 k = 5                       #需要進行的聚類類別數
 9 
10 #讀取數據並進行聚類分析
11 data = pd.read_excel(inputfile) #讀取數據
12 
13 #調用k-means算法，進行聚類分析
14 if __name__==‘__main__‘:
15     kmodel = KMeans(n_clusters = k, n_jobs = 8) #n_jobs是並行數，一般等於CPU數較好
16     kmodel.fit(data) #訓練模型
17 
18     kmodel.cluster_centers_ #查看聚類中心
19     kmodel.labels_ #查看各樣本對應的類別

客戶價值分析：

根據聚類結果構造客戶群特征分析圖。

根據特征值大小總結出每個群體優勢特征和弱勢特征，將客戶群分為四類：

　　　　　a重要保持客戶：平均折扣率高，乘坐次數或裏程高，最近坐過本公司航班。

　　　　　b重要發展客戶：平均折扣率較高，乘坐次數和裏程較低。

　　　　　c重要挽留客戶：平均折扣率，乘坐次數或者裏程較高，較長時間沒坐本公司航班。

　　　　　d一般與低價值客戶：折扣率低，較長時間未做本公司航班，乘坐次數或裏程較低，入會時長短。

航空公司客戶價值分析