當前各企業對客戶關係管理(CRM)顯得尤為關注，只有不斷地保留並增加老客戶黏性及挖掘潛客新客戶，才能使企業生存的更好，更久。說到CRM，我剛開始接觸的就是RFM模型，通過該模型將客戶分為高價值、潛在價值和低價值。當每一個使用者打上不同的價值標籤時，就可以有針對性的實施營銷策略，將有限的資源投入到高價值客戶中，產生最大的利潤。有關RFM模型，曾寫過一篇實戰: RFM模型使用(可點選檢視)。

下文將有別於《實戰: RFM模型使用》，在計算價值標籤時，避免人為干擾，通過聚類的方法將目標人群分為三六九等。具體我們通過下面的例項來說明。

本文應用到的例項資料來源於《R語言資料分析與挖掘實戰》一書，資料為某航空公司會員資訊及乘機資訊，通過構建LRFMC模型，實現客戶價值分群

我們說RFM模型由R(最近消費時間間隔)、F(消費頻次)和M(消費總額)三個指標構成，通過該模型識別出高價值客戶。但該模型並不完全適合所有行業，如航空行業，直接使用M指標並不能反映客戶的真實價值，因為“長途低等艙”可能沒有“短途高等艙”價值高；如網咖行業，可能“長線上時長低時單價”客戶比“短線上時長高時單價”客戶價值還高，因為網咖更希望看到是客戶來的次數及上網時長。所以得根據實際行業靈活調整RFM模型的指標，本文就拿航空公司的資料為例，將RFM模型構建成L(入會至當前時間的間隔，反映可能的活躍時長)、R(最近消費時間距當前的間隔，反映當前的活躍狀態)、F(乘機次數，反映客戶的忠誠度)、M

#讀取航空資料

flight <- read.csv(file = file.choose())

#檢視資料結構及概覽

dim(flight)

names(flight)

該資料集包含了62988條會員記錄，涉及會員號、入會時間、首次登機時間、性別等44個欄位。發現這麼多欄位中，正真能使用到的欄位只有FFP_DATE(入會時間)、LOAD_TIME(觀測視窗結束時間，可理解為當前時間)、FLIGHT_COUNT(乘機次數)、SUM_YR_1(票價收入1

vars <- c('FFP_DATE','LOAD_TIME','FLIGHT_COUNT','SUM_YR_1','SUM_YR_2','SEG_KM_SUM','LAST_FLIGHT_DATE','avg_discount')

flight2 <- flight[,vars]

summary(flight2)

發現數據中存在異常，如票價收入為空或0、艙位等級對應的平均折扣係數為0。這樣的異常可能是由於客戶沒有實際登機造成，故考慮將這樣的資料剔除。具體操作如下：

#剔除異常資料

attach(flight2)

clear_flight <- flight2[-which(SUM_YR_1==0 | SUM_YR_2==0 | is.na(SUM_YR_1)==1 | is.na(SUM_YR_2)==1 | avg_discount==0),]

#檢視資料欄位型別

str(clear_flight)

發現三個關於時間的欄位均為因子型資料，需要將其轉換為日期格式，用於下面計算時間差：

clear_flight$FFP_DATE <- as.Date(clear_flight$FFP_DATE)

clear_flight$LOAD_TIME <- as.Date(clear_flight$LOAD_TIME)

clear_flight$LAST_FLIGHT_DATE <- as.Date(clear_flight$LAST_FLIGHT_DATE)

資料清洗完後，需要計算上面提到的LRFMC五個指標，具體指令碼如下：

#L:入會至當前時間的間隔

#R:最近登機時間距當前的間隔

clear_flight <- transform(clear_flight, L = difftime(LOAD_TIME,FFP_DATE, units = 'days')/30, R = difftime(LOAD_TIME,LAST_FLIGHT_DATE, units = 'days')/30)

str(clear_flight)

發現L和R這兩個指標並不是數值型資料，而是difftime型，故需要將其轉換為數值型：

clear_flight$L <- as.numeric(clear_flight$L)

clear_flight$R <- as.numeric(clear_flight$R)

#檢視資料結構

summary(clear_flight)

發現缺失值，這裡仍然將其剔除：

clear_flight <- clear_flight[-which(is.na(clear_flight$LAST_FLIGHT_DATE)==1),]

目前5個指標值都有了，下面就需要根據每個客戶的5個值對其進行分群，傳統的方法是計算綜合得分，然後排序一刀切，選出高價值、潛在價值和低價值客戶。現在所使用的方法是k-means聚類演算法，避免了人為的一刀切。由於k-means聚類演算法是基於距離計算類與類之間的差別，然而這5個指標明視訊記憶體在量綱上的差異，故需要標準化處理：

#資料標準化處理

standard <- data.frame(scale(x = clear_flight[,c('L','R','FLIGHT_COUNT','SEG_KM_SUM','avg_discount')]))

names(standard) <- c('L','R','F','M','C')

標準化資料之後，就可以使用k-means聚類演算法將客戶進行聚類，問題是該聚為幾類呢？根據傳統的RFM模型，將價值標籤分為8類，即：

不妨我們就將客戶分類8個群體，即：

#k-means聚類，設定聚類個數為8

set.seed(1234)

clust <- kmeans(x = standard, centers = 8)

#檢視8個類中各指標均值情況

centers <- clust$centers

centers

#檢視8個類中的會員量

table(clust$cluster)

上圖反饋了客戶的聚類結果，但是從資料中很難快速的找出不同價值的客戶，下面通過繪製雷達圖來反映聚類結果：

#繪製雷達圖

install.packages('fmsb')

library(fmsb)

max <- apply(centers, 2, max)

min <- apply(centers,2,min)

df = data.frame(rbind(max,min,centers))

radarchart(df = df, seg=5, plty=1,vlcex=0.7)

從圖中可知，黃色線是價值最高的，F和M值對應最高，C值次高，屬於第7組人群;價值次高的是綠色線人群，即第5組，該人群特徵是C值最大；以此類推，灰色線人群的價值最低，雷達圖所圍成的面積最小。還有一種辦法能夠最快的識別出價值由高到低的8類人群，即對8個人群各指標均值求和排序即可，因為資料都是標準化的，不受量綱影響，可直接求和排序：

order(apply(centers,1,sum),decreasing = TRUE)

結果顯示第7組人群最佳、其次是第5組人群，最差的是第8組人群。通過對比centers結果，能夠很好的反映8組人群的價值高低：

文中指令碼及資料可至如下連結下載：

https://yunpan.cn/cxptA4UJRxfpL  訪問密碼 27ef