一.引言

     本篇文章是根據航空公司提供的乘客個人資訊，通過建立合理的客戶價值評估模型，對客戶進行分群，比較分析不同客戶群的特點和價值，來指定相應的營銷策略，從而減少客戶流失，挖掘出潛在客戶，實現盈利。在這裡是用K-means聚類方法來對乘客進行分群的。

    源資料部分如下圖所示：

各屬性解釋如下：

二.資料探索

    通過呼叫describe()函式對資料進行一個大致的瞭解，主要是檢視缺失值和異常值。通過觀察發現，存在票價為零，折扣率為0，總飛行數為0的情況。通過簡單處理，我輸出了一個包含個屬性空值個數，最大值，最小值資料的表格。部分如下：

對應程式碼：

import pandas as pd
datafile='D:/航空公司客戶價值分析/data/air_data2.csv'
resultfile='D:/航空公司客戶價值分析/explore.xls'
data=pd.read_csv(datafile)
explore=data.describe().T#對資料的統計性描述,T是我進行了轉置
explore['null']=len(data)-explore['count']
df=explore[['max','min','null']]
df.to_excel(resultfile)
 

三.資料預處理

1.資料清洗

通過上一步的資料探索分析發現數據中存在缺失值，而這一部分的比例相對較小，故直接刪掉。具體處理如下：

• 丟棄票價為空的記錄
• 丟棄票價為0，平均折扣率不為0且總飛行公里數大於零的記錄。

2.屬性規約與資料變換

    原始資料中的屬性太多。而評估航空公司客戶價值通常根據LRFMC模型，與其相關的只有6個屬性即，FFP_DATE、LOAD_TIME、FLIGHT_COUNT、AVG_DISCOUNT、SEG_KM_SUM、LAST_TO_END。

    簡單介紹下LRFMC模型，即客戶關係長度L、消費時間間隔R、消費頻率F、飛行里程M和折扣係數的平均值C。這五個指標為評價客戶價值的重要因素，而上面6個屬性與這5個指標的關係如下：

• L=LOAD_TIME-FFP_DATE

    會員入會時間距觀測視窗結束的月數=觀測視窗結束的時間-入會時間

• R=LAST_TO_END

    客戶最近一次乘坐公司飛機距觀測視窗結束的月數=最後一次乘機時間至觀察視窗末端時長[單位：月]

• F=FLIGHT_COUNT

    客戶在觀測視窗內乘坐公司飛機的次數=觀測視窗的飛行次數[單位：次]

• M=SEG_KM_SUM

    客戶在觀測時間內在公司累計的飛行里程=觀測視窗的總飛行公里數[單位：公里]

• C=AVG_DISCOUNT

    客戶在觀測時間內乘坐艙位所對應的折扣係數的平均值=平均折扣率

提取了相關的資料後，發現這5個指標的取值範圍相差較大所以需對資料進行標準化處理。

程式碼如下：

import pandas as pd
import datetime
#資料清洗
#刪除空值，異常值
datafile='D:/航空公司客戶價值分析/data/air_data2.csv'
resultfile='D:/航空公司客戶價值分析/data_cleaned.csv'
data=pd.read_csv(datafile)
data=data[data['SUM_YR_1'].notnull()&data['SUM_YR_2'].notnull()]#剔除掉票價為空的
#保留票價非零的或者折扣率和飛行公里數同時為0的
index1=data['SUM_YR_1']!=0
index2=data['SUM_YR_2']!=0
index3=(data['SEG_KM_SUM'])==0&(data['avg_discount']==0)
data=data[index1|index2|index3]
data.to_csv(resultfile,encoding = 'utf_8_sig')#輸出為utf8格式，不然excel開啟中文會亂碼


#屬性規約與資料變換
#根據航空公司的LRFMC價值指標，刪除掉無關屬性
d1,d2=[],[]
for x in data['LOAD_TIME']:
    d1.append(datetime.datetime.strptime(x,'%Y/%m/%d'))
for y in data['FFP_DATE']:
    d2.append(datetime.datetime.strptime(y,'%Y/%m/%d'))
    
d3=[d1[i]-d2[i] for i in range(len(d1))]
data['L']=[round((x.days/30),2) for x in d3]
data2=data[['L','LAST_TO_END','FLIGHT_COUNT','SEG_KM_SUM','avg_discount']]
data2.columns=['L','R','F','M','C']
data2.to_csv('D:/航空公司客戶價值分析/zscoredata.csv',encoding = 'utf_8_sig',index=False)

輸出為：

將以上資料進行零—均值標準化：

import pandas as pd
datafile='D:/航空公司客戶價值分析/zscoredata.csv'
resultfile='D:/航空公司客戶價值分析/standard_data.csv'
data=pd.read_csv(datafile)
data=(data-data.mean(axis=0))/(data.std(axis=0))
data.columns=['Z'+i for i in data.columns]
data.to_csv(resultfile,encoding = 'utf_8_sig',index=False)

此時輸出為：

四.模型構建

客戶價值分析模型由兩個部分構成。第一個部分是根據航空公司客戶5個指標，對客戶進行聚類分群，第二部分是對分群后的客戶群進行特徵分析，並對客戶群的客戶價值進行排名。

1.K-Means聚類演算法對客戶資料進行分群，k=5,即把客戶分成5類。k-means位於scikit-Learn庫中，需要先安裝這個庫。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.externals import joblib
from sklearn.cluster import KMeans
if __name__=='__main__':#防止模組範圍內的程式碼在子程序中被重新執行，因為Windows中沒有fork()函式
    datafile='D:/航空公司客戶價值分析/standard_data.csv'
    resultfile='D:/航空公司客戶價值分析/kmeans.csv'
    k=5
    data=pd.read_csv(datafile)
    #呼叫K-Means方法進行聚類分析
    kmodel=KMeans(n_clusters=k,n_jobs=4)#n_jobs是並行數，一般賦值為電腦的CPU數。
    # #save model
    # joblib.dump(kmodel,'kmeans.model',compress=3)
    # #load model to model
    # model=joblib.load('kmeans.model')
    kmodel.fit(data)
    r1=pd.Series(kmodel.labels_).value_counts()
    r2=pd.DataFrame(kmodel.cluster_centers_)
    r3=pd.Series(['客戶群1','客戶群2','客戶群3','客戶群4','客戶群5',])
    r=pd.concat([r3,r1,r2],axis=1)
    
    r.columns=['聚類類別','聚類個數']+list(data.columns)
    r.to_csv(resultfile,encoding = 'utf_8_sig',index=False)

輸出聚類分析結果：

上圖可以看到各個類群的客戶個數，及聚類中心。

2.客戶價值分析

針對上面的聚類結果，對客戶進行特徵分析，繪製雷達圖。

#繪製雷達圖
    labels = np.array(list(data.columns))#標籤
    dataLenth = 5#資料個數
    r4=r2.T
    r4.columns=list(data.columns)
    fig = plt.figure()
    y=[]
    for x in list(data.columns):
        dt= r4[x]
        dt=np.concatenate((dt,[dt[0]]))
        y.append(dt)
    ax = fig.add_subplot(111, polar=True)
    angles = np.linspace(0, 2*np.pi, dataLenth, endpoint=False)
    angles = np.concatenate((angles, [angles[0]]))
    ax.plot(angles, y[0], 'b-', linewidth=2)
    ax.plot(angles, y[1], 'r-', linewidth=2)
    ax.plot(angles, y[2], 'g-', linewidth=2)
    ax.plot(angles, y[3], 'y-', linewidth=2)
    ax.plot(angles, y[4], 'm-', linewidth=2)
    plt.rcParams['font.sans-serif']=['SimHei'] 
    ax.legend(r3,loc=1)
    ax.set_thetagrids(angles * 180/np.pi, labels, fontproperties="SimHei")
    ax.set_title("matplotlib雷達圖", va='bottom', fontproperties="SimHei")
    ax.grid(True)
    plt.show()

由上圖可以很清晰的看到每個客戶群的指標情況，將每個客戶群的優勢特徵，劣勢特徵總結如下：

優勢特徵：

    客戶群1：R

    客戶群2：F、M、L

    客戶群3：L

    客戶群4：C

    客戶群5：無

劣勢特徵：

    客戶群1：F、M

    客戶群2：R

    客戶群3：R、F、M、C

    客戶群4：F、M

    客戶群5：R、L、C

    基於LRFMC模型的具體含義，我們可以對這5個客戶群進行價值排名。同時，將這5個客戶群重新定義為五個等級的客戶類別：重要保持客戶，重要挽留客戶，重要發展客戶，一般客戶，低價值客戶。

• 重要保持客戶：這類客戶平均折扣率（C）和入會員時間（L）都很高（入會員時間越長，會員級別越高，折扣越大），最近乘坐過本航班時間間隔（R）低，乘坐的次數（F）或（M）高。說明他們經常乘坐飛機，且有一定經濟實力，是航空公司的高價值 客戶。對應客戶群2。
• 重要發展客戶：這類客戶平均折扣率高（C），最近乘坐過本航班時間間隔（R）短，但是乘坐的次數（F）和（M）都很低。說明這些乘客剛入會員不久，所以乘坐飛機次數少，是重要發展客戶，對應客戶群4。
• 重要挽留客戶：這類客戶入會時間長（L），最近乘坐過本航班時間間隔（R）較長，里程數和乘坐次數都變低，為重要挽留客戶。對應客戶群3
• 一般與低價值客戶：這類客戶乘坐時間間隔長（R）或乘坐次數（F）和總里程（M）低，平均折扣也很低。對應客戶群5和客戶群1.

    針對以上不同的價值客戶群，航空公司應當及時出臺相應的營銷策略，針對不同的客戶群提供相應的產品和服務，提升客戶價值，維持和穩定重要客戶，挽留高價值客戶的流失。價值排名如下：
    因為乘客情況是實時變動的，所以該模型並不穩定，應根據實際情況，定期更新資料，對新增的客戶資訊進行聚類分析，重新訓練模型進行調整。