数据挖掘-07-航空公司客户价值分析（包括数据和代码）

0. 数据代码下载

关注公众号：『AI学习星球』
回复：航空公司客户价值分析 即可获取数据下载。
算法学习、4对1辅导、论文辅导或核心期刊可以通过公众号或CSDN滴滴我

---

1. 背景与挖掘目标

客户关系管理是精准化运营的基础，而客户关系管理的核心是客户分类。通过客户分类，对客户群体进行细分，区别出低价值客户与高价值客户，对不同的客户群体开展不同的个性化服务，将有限的资源合理地分配给不同价值的客户，从而实现效益最大化。

总体流程:

1. 抽取航空公司2012年4月1日至2014年3月31日的数据。
2. 对抽取的数据进行数据探索分析与预处理，包括数据缺失值与异常值的探索分析、数据清洗、特征构建、标准化等操作。
3. 基于RFM模型，使用K-Means算法进行客户分群。
4. 针对模型结果得到不同价值的客户，采用不同的营销手段，提供定制化的服务。

2. 导入相关库，加载数据

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

import warnings
warnings.filterwarnings('ignore')
plt.style.use('ggplot')
%matplotlib inline
from pylab import *
mpl.rcParams['font.sans-serif'] = ['SimHei']

air_data = pd.read_csv('air_data.csv',encoding='utf8')
air_data

查看数据结构,6W+的数据，44个字段，包含了客户的基本信息，客户乘机信息，和客户的积分信息

air_data.head()

air_data.info()

2.1客户基本信息分布

选取客户基本信息中的入会时间、性别、会员卡级别和年龄字段进行探索分析，探索客户的基本信息分布情况

#处理入会时间，拿到年份，并按时间排序
air_data['year'] = pd.to_datetime(air_data['FFP_DATE']).dt.year
air_data = air_data.sort_values(by=['year'],ascending=True)
air_data = air_data.reset_index(drop=True)

sns.countplot('year',data=air_data)
plt.title('每年入会人数',fontsize=14)

a. 绘制会员性别比例饼图

air_data['GENDER'].value_counts().plot.pie(shadow=True,autopct='%.2f%%',labels=['男','女'])

b. 绘制会员各级别人数条形图

air_data.FFP_TIER.value_counts().plot.bar(label='grade',color='dodgerblue')
plt.title('会员各级别人数', fontsize=20)
plt.xlabel('会员等级', fontsize=14)
plt.ylabel('人数', fontsize=14)

c. 绘制年龄分布图

age = air_data['AGE'].dropna()
age = age.astype('int64')
fig = plt.figure(figsize = (5 ,10))
plt.boxplot(age, 
            labels = ['AGE'],
            patch_artist=True,
            boxprops = {'facecolor':'lightblue'})
plt.title('age')

可以看出大部分会员年龄集中在30～50岁之间，极少量的会员年龄小于20岁或高于60岁，且存在一个超过100岁的异常数据

2.2 客户乘机信息分布分析

lte = air_data['LAST_TO_END']
plt.figure(figsize = (5,8))
plt.boxplot(lte,
            patch_artist=True,
            labels = ['Time'],
            boxprops = {'facecolor':'lightblue'})
plt.title('乘机时长分布箱线图')

a. 绘制客户飞行次数箱线图

fc = air_data['FLIGHT_COUNT']
plt.figure(figsize = (5 ,8))
plt.boxplot(fc, 
            patch_artist=True,
            labels = ['FLIGHT_COUNT'],
            boxprops = {'facecolor':'lightblue'})
plt.title('飞行次数箱线图')

b. 绘制客户总飞行公里数箱线图

客户的飞行次数与总飞行公里数也明显地分为两个群体，大部分客户集中在箱型图下方的箱体中，少数客户分散分布在箱体上界的上方，这部分客户很可能是高价值客户，因为其飞行次数和总飞行公里数明显超过箱体内的其他客户

2.3 客户积分信息分布分析

ec = air_data['EXCHANGE_COUNT']

fig = plt.figure(figsize = (8 ,5))
plt.hist(ec, bins=5, color='lightblue')
plt.xlabel('兑换次数')
plt.ylabel('会员人数')
plt.title('会员兑换积分次数分布直方图')

绘制会员兑换积分次数直方图,绝大部分客户的兑换次数在0～10的区间内，这表示大部分客户都很少进行积分兑换

a. 绘制会员总累计积分箱线图

ps = air_data['Points_Sum']

fig = plt.figure(figsize = (5 ,8))
plt.boxplot(ps, 
            patch_artist=True,
            labels = ['总累计积分'],  # 设置x轴标题
            boxprops = {'facecolor':'lightblue'})  # 设置填充颜色
plt.title('客户总累计积分箱线图')

一部分客户集中在箱体中，少部分客户分散分布在箱体上方，这部分客户的积分要明显高于箱体内的客户的积分。

3. 相关性分析

air_data['AGE'].fillna(0,inplace=True)
air_data['AGE'].astype('int64')

data_2 = air_data[['FFP_TIER','FLIGHT_COUNT','LAST_TO_END',
                  'SEG_KM_SUM','EXCHANGE_COUNT','Points_Sum','AGE']]

data_corr = data_2.corr(method = 'pearson')
print('相关性矩阵为：\n',data_corr)

plt.subplots(figsize=(10, 10))
sns.heatmap(data_corr, annot=True, vmax=1, square=True, cmap='Blues')

可以看出部分属性间具有较强的相关性，如FLIGHT_COUNT（飞行次数）属性与SEG_KM_SUM（飞行总公里数）属性；也有部分属性与其他属性的相关性都较弱，如AGE（年龄）属性与EXCHANGE_COUNT（积分兑换次数）属性

4. 数据预处理

1. 丢弃票价为空的记录
2. 保留票价不为0的，或者平均折扣率不为0且总飞行公里数大于0的记录
3. 丢弃年龄大于90的记录

air_data = air_data.dropna(axis=0,subset=['SUM_YR_1','SUM_YR_2'])

air_data = air_data[((air_data['SUM_YR_1']>0) | 
           (air_data['SUM_YR_2']>0)) & 
           (air_data['SEG_KM_SUM']>0) & 
           (air_data['avg_discount']>0) &
           (air_data['AGE']<90)]

航空公司客户价值分析的LRFMC模型

在RFM模型中，消费金额表示在一段时间内客户购买该企业产品的金额的总和。由于航空票价受到运输距离、舱位等级等多种因素的影响，同样消费金额的不同旅客对航空公司的价值是不同的，例如，一位购买长航线、低等级舱位票的旅客与一位购买短航线、高等级舱位票的旅客相比，后者对于航空公司而言更有价值。因此这个特征并不适用于航空公司的客户价值分析。本案例选择客户在一定时间内累积的飞行里程M和客户在一定时间内乘坐舱位所对应的折扣系数的平均值C两个特征代替消费金额。此外，航空公司会员入会时间的长短在一定程度上能够影响客户价值，所以在模型中增加客户关系长度L，作为区分客户的另一特征。将清洗好的数据，保存，并重新读进来

air_data.to_csv('cleandata.csv')

clean_data = pd.read_csv('cleandata.csv',encoding='utf8')
airline_selection = clean_data[['FFP_DATE','LOAD_TIME','LAST_TO_END',
                                     'FLIGHT_COUNT','SEG_KM_SUM','avg_discount']]
airline_selection.head()

4.1 数据变换

将数据转换成“适当的”格式，以适应挖掘任务及算法的需要。

1. 会员入会时间距观测窗口结束的月数L=会员入会时长
2. 客户最近一次乘坐公司飞机距观测窗口结束的月数R=最后一次乘机时间至观测窗口末端时长（单位：月）
3. 客户在观测时间内在公司累计的飞行次数F=观测窗口内的飞行次数
4. 客户在观测时间内在公司累计的飞行里程M=观测窗口总飞行公里数（单位：公里 ）
5. 客户在观测时间内乘坐舱位所对应的折扣系数的平均值C=平均折扣率（单位：无）

在完成5个指标的数据提取后，发现5个指标的取值范围数据差异较大，为了消除数量级数据带来的影响，需要对数据进行标准化处理。

L = pd.to_datetime(airline_selection['LOAD_TIME']) - pd.to_datetime(airline_selection['FFP_DATE'])
L = L.astype('str').str.split().str[0]
L = L.astype('int')/30

airline_features = pd.concat([L,airline_selection.iloc[:,2:]],axis = 1)
airline_features.columns = ['L','R','F','M','C']
print('构建的LRFMC属性前5行为：\n',airline_features.head())

from sklearn.preprocessing import StandardScaler
data = StandardScaler().fit_transform(airline_features)
#np.savez('./airline_scale.npz',data)
print('标准化后LRFMC五个属性为：\n',data[:5,:])

5. K-means客户聚类分析

import sklearn.cluster as sc
model = sc.KMeans(n_clusters=5,n_jobs=4,random_state=123)
model.fit(data)
print('聚类中心:\n',model.cluster_centers_)
print('样本类别标签:\n',model.labels_)
print('不同类别样本的数目:\n',pd.Series(model.labels_).value_counts())

cluster_center = pd.DataFrame(model.cluster_centers_,\
             columns = ['ZL','ZR','ZF','ZM','ZC'])
cluster_center.index = pd.DataFrame(model.labels_ ).\
                  drop_duplicates().iloc[:,0]
print(cluster_center)

5.1 绘制客户关系雷达图

labels = ['ZL','ZR','ZF','ZM','ZC']
legen = [' customers' + str(i + 1) for i in cluster_center.index]
lstype = ['-','--',(0, (3, 5, 1, 5, 1, 5)),':','-.']
kinds = list(cluster_center.iloc[:, 0])
并转换为 np.ndarray
cluster_center = pd.concat([cluster_center, cluster_center[['ZL']]], axis=1)
centers = np.array(cluster_center.iloc[:, 0:])

n = len(labels)
angle = np.linspace(0, 2 * np.pi, n, endpoint=False)
angle = np.concatenate((angle, [angle[0]]))

fig = plt.figure(figsize = (8,6))
ax = fig.add_subplot(111, polar=True) 

for i in range(len(kinds)):
    ax.plot(angle, centers[i], linestyle=lstype[i], linewidth=2, label=kinds[i])
ax.set_thetagrids(angle * 180 / np.pi, labels)
plt.title('Customer Profile Analysis')
plt.legend(legen)

通过建立合理的客户价值评估模型，对客户进行分类，分析比较不同客户群体的价值，并制定相应的营销策略，对不同的客户群提供个性化的客户服务是必须的和有效的。

---

关注公众号：『AI学习星球』
回复：航空公司客户价值分析 即可获取数据下载。
算法学习、4对1辅导、论文辅导或核心期刊可以通过公众号或CSDN滴滴我