利用K-Means聚類進行航空公司客戶價值分析知識分享

1、利用 K-Means 聚類進行航空公司客戶價值分析1.背景與挖掘目標 1.1 背景航空公司業(yè)務(wù)競爭激烈，從 產(chǎn)品中心轉(zhuǎn)化為客戶中心。針對不同類型客戶，進行精準營 銷，實現(xiàn)利潤最大化。建立客戶價值評估模型，進行客戶分 類，是解決問題的辦法 1.2 挖掘目標借助航空公司客戶數(shù)據(jù)， 對客戶進行分類。對不同的客戶類別進行特征分析，比較不 同類客戶的客戶價值對不同價值的客戶類別提供個性化服 務(wù)，制定相應(yīng)的營銷策略。詳情數(shù)據(jù)見數(shù)據(jù)集內(nèi)容中的 air_data.csv 和客戶信息屬性說明 2.分析方法與過程 2.1 分析 方法首先，明確目標是客戶價值識別。識別客戶價值，應(yīng)用 最廣泛的模型是三個指標（消費時間

2、間隔（Recency） ,消費頻率（Frequency）,消費金額（Monetary）以上指標簡稱 RFM 模型，作用是識別高價值的客戶消費金額，一般表示一段時 間內(nèi)，消費的總額。但是，因為航空票價收到距離和艙位等 級的影響，同樣金額對航空公司價值不同。因此，需要修改 指標。選定變量，艙位因素 =艙位所對應(yīng)的折扣系數(shù)的平均 值=。，距離因素=一定時間內(nèi)積累的飛行里程 =M。再考慮到， 航空公司的會員系統(tǒng)，用戶的入會時間長短能在一定程度上 影響客戶價值，所以增加指標L=入會時間長度=客戶關(guān)系長度總共確定了五個指標， 消費時間間隔R，客戶關(guān)系長度L， 消費頻率F，飛行里程M和折扣系數(shù)的平均值 C以

3、上指標，作為航空公司識別客戶價值指標，記為 LRFMC 模型如果采 用傳統(tǒng)的 RFM 模型，如下圖。它是依據(jù)，各個屬性的平均 值進行劃分，但是，細分的客戶群太多，精準營銷的成本太 高。綜上，這次案例，采用聚類的辦法進行識別客戶價值，以 LRFMC 模型為基礎(chǔ)本案例，總體流程如下圖2.2 挖掘步驟從航空公司，選擇性抽取與新增數(shù)據(jù)抽取，形 成歷史數(shù)據(jù)和增量數(shù)據(jù)對步驟一的兩個數(shù)據(jù)，進行數(shù)據(jù)探索 性分析和預(yù)處理，主要有缺失值與異常值的分析處理，屬性 規(guī)約、清洗和變換利用步驟 2 中的已處理數(shù)據(jù)作為建模數(shù)據(jù)， 基于旅客價值的 LRFMC 模型進行客戶分群，對各個客戶群 再進行特征分析，識別有價值客戶。針

4、對模型結(jié)果得到不同 價值的客戶， 采用不同的營銷手段， 指定定制化的營銷服務(wù)， 或者針對性的優(yōu)惠與關(guān)懷。 （重點維護老客戶） 2.3 數(shù)據(jù)抽取 選取， 2014-03-31 為結(jié)束時間，選取寬度為兩年的時間段， 作為觀測窗口，抽取觀測窗口內(nèi)所有客戶的詳細數(shù)據(jù)，形成 歷史數(shù)據(jù)對于后續(xù)新增的客戶信息，采用目前的時間作為重 點，形成新增數(shù)據(jù) 2.4 探索性分析本案例的探索分析，主要 對數(shù)據(jù)進行缺失值和異常值分析。發(fā)現(xiàn)，存在票價為控制， 折扣率為 0，飛行公里數(shù)為 0。票價為空值，可能是不存在 飛行記錄， 其他空值可能是， 飛機票來自于積分兌換等渠道， 查找每列屬性觀測值中空值的個數(shù)、最大值、最小值的

5、代碼如下。 import pandas as pddatafile= r'/home/kesci/input/date27730/air_data.csv' # 航空原始 數(shù)據(jù) ,第一行為屬性標簽resultfile = r'/home/kesci/work/test.xls' # 數(shù)據(jù)探索結(jié)果表 data = pd.read_csv(datafile, encoding = 'utf-8') # 讀取原始數(shù) 據(jù)，指定 UTF-8 編碼(需要用文本編輯器將數(shù)據(jù)裝換為 UTF-8 編碼)explore = data.describe(percent

6、iles = , include = 'all').T # 包括 對數(shù)據(jù)的基本描述， percentiles 參數(shù)是指定計算多少的分位 數(shù)表(如 1/4 分位數(shù)、中位數(shù)等) ；T 是轉(zhuǎn)置，轉(zhuǎn)置后更方便 查閱 print(explore) explore'null' = len(data)-explore'count' #describe() 函數(shù)自動 計算非空值數(shù)，需要手動計算空值數(shù) explore = explore'null', 'max', 'min'explore.columns = u&#

7、39;空值數(shù)',u'最大值',u'最小值'#表頭重命 名print(' 以下是處理后數(shù)據(jù) ')print(explore) '''這里只選取部分探索結(jié)果。describe。函數(shù)自動計算的字段有count (非空值數(shù))、unique（唯一值數(shù)）、top （頻數(shù)最高者）、freq （最高頻數(shù)）、mean（平均值）、std （方差）、min （最小值）、50% （中位數(shù)）、max （最大值）''' 以下是處理前數(shù)據(jù)freqmeanstdMEMBER_NO62988NaNNaNNaN31494.51

8、8183.2FFP_DATE629883068 2011/01/13184NaNNaNFIRST_FLIGHT_DATE6298834062013/02/1696NaNNaNGENDER629852男 48134NaNNaNFFP_TIER62988NaNNaNNaN 4.102160.373856WORK_CITY607193310廣州 9385NaNNaNWORK_PROVINCE597401185廣東 17507NaNNaNcount uniquetopWORK_COUNTRY62962118 以下是處理后數(shù)據(jù)空值數(shù)最大值最小值MEMBER_NO0629881FFP_DATE0NaNNa

9、NFIRST_FLIGHT_DATE0NaNNaNGENDER3NaNNaNFFP_TIER064WORK_CITY2269NaNNaNWORK_PROVINCE3248NaNNaNWORK_COUNTRY26NaNNaNAGE4201106LOAD_TIME0NaNNaNFLIGHT_COUNT02132BP_SUM05053080CN 57748NaNNaN2.3 數(shù)據(jù)預(yù)處理數(shù)據(jù)清洗丟棄票價為空記錄丟棄票價為0、平均折扣率不為 0、總飛行公里數(shù)大于 0的記錄 import pandas as pddatafile= '/home/kesci/input/date27730/air_

10、data.csv' # 航空原始 數(shù)據(jù) ,第一行為屬性標簽cleanedfile = '' # 數(shù)據(jù)清洗后保存的文件data = pd.read_csv(datafile,encoding='utf-8') # 讀取原始數(shù)據(jù)， 指定 UTF-8 編碼(需要用文本編輯器將數(shù)據(jù)裝換為 UTF-8 編碼)data = datadata'SUM_YR_1'.notnull() & data'SUM_YR_2'.notnull() # 票價非空值才保留 #只保留票價非零的，或者平均折扣率與總飛行公里數(shù)同時 為 0 的

11、記錄。index1 = data'SUM_YR_1' != 0index2 = data'SUM_YR_2' != 0index3 = (data'SEG_KM_SUM' = 0) &(data'avg_discount' = 0) # 該規(guī)則是“與” ,書上給的代碼無 法正常運行，修改 '*' 為 '&'data = dataindex1 | index2 | index3 # 該規(guī)則是“或” print(data)# data.to_excel(cleanedfi

12、le) # 導出結(jié)果 以下是處理 后數(shù)據(jù)MEMBER_NO FFP_DATEFIRST_FLIGHT_DATE GENDER FFP_TIER 0549932006/11/022008/12/24男61280652007/02/192007/08/03男62551062007/02/012007/08/30男63211892008/08/222008/08/23男54395462009/04/102009/04/15男65569722008/02/102009/09/29男66449242006/03/222006/03/29男67226312010/04/092010/04/09女68321

13、972011/06/072011/07/01男59316452010/07/052010/07/05女6屬性規(guī)約原始數(shù)據(jù)中屬性太多，根據(jù)航空公司客戶價值LRFMC 模型，選擇與模型相關(guān)的六個屬性。刪除其他無用 屬性，如會員卡號等等 def reduction_data(data):data = data'LOAD_TIME', 'FFP_DATE','LAST_TO_END', 'FLIGHT_COUNT', 'SEG_KM_SUM', 'avg_discount'# data'L'

14、=pd.datetime(data'LOAD_TIME')-pd.datetime(data'F FP_DATE')# data'L'=int(parse(data'LOAD_TIME')-parse(data'FFP_AD TE').days)/30)d_ffp = pd.to_datetime(data'FFP_DATE') d_load = pd.to_datetime(data'LOAD_TIME') res = d_load - d_ffp data2=data.copy(

15、)data2'L' = res.map(lambda x: x / np.timedelta64(30 * 2460, 'm')data2'R' = data'LAST_TO_END'data2'F' = data'FLIGHT_COUNT'data2'M' = data'SEG_KM_SUM' data2'C' = data'avg_discount' data3 = data2'L', 'R', &#

16、39;F', 'M', 'C' return data3data3=reduction_data(data)print(data3)以下是以上代碼處理后數(shù)據(jù)LRFMC090.20000012105807170.961639186.56666771402936781.252314287.166667111352837121.254676368.23333397232813361.090870460.53333351523099280.970658574.70000079922945850.967692697.70000011012870420.965347

17、748.4000003732872300.962070834.2666676563214890.828478數(shù)據(jù)變換意思是，將原始數(shù)據(jù)轉(zhuǎn)換成“適當”的格式，用來適應(yīng)算法和分析等等的需要。本案例，主要采用數(shù)據(jù)變換的 方式為屬性構(gòu)造和數(shù)據(jù)標準化3.需要構(gòu)造 LRFMC 的五個指標 L=LOAD_TIME-FFP_DATE（ 會員入會時間距觀測窗口結(jié) 束的月數(shù) =觀測窗口的結(jié)束時間 -入會時間（單位： 月）R=LAST_TO_END （客戶最近一次乘坐公司距觀測窗口 結(jié)束的月數(shù) =最后一次。） F=FLIGHT_COUNT（ 觀測窗口內(nèi) 的飛行次數(shù) ）M=SEG_KM_SUM（ 觀測窗口的總飛行里程

18、)C=AVG_DISCOUNT(平均折扣率)def zscore_data(data):data = (data - data.mean(axis=0) / data.std(axis=0)data.columns = 'Z' + i for i in data.columns return datadata4 = zscore_data(data3)data4以下是以上代碼處理后數(shù)據(jù)ZLZRZFZMZC0 1.435707-0.94494814.03401626.7611541.2955401 1.307152-0.9118949.07321313.1268642.86817

19、62 1.328381-0.8898598.71886912.6534812.8809503 0.658476-0.4160980.78158512.5406221.9947144 0.386032-0.9229129.92363613.8987361.3443355 0.887281-0.5152575.67151913.1699471.328291模型構(gòu)建 1.客戶聚類利用 K-Means 聚類算法對客戶數(shù)據(jù)進行 客戶分群， 聚成五類 (根據(jù)業(yè)務(wù)理解和需要， 分析與討論后， 確定客戶類別數(shù)量)代碼如下 inputfile = r'/home/kesci/input/date2773

20、0/zscoreddata.xls' # 待聚類的數(shù)據(jù) 文件k = 5# 需要進行的聚類類別數(shù)#讀取數(shù)據(jù)并進行聚類分析data = pd.read_excel(inputfile) # 讀取數(shù)據(jù) #調(diào)用 k-means 算法，進行聚類分析 kmodel = KMeans(n_clusters = k, n_jobs = 4) #n_jobs 是并行 數(shù)，一般等于 CPU 數(shù)較好 kmodel.fit(data) # 訓練模型r1 = pd.Series(kmodel.labels_).value_counts()r2 = pd.DataFrame(kmodel.cluster_cent

21、ers_)r = pd.concat(r2, r1, axis=1)r.columns = list(data.columns) + ' 類別數(shù)目 '# print(r)# r.to_excel(classoutfile,index=False) r = pd.concat(data, pd.Series(kmodel.labels_, index=data.index), axis=1)r.columns = list(data.columns) + ' 聚類類別 'print(kmodel.cluster_centers_)print(kmodel.labe

22、ls_)r-0.70078704 -0.41513666 -0.1607619 -0.16049688 -0.25665898-0.31411607 1.68662534 -0.57386257 -0.53661609 -0.17243195 0.48347647 -0.79941777 2.48236495 2.42356419 0.30943042 1.16033496 -0.37744106 -0.0870043 -0.09499704 -0.15836889 0.05165705 -0.00258448 -0.23089344 -0.23513858 2.177750563 3 3 .

23、 3 3 3ZLZRZFZMZC聚類類別01.6898820.140299-0.6357880.068794-0.337186 311.689882-0.3224420.8524530.843848-0.553613 321.681743-0.487707-0.2105760.158569-1.094680 33 1.534185-0.7851840.0020300.273091-1.148787 34 0.890167-0.426559-0.635788-0.6851701.231909 45 -0.232618-0.690983-0.635788-0.603898-0.391293 06

24、-0.4969491.996225-0.706656-0.661752-1.311107 1就剩下最后一步，畫圖： def density_plot(data): plt.rcParams'font.sans-serif'='SimHei' plt.rcParams'axes.unicode_minus'=Falsep=data.plot(kind='kde',linewidth=2,subplots=True,sharex=False )pi.set_ylabel(' 密度 ') for i in range(5

25、)pi.set_title(' 客戶群 %d' %i) for i in range(5) plt.legend()plt.show() return pltdensity_plot(data4)clu = kmodel.cluster_centers_x = 1,2,3,4,5colors = 'red','green','yellow','blue','black' for i in range(5):plt.plot(x,clui,label='clustre'+str(i),

26、linewidth=6-i,color=colorsi,marker='o') plt.xlabel('L R F M C')plt.ylabel('values')plt.show()客戶群1: red,客戶群2: green,客戶群3: yellow，客戶 群4： blue，客戶群5: black客戶關(guān)系長度L,消費時間間 隔R，消費頻率F,飛行里程M，折扣系數(shù)的平均值 Co 橫坐標上,總共有五個節(jié)點,按順序?qū)?yīng) LRFMC 。 對應(yīng)節(jié)點上的客戶群的屬性值,代表該客戶群的該屬性的程 度。2客戶價值分析我們重點關(guān)注的是L , F, M,從圖中可以看到:1 、客戶群 4blue 的 F,M 很高, L 也不低,可以看做是重要 保持的客