一、背景與目標
通過對客戶進行分類，區分無價值客戶、高價值客戶，企業針對不同價值的客戶制定優化的個性化服務方案，採取不同營銷策略，將有限營銷資源集中於高價值用戶，實現企業利潤最大化目標。
數據爲某航空公司的用戶檔案信息與航班記錄。
| 字段名稱 | 字段說明 |
|---|---|
| FFP_DATE | 入會時間 |
| LOAD_TIME | 觀測窗口的結束時間 |
| FLIGHT_COUNT | 觀測窗口內的飛行次數 |
| avg_discount | 平均折扣率 |
| SEG_KM_SUM | 觀測窗口內的總飛行公里數 |
| LAST_TO_END | 最後一次成績時間至觀測窗口結束時長 |
| SUM_YR | 觀測窗口的票價收入 |
二、分析方法與過程
本案例的目標是客戶價值識別，即通過航空公司客戶數據識別不同價值的客戶。識別客戶價值應用最廣泛的模型是通過3個指標（最近消費時間間隔(Recency)、消費頻率(Frequency)和消費金額(Monetary)）來進行客戶細分，識別出高價值的客戶，簡稱RFM模型。
在RFM模型中，消費金額表示在一段時間內，客戶購買該企業產品金額的總和。由於航空票價收到運輸距離、艙位等級等多種因素影響，同樣消費金額的不同旅客對航空公司的價值是不同的。因此，我們使用客戶在一定時間內累計的飛行里程M和客戶在一定時間內乘坐艙位所對應的的折扣係數的平均值C兩個指標代替消費金額。此外，考慮航空公司會員入會時間的長短在一定程度上能夠影響客戶價值，所以在模型中增加客戶關係長度L，作爲區分客戶的另一個指標。
本案例將客戶長度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五個指標作爲航空公司識別客戶價值指標，記爲LRFMC指標。
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，識別出最有價值客戶。
三、代碼實現過程
1.數據探索
import numpy as np
import pandas as pd
# 數據讀取
data = pd.read_csv("air_data.csv")
# 數據探索
explore = data.describe(percentiles=[],include='all').T
explore['null'] = len(data)-explore["count"]
explore = explore[['null','max','min']]
2.數據預處理
通過數據探索分析，發現數據中存在缺失值與異常值。比如：票價最小值爲0，折扣率最小值爲0，總飛行公里數大於0的記錄。由於原始數據量大，選擇進行丟棄處理。
①.數據清洗
# 數據清洗
data = data[data['SUM_YR_1'].notnull()*data['SUM_YR_1'].notnull()]
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]
②.屬性規約
挑選出LRFMC模型需要的字段，刪除不相關的屬性。
data = data[['FFP_DATE','LOAD_TIME','FLIGHT_COUNT','avg_discount','SEG_KM_SUM','LAST_TO_END']]
③.數據變換
原始數據中並沒有直接給出LRFMC五個指標，需要通過原始數據進行計算這五個指標：
L = LOAD_TIME - FFP_DATE 會員入會時間距觀測窗口結束的月數【單位：月】
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【單位：月】
F = FLIGHT_COUNT 客戶在觀測窗口內乘坐公司飛機的次數【單位：次】
M = SEG_KM_SUM 觀測時間內累計飛行里程【單位：公里】
C = AVG_DISCOUNT 觀測時間內乘坐艙位對應的折扣係數的平均值【單位：無】
data["L"]= round(pd.to_timedelta(pd.to_datetime(data["LOAD_TIME"]) - pd.to_datetime(data["FFP_DATE"])).dt.days/30,2)
data["R"] = round((data['LAST_TO_END']/30).max(),2)
data["F"] = data["FLIGHT_COUNT"]
data["M"] = data["SEG_KM_SUM"]
data["C"] = round(data["avg_discount"],2)
clean_data = data[["L","R","F","M","C"]]
④.數據標準化
指標數據提取後，發現5個指標的取值範圍數據差異較大，爲了消除數量級數據帶來的影響，需要對數據進行標準化處理。
zscore_data = (clean_data-clean_data.mean())/clean_data.std()
zscore_data.columns = ["Z" + i for i in zscore_data.columns]
zscore_data.head()
3.模型構建
使用K-Means聚類算法對客戶數據進行客戶分羣，娶成5類。
from sklearn.cluster import KMeans # 導入K均值聚類算法
k = 5 # 需要進行的聚類類別數
kmodel = KMeans(n_clusters=k,n_jobs=4)
kmodel.fit(zscore_data) # 訓練模型
kmodel.cluster_centers_ # 查看聚類中心
r1 = pd.Series(kmodel.labels_).value_counts() # 統計分類情況
r2 = pd.DataFrame(kmodel.cluster_centers_) # 聚類中心
4.可視化
import matplotlib.pyplot as plt
import matplotlib as mpl
myfont = mpl.font_manager.FontProperties(fname='SimHei.ttf')
r1 = pd.Series(kmodel.labels_).value_counts() # 統計各個類別的數目
r2 = pd.DataFrame(kmodel.cluster_centers_)
r = pd.concat([r2, r1], axis=1) # 橫向連接（0是縱向），得到聚類中心對應的類別下的數目
fig = plt.figure(figsize=(10,8))
ax = fig.add_subplot(1,1,1,polar = True)
for i,data in enumerate(r.iloc[:,:-1].values):
angle = np.linspace(0, 2*np.pi, len(data), endpoint=False)
angles = np.concatenate((angle, [angle[0]]))
data = np.concatenate((data, [data[0]]))
ax.set_thetagrids(angles*180/np.pi, labels=zscore_data.columns, fontproperties = myfont) #設置網格標籤
ax.plot(angles,data,"o-")
ax.set_theta_zero_location('NW') #設置極座標0°位置
ax.set_rlim(-1,2.5) #設置顯示的極徑範圍
ax.fill(angles,data,facecolor='g', alpha=0.2) #填充顏色
# ax1.set_rlabel_position('255') #設置極徑標籤位置
ax.set_title("客戶羣特徵分析圖",fontproperties = myfont,fontsize=16,) #設置標題
plt.show()
三.客戶價值分析
由上述的特徵分析的圖說明每個客戶羣都有顯著不同的表現特徵，基於該特徵描述，定義五個等級的客戶類型：
- 重要保持客戶：這類客戶的平均折扣率C較高，最近乘坐過本公司航班R低，乘坐的次數F或里程M較高。他們是航空公司的高價值客戶，是最爲理想的客戶類型，對航空公司的貢獻最大，所佔比例卻較小。航空公司應優先將資源投放到他們身上。
- 重要發展客戶：這類客戶的平均折扣率C較高，最近乘坐過本公司航班R低，但乘坐次數F或乘坐里程M較低。這類客戶入會時間L短，他們是航空公司的潛在客戶。雖然這類客戶的當前價值不是很高，但卻有很大的發展潛力。
- 重要挽留客戶：這類客戶過去所乘航班的平均折扣率C、乘坐次數F或者里程M較高，但是較長時間已經沒有乘坐本公司的航班R或者乘坐頻率變小。他們客戶價值變化的不確定性很高。航空公司應該採取一定的營銷手段，延長客戶的生命週期。
- 一般與低價值客戶：這類客戶所乘航班的平均折扣率較低，較長時間沒有乘坐過本公司航班，乘坐的次數或里程較低，入會時間短。他們是航空公司的一般用戶或者低價值用戶。
項目參考：《Python數據分析與挖掘實戰》