python数据分析之航空公司客户价值分析

一.引言

本篇文章是根据航空公司提供的乘客个人信息，通过建立合理的客户价值评估模型，对客户进行分群，比较分析不同客户群的特点和价值，来指定相应的营销策略，从而减少客户流失，挖掘出潜在客户，实现盈利。在这里是用K-means聚类方法来对乘客进行分群的。

源数据部分如下图所示：

各属性解释如下：

二.数据探索

通过调用describe()函数对数据进行一个大致的了解，主要是查看缺失值和异常值。通过观察发现，存在票价为零，折扣率为0，总飞行数为0的情况。通过简单处理，我输出了一个包含个属性空值个数，最大值，最小值数据的表格。部分如下：

对应代码：

import pandas as pd
datafile='D:/航空公司客户价值分析/data/air_data2.csv'
resultfile='D:/航空公司客户价值分析/explore.xls'
data=pd.read_csv(datafile)
explore=data.describe().T#对数据的统计性描述,T是我进行了转置
explore['null']=len(data)-explore['count']
df=explore[['max','min','null']]
df.to_excel(resultfile)

三.数据预处理

1.数据清洗

通过上一步的数据探索分析发现数据中存在缺失值，而这一部分的比例相对较小，故直接删掉。具体处理如下：

丢弃票价为空的记录
丢弃票价为0，平均折扣率不为0且总飞行公里数大于零的记录。

2.属性规约与数据变换

原始数据中的属性太多。而评估航空公司客户价值通常根据LRFMC模型，与其相关的只有6个属性即，FFP_DATE、LOAD_TIME、FLIGHT_COUNT、AVG_DISCOUNT、SEG_KM_SUM、LAST_TO_END。

简单介绍下LRFMC模型，即客户关系长度L、消费时间间隔R、消费频率F、飞行里程M和折扣系数的平均值C。这五个指标为评价客户价值的重要因素，而上面6个属性与这5个指标的关系如下：

L=LOAD_TIME-FFP_DATE

会员入会时间距观测窗口结束的月数=观测窗口结束的时间-入会时间

R=LAST_TO_END

客户最近一次乘坐公司飞机距观测窗口结束的月数=最后一次乘机时间至观察窗口末端时长[单位：月]

F=FLIGHT_COUNT

客户在观测窗口内乘坐公司飞机的次数=观测窗口的飞行次数[单位：次]

M=SEG_KM_SUM

客户在观测时间内在公司累计的飞行里程=观测窗口的总飞行公里数[单位：公里]

C=AVG_DISCOUNT

客户在观测时间内乘坐舱位所对应的折扣系数的平均值=平均折扣率

提取了相关的数据后，发现这5个指标的取值范围相差较大所以需对数据进行标准化处理。

代码如下：

import pandas as pd
import datetime
#数据清洗
#删除空值，异常值
datafile='D:/航空公司客户价值分析/data/air_data2.csv'
resultfile='D:/航空公司客户价值分析/data_cleaned.csv'
data=pd.read_csv(datafile)
data=data[data['SUM_YR_1'].notnull()&data['SUM_YR_2'].notnull()]#剔除掉票价为空的
#保留票价非零的或者折扣率和飞行公里数同时为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')#输出为utf8格式，不然excel打开中文会乱码


#属性规约与数据变换
#根据航空公司的LRFMC价值指标，删除掉无关属性
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:/航空公司客户价值分析/zscoredata.csv',encoding = 'utf_8_sig',index=False)

输出为：

将以上数据进行零—均值标准化：

import pandas as pd
datafile='D:/航空公司客户价值分析/zscoredata.csv'
resultfile='D:/航空公司客户价值分析/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)

此时输出为：

四.模型构建

客户价值分析模型由两个部分构成。第一个部分是根据航空公司客户5个指标，对客户进行聚类分群，第二部分是对分群后的客户群进行特征分析，并对客户群的客户价值进行排名。

1.K-Means聚类算法对客户数据进行分群，k=5,即把客户分成5类。k-means位于scikit-Learn库中，需要先安装这个库。

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__':#防止模块范围内的代码在子进程中被重新执行，因为Windows中没有fork()函数
    datafile='D:/航空公司客户价值分析/standard_data.csv'
    resultfile='D:/航空公司客户价值分析/kmeans.csv'
    k=5
    data=pd.read_csv(datafile)
    #调用K-Means方法进行聚类分析
    kmodel=KMeans(n_clusters=k,n_jobs=4)#n_jobs是并行数，一般赋值为电脑的CPU数。
    # #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(['客户群1','客户群2','客户群3','客户群4','客户群5',])
    r=pd.concat([r3,r1,r2],axis=1)
    
    r.columns=['聚类类别','聚类个数']+list(data.columns)
    r.to_csv(resultfile,encoding = 'utf_8_sig',index=False)

输出聚类分析结果：

上图可以看到各个类群的客户个数，及聚类中心。

2.客户价值分析

针对上面的聚类结果，对客户进行特征分析，绘制雷达图。

#绘制雷达图
    labels = np.array(list(data.columns))#标签
    dataLenth = 5#数据个数
    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雷达图", va='bottom', fontproperties="SimHei")
    ax.grid(True)
    plt.show()

由上图可以很清晰的看到每个客户群的指标情况，将每个客户群的优势特征，劣势特征总结如下：

优势特征：

客户群1：R

客户群2：F、M、L

客户群3：L

客户群4：C

客户群5：无

劣势特征：

客户群1：F、M

客户群2：R

客户群3：R、F、M、C

客户群4：F、M

客户群5：R、L、C

基于LRFMC模型的具体含义，我们可以对这5个客户群进行价值排名。同时，将这5个客户群重新定义为五个等级的客户类别：重要保持客户，重要挽留客户，重要发展客户，一般客户，低价值客户。

重要保持客户：这类客户平均折扣率（C）和入会员时间（L）都很高（入会员时间越长，会员级别越高，折扣越大），最近乘坐过本航班时间间隔（R）低，乘坐的次数（F）或（M）高。说明他们经常乘坐飞机，且有一定经济实力，是航空公司的高价值客户。对应客户群2。
重要发展客户：这类客户平均折扣率高（C），最近乘坐过本航班时间间隔（R）短，但是乘坐的次数（F）和（M）都很低。说明这些乘客刚入会员不久，所以乘坐飞机次数少，是重要发展客户，对应客户群4。
重要挽留客户：这类客户入会时间长（L），最近乘坐过本航班时间间隔（R）较长，里程数和乘坐次数都变低，为重要挽留客户。对应客户群3
一般与低价值客户：这类客户乘坐时间间隔长（R）或乘坐次数（F）和总里程（M）低，平均折扣也很低。对应客户群5和客户群1.

针对以上不同的价值客户群，航空公司应当及时出台相应的营销策略，针对不同的客户群提供相应的产品和服务，提升客户价值，维持和稳定重要客户，挽留高价值客户的流失。价值排名如下：

因为乘客情况是实时变动的，所以该模型并不稳定，应根据实际情况，定期更新数据，对新增的客户信息进行聚类分析，重新训练模型进行调整。

python数据分析之航空公司客户价值分析

猜你喜欢