Python数据挖掘-航空公司客户价值分析
航空公司客户价值分析
目标：企业针对不同价值的客户制定个性化的服务，将有限的资源集中于高价值客户。
1、借助航空公司的数据进行客户分类
2、比较不同类客户的价值并制定销策略
识别客户价值的最广泛的模型是通过RFM模型来识别出高价值的客户：
Recency： 最近消费时间间隔
Frequency： 消费频率
Monetary： 消费金额
问题：同样的消费金额的不同旅客对航空公司的价值不同，例如买长航线、低等仓的旅客和买短航线、高等仓的旅客消费金额相同
但是价值确实不同的。显然后者更有价值。因此这个指标可能不合适，故选择客户在一定时间内的飞行里程M和乘坐舱位所对应的折扣洗漱C。
航空公司客户价值分析模型：
L：会员入会时间距观测窗口结束的时间
R：客户最近一次乘坐公司分级距观测窗口结束的时间（月数）
F：客户在观测窗口内乘坐公司飞机的次数
M：客户在观测窗口内累计的飞行里程
C：客户在观测窗口内乘坐舱位所对应的折扣系数的平均值
模型概述：
通过使用k-means聚类算法没使用LRFMC模型进行测试
对模型进行分析，分析客户的价值
import pandas as pddatafile = 'data/air_data.csv'
resultfile = 'data/tmp.xls'
data = pd.read_csv(datafile, encoding='utf-8')
explore = data.describe().T
explore['null'] = len(data) - explore['count'] #计算空值
explore = explore[['null', 'max', 'min']] #得到每一列的空值，最大值，最小值
explore.to_excel(resultfile) # 是结果写入文件
根据上面的数据统计，丢弃所有不符合的数据，
1、票价为空的
2、票价为0，但是折扣不是0，而且飞行里程大于0，
这样的数据是错误数据，直接删除。
data = pd.read_csv(datafile, encoding='utf-8')
cleanedfile = 'data/cleanfile.csv' #存清理后的数据
# 去掉票价是空的元素
data = data[data['SUM_YR_1'].notnull()]
data = data[data['SUM_YR_2'].notnull()]
# 去掉票价为0，但是折扣不是0，而且飞行里程大于0
data = data.drop(data['SUM_YR_1'] ==0 & (data['SEG_KM_SUM'] != 0) | (data['avg_discount'] > 0))
print(len(data))
# print(data.columns)
# 属性规约：去掉不相管的属性，只留下与LRFMC模型相关的属性
# FFP_DATE 入会时间
# LOAD_TIME 观测窗口结束时间
# FLIGHT_COUNT 飞行频率
# avg_discount 平均折扣
# SEG_KM_SUM 观测窗口总飞行公里数
# LAST_TO_END 最后一次乘机时间至观察窗口末端时长
data = data[['FFP_DATE','LOAD_TIME', 'FLIGHT_COUNT', 'avg_discount', 'SEG_KM_SUM','LAST_TO_END']]
data.to_csv(cleanedfile) #写入文件数据变化的LRFMC数据：
L = LOAD_TIME - FFP_DATE （观测窗口时间 - 入会时间）
R = LOAD_TIME - LAST_TO_END （观测窗口时间 - 最后一次乘机时间）
F = FLIGHT_COUNT
M = SEG_KM_SUM
C = avg_discount
from datetime import datetime
import time
def normal_time(date):
'''
格式化数据
'''
return datetime.strptime(date,"%Y/%m/%d")
def interval_time(dd):
'''
计算时间间隔，以月为单位
'''
return dd.days / 30# data_LRFMC数据
data_LRFMC = pd.DataFrame()
# data_LRFMC.columns = ['L', 'R', 'F','M', 'C']
data_LRFMC['L'] = (data['LOAD_TIME'].apply(normal_time) - data['FFP_DATE'].apply(normal_time)).apply(interval_time)
data_LRFMC['R'] = data['LAST_TO_END']
data_LRFMC['F'] = data['FLIGHT_COUNT']
data_LRFMC['M'] = data['SEG_KM_SUM']
data_LRFMC['C'] = data['avg_discount']
# 显示数据的描述，最大值和最小值
data_LRFMC_describe = data_LRFMC.describe().T
data_LRFMC_describe = data_LRFMC_describe[['max','min']].T
data_LRFMC.to_csv('data/LRFMC.csv') #数据写入文件注意到所有的数据值，最大值和最小值间隔较大，需要对数据进行标准化
这里使用标注差标准化,可以使用认识方法进行处理
# 标准化、重命名、写入文件
data_normal = (data_LRFMC - data_LRFMC.mean()) / (data_LRFMC.std())
data_normal.columns = ['Z'+i for i in data_normal.columns]
data_normal.to_csv('data/data_normal')
数据处理完毕，下面进行模型的构建，
1、使用聚类算法，将数据生成5类用户
2、针对聚类结果进行特征分析
from sklearn.cluster import KMeans
k = 5
kmodel = KMeans(k) #得到模型
kmodel.fit(data_normal) #训练模型
# 查看聚类中心和对应的类别
print(kmodel.cluster_centers_)
print(kmodel.labels_)
[[ 1.16443082 -0.3775831 -0.08518766 -0.09323092 -0.15906231]
[-0.70014625 -0.41584827 -0.15935193 -0.15955595 -0.26734394]
[ 0.01594116 0.00784598 -0.24843215 -0.25750534 2.08918975]
[ 0.48503896 -0.80134848 2.48281809 2.43536635 0.31393202]
[-0.31252471 1.68746582 -0.57426021 -0.53886494 -0.18594193]]
[3 3 3 ..., 1 0 4]
import matplotlib.pyplot as plt
clu = kmodel.cluster_centers_
x = [1,2,3,4,5]
colors = ['red','green','yellow','blue','black']
for i in range(5):
plt.plot(x,clu[i],label='clustre '+str(i),linewidth=6-i,color=colors[i],marker='o')
plt.xlabel('L R F M C')
plt.ylabel('values')
plt.show()
客户价值分析：
注意kmeans每次运行的时候得到的类会有差别，簇号也会相应的改变，但是中间点基本不会改变：
L R F M C
客户群1：[ 1.16443082 -0.3775831 -0.08518766 -0.09323092 -0.15906231] red
客户群2：[-0.70014625 -0.41584827 -0.15935193 -0.15955595 -0.26734394] green
客户群3：[ 0.01594116 0.00784598 -0.24843215 -0.25750534 2.08918975] yellow
客户群4：[ 0.48503896 -0.80134848 2.48281809 2.43536635 0.31393202] blue
客户群5：[-0.31252471 1.68746582 -0.57426021 -0.53886494 -0.18594193] black
我们重点关注的是L，F，M，从图中可以看到：
1、客户群4[blue] 的F,M很高，L也不低，可以看做是重要保持的客户；
2、客户群3[yellow] 重要发展客户
3、客户群1[red] 重要挽留客户，原因：入会时间长，但是F,M较低
4、客户群2[green] 一般客户
5、客户群5[black] 低价值客户
