本項(xiàng)目背景是航空公司為了拓展新用戶，保持VIP客戶，挽留潛在客戶來進(jìn)行價(jià)值客戶的區(qū)分，從6萬條樣本記錄中，分別進(jìn)行了數(shù)據(jù)抽取，數(shù)據(jù)清洗，探索性分析，指標(biāo)計(jì)算和機(jī)器學(xué)習(xí)算法建模及應(yīng)用；依據(jù)LRFMC模型用pandas,numpy技術(shù)進(jìn)行數(shù)據(jù)抽取，實(shí)現(xiàn)數(shù)據(jù)清洗（數(shù)據(jù)異常值缺失值處理，屬性規(guī)約，數(shù)據(jù)轉(zhuǎn)換），應(yīng)用kde算法對數(shù)據(jù)特征分布進(jìn)行觀測，采用聚類算法Kmeans進(jìn)行建模和樣本訓(xùn)練，并使用PCA算法進(jìn)行降維可視化，matplotlib,pycharts進(jìn)行數(shù)據(jù)特征項(xiàng)的可視化；通過本項(xiàng)目，達(dá)成了客戶的分類，針對公司的業(yè)務(wù)屬性制定了相關(guān)策略；

關(guān)鍵技術(shù)：結(jié)合公司所屬的行業(yè)及業(yè)務(wù)類型對傳統(tǒng)的RFM模型參數(shù)進(jìn)行優(yōu)化，確定了LRFMC模型作為價(jià)值客戶區(qū)分的依據(jù)；遵從數(shù)據(jù)挖掘和數(shù)據(jù)分析的一般流程，靈活運(yùn)用機(jī)器學(xué)習(xí)算法對數(shù)據(jù)集進(jìn)行降維處理，在建立模型之前，用kde分布識別具有相關(guān)性的特征列。

一、LRFMC模型簡介

RFM模型是衡量客戶價(jià)值和客戶潛在價(jià)值的重要工具和手段，RFM是國際上最成熟的，最為容易的客戶價(jià)值分析方法；3個(gè)指標(biāo)

• R:最近消費(fèi)時(shí)間間隔(Recency)

• F:消費(fèi)頻率(Frequency)

• M:消費(fèi)金額(Monetary)

• 
  

• 
  

• 
  

R的含義是消費(fèi)時(shí)間間隔，表示了客戶發(fā)生最近一次消費(fèi)時(shí)間的間隔；數(shù)值大小反映了客戶的流失率；F的含義是消費(fèi)頻率，表示了客戶交易的累計(jì)次數(shù)，體現(xiàn)了客戶的活躍度和忠誠度，M的含義是消費(fèi)金額，可以是一次消費(fèi)金額或平均消費(fèi)金額，體現(xiàn)了客戶的購買能力和消費(fèi)潛力；在航空公司的價(jià)值用戶分析中，依據(jù)航空公司的業(yè)務(wù)特點(diǎn)和客戶行為習(xí)慣，我們將傳統(tǒng)的RFM模型轉(zhuǎn)換為了LRFMC模型；其中，R依然代表最近一次乘坐飛機(jī)的截止時(shí)間，F(xiàn)代碼消費(fèi)次數(shù)，M消費(fèi)金額指標(biāo)拆分成為了三個(gè)指標(biāo)，M 指標(biāo)拆分為三個(gè)指標(biāo)LMC，L代表會員入會時(shí)間，M代表客戶的飛行里程，C代表平均消費(fèi)的折扣系數(shù)；從這三個(gè)指標(biāo)綜合評估乘客的消費(fèi)能力；

圖1 RFM模型到LRFMC模型的轉(zhuǎn)換

二、項(xiàng)目的處理流程業(yè)務(wù)圖

圖2 航空客運(yùn)信息挖掘的主要步驟

1. 從航空公司的數(shù)據(jù)源中進(jìn)行選擇性抽取與新增數(shù)據(jù)抽取分別形成歷史數(shù)據(jù)和增量數(shù)據(jù)。

2. 對步驟1中形成的兩個(gè)數(shù)據(jù)集進(jìn)行數(shù)據(jù)探索分析與預(yù)處理，包括數(shù)據(jù)缺失值與異常值的探索分析，數(shù)據(jù)的屬性規(guī)約、清洗和變換。

3. 利用步驟2中形成的已完成數(shù)據(jù)預(yù)處理的建模數(shù)據(jù)，基于旅客價(jià)值LRFMC模型進(jìn)行客戶分群，對各個(gè)客戶群進(jìn)行特征分析，識別出有價(jià)值的客戶。

4. 針對模型結(jié)果得到不同價(jià)值的客戶，采用不同的營銷手段，提供定制化的服務(wù)；

5. 
   

圖3 航空客運(yùn)數(shù)據(jù)挖掘建?？傮w流程

三、樣本集數(shù)據(jù)分類和屬性說明

根據(jù)表1中的數(shù)據(jù)，對客戶進(jìn)行分類；對不同的客戶類別進(jìn)行特征分析，比較不同類客戶的客戶價(jià)值對不同價(jià)值的客戶類別提供個(gè)性化服務(wù)，制定相應(yīng)營銷策略；

表1 樣本集數(shù)據(jù)分類和屬性說明

四、數(shù)據(jù)抽取

選取寬度為兩年的時(shí)間段作為分析觀測窗口，抽取觀測窗口內(nèi)有乘機(jī)記錄的所有客戶的詳細(xì)數(shù)據(jù)形成歷史數(shù)據(jù)。對于后續(xù)新增的客戶詳細(xì)信息，以后續(xù)新增數(shù)據(jù)中最新的時(shí)間點(diǎn)作為結(jié)束時(shí)間，采用上述同樣的方法進(jìn)行抽取，形成增量數(shù)據(jù)。62988條記錄中包含了會員卡號、入會時(shí)間、性別、年齡、會員卡級別、工作地城市、工作地所在省份、工作地所在國家、觀測窗口結(jié)束時(shí)間、觀測窗口乘機(jī)積分、飛行公里數(shù)、飛行次數(shù)、飛行時(shí)間、乘機(jī)時(shí)間間隔和平均折扣率等44個(gè)屬性；

五、數(shù)據(jù)探索性分析

探索分析是對數(shù)據(jù)進(jìn)行缺失值分析與異常值分析，分析出數(shù)據(jù)的規(guī)律以及異常值。通過對數(shù)據(jù)觀察發(fā)現(xiàn)原始數(shù)據(jù)中存在票價(jià)為空值，票價(jià)最小值為0、折扣率最小值為0,總飛行公里數(shù)大于0的記錄。票價(jià)為空值的數(shù)據(jù)可能是客戶不存在乘機(jī)記錄造成，其他的數(shù)據(jù)可能是客戶乘坐0折機(jī)票或者積分兌換產(chǎn)生的。關(guān)鍵代碼示例：

data = pd.read_csv('air_data.csv',parse_dates=['FFP_DATE','LOAD_TIME','FIRST_FLIGHT_DATE','LAST_FLIGHT_DATE']) #讀取CSV數(shù)據(jù)，指定日期時(shí)間段解析 data.info() # 快速查看缺失值，異常值， explore = data.describe().T ? ?# 查看方差，平均值，最大值，最小值 explore['null']=data.shape[0]-explore['count'] # 計(jì)算空值 explore=explore[['null','max','min']] ?# 計(jì)算缺失值的個(gè)數(shù)

六、數(shù)據(jù)清洗和預(yù)處理

丟棄票價(jià)為空的記錄，票價(jià)為空的記錄會影響C指標(biāo)的計(jì)算；屬性SUM_YR_1和屬性SUM_YR_2為空的數(shù)據(jù)刪除，把不為空的數(shù)據(jù)；采用pandas.notnull函數(shù)實(shí)現(xiàn)篩選；

data = data[(data.SUM_YR_1.notnull())&((data.SUM_YR_2.notnull()))] #

保留票價(jià)不為0，或平均折扣率（data.SEG_KM_SUM）和總飛行公里數(shù)大于0的記錄(data.avg_discount==0);

index1 = data.SUM_YR_1 !=0 ?# 保留第一年平均消費(fèi)票價(jià)不為零的 index2 = data.SUM_YR_2 !=0 ?# 保留第二年平均消費(fèi)票價(jià)不為零的 data = data[(data.SUM_YR_1.notnull())&((data.SUM_YR_2.notnull()))] # 第一年和第二年消費(fèi)票價(jià)都不為零的 data1=data[index1|index2|index3] # 條件篩選

通過篩選發(fā)現(xiàn)數(shù)據(jù)集從原始的62998條記錄中減少到62913條；

七、屬性規(guī)約數(shù)據(jù)抽取

依據(jù)LRFMC模型的含義，選出與指標(biāo)計(jì)算相關(guān)的6個(gè)屬性如下所示：

入會時(shí)間：FFP_DATE 觀測窗口的結(jié)束時(shí)間：LOAD_TIME

飛行次數(shù)：FLIGHT_COUNT 觀測窗口總飛行公里數(shù)：SEG_KM_SUM

最后一次乘機(jī)時(shí)間至觀察窗口末端時(shí)長：LAST_TO_END 平均折扣率：avg_discount

data2 = data1[['FFP_DATE','LOAD_TIME','FLIGHT_COUNT','SEG_KM_SUM','LAST_TO_END','avg_discount']] data3 = data2.rename(columns={'FLIGHT_COUNT':'F','avg_discount':'C','SEG_KM_SUM':'M','LAST_TO_END':'R'})#做對應(yīng)特征列的名稱替換 data3['L']=(data2.LOAD_TIME-data2.FFP_DATE).map(lambda x:x.days)#新增的L列，是日期相減，轉(zhuǎn)換成日 data3=data3.drop(['FFP_DATE','LOAD_TIME'],axis=1)# 刪除兩列 data3 =data3.reindex(columns=['L','R','F','M','C'])

八、采用0-1標(biāo)準(zhǔn)化方法進(jìn)行歸一化處理

通過以上的數(shù)據(jù)分析，L,R,F,C,M五個(gè)特征列的取值范圍差異較大；例如C特征列的取值范圍是0.1~1.0之間，M特征列的取值范圍是100-10000；這會影響機(jī)器學(xué)習(xí)訓(xùn)練的結(jié)果，導(dǎo)致模型預(yù)測和分類的準(zhǔn)確率大大降低；歸一化處理會提升模型的預(yù)測準(zhǔn)確率，且數(shù)據(jù)集之間的相對差異保持不變；0-1標(biāo)準(zhǔn)化的方法的計(jì)算公式是：

Z-score =(X- X_mean)/X._std

定義：0-1標(biāo)準(zhǔn)化：（X-均值）/方差。數(shù)據(jù)符合平均值為0，標(biāo)準(zhǔn)差為1的正態(tài)分布

data4 = (data3 - data3.mean())/data3.std()#對data3數(shù)據(jù)集中的每一個(gè)元素求平均再除以方差 data4 #L,R,F,M,C分布服從0-1標(biāo)準(zhǔn)分布

九、數(shù)據(jù)歸一化前后的數(shù)據(jù)分布特征

歸一化前后的L和R的相關(guān)性數(shù)據(jù)分布，采用散點(diǎn)圖描述；顯示L和R的相對特征分布屬性沒有改變，知識坐標(biāo)的取值范圍發(fā)生了變化，歸一化之后，X坐標(biāo)范圍均勻分布在-1.5到2.0之間；

圖4 歸一化前后的L和R的數(shù)據(jù)分布

L參數(shù)歸一化前后的分布情況，采用直方圖進(jìn)行展示，直方圖y軸反應(yīng)了L特征項(xiàng)出現(xiàn)的次數(shù)；反應(yīng)的頻率的變化情況；在不同的X區(qū)間坐標(biāo)范圍內(nèi)，數(shù)據(jù)集對應(yīng)出現(xiàn)的次數(shù)；由此可見，L參數(shù)在歸一化前后的分布特征也沒有發(fā)生改變；

圖5 歸一化前后的L數(shù)據(jù)集分布

十、用直方圖展示LRFMC指標(biāo)的出現(xiàn)頻數(shù)

直方圖的橫坐標(biāo)和縱坐標(biāo)是離散的，橫坐標(biāo)代表對應(yīng)的分組區(qū)間，總坐標(biāo)代表數(shù)據(jù)出現(xiàn)的次數(shù)；用柱狀圖展示直方圖，重點(diǎn)展示了指標(biāo)分布的高低情況；柱狀圖可以直觀的展示相對高低的變化，LRFMC五個(gè)指標(biāo)全部展示，能夠清晰反應(yīng)出每個(gè)指標(biāo)分布頻數(shù)最高的項(xiàng)；

參數(shù)選擇stack模式是柱狀圖堆疊的展示，x軸坐標(biāo)離散，y軸坐標(biāo)連續(xù)；主要展示了參數(shù)的連續(xù)分布特性；此處的外圍輪廓和后面應(yīng)用KDE算法之后的連續(xù)函數(shù)相比，他們具備相似性；

plt.hist(x,n_bins,density = True,histtype = 'bar',color = colors,label = colors) plt.legend(prop={'size':10}) plt.show() plt.hist(x,n_bins,density = True,histtype = 'step',stacked = 'True',fill = False,color = colors,label = colors) plt.legend(prop={'size':10}) plt.show()

十一、采用核密度函數(shù)表示LRFMC的特征分布情況

核密度估計(jì)：一種用于估計(jì)概率函數(shù)的非參數(shù)方法，將直方圖進(jìn)行平滑的處理；直方圖存在圖形不光滑，端點(diǎn)不連續(xù)，且對于異常的小頻率單元無法觀測的情況，所以我們引入核密度函數(shù)，采用核密度函數(shù)，能夠真實(shí)展示概率分布情況。且對異常值能夠進(jìn)行敏感檢測；

圖7 核密度函數(shù)數(shù)學(xué)原理

data4.plot.kde(figsize = (18,20)) plt.xlim([-2,3])

十二、采用seaborn展示LRFMC兩兩特征相關(guān)性

由圖可知，F(xiàn)和M兩列的特征分布是高度重合的，沒有區(qū)分度；C的區(qū)分度是最高的，L和R特征分布較好；

import seaborn as sns sns.pairplot(data4) import seaborn as sns sns.pairplot(data4,kind = 'reg',diag_kind = 'hist')

十三、采用機(jī)器學(xué)習(xí)算法實(shí)現(xiàn)客戶分類

非監(jiān)督學(xué)習(xí)：一組樣本集的內(nèi)在規(guī)律對于訓(xùn)練者來說是不可知的，需要機(jī)器學(xué)習(xí)算法自動尋找內(nèi)在規(guī)律，也就是數(shù)據(jù)集樣本中不包含答案，樣本集中沒有標(biāo)簽。

from sklearn.cluster import KMeans kmodel = KMeans(n_clusters = 5) kmodel.fit(data4for i in kmodel.cluster_centers_: ? ?print("聚類類別") ? ?for k,v in zip(['L','R','F','M','C'],i): ? ? ? ?print(k,'---',v)

from pyecharts import options as opts from pyecharts.charts import Page, Radar def radar_base() -> Radar: ? ?c = ( ? ? ? ?Radar() ? ? ? ?.add_schema( ? ? ? ? ? ?schema=[ ? ? ? ? ? ? ? ?opts.RadarIndicatorItem(name="L:會員時(shí)長", min_=-2, max_=1.5), ? ? ? ? ? ? ? ?opts.RadarIndicatorItem(name="R:消費(fèi)間隔", min_=-2, max_=2), ? ? ? ? ? ? ? ?opts.RadarIndicatorItem(name="F:消費(fèi)頻率", min_=-2, max_=3), ? ? ? ? ? ? ? ?opts.RadarIndicatorItem(name="M:飛行里程", min_=-2, max_=3), ? ? ? ? ? ? ? ?opts.RadarIndicatorItem(name="C:折扣系數(shù)", min_=-2, max_=2.5), ? ? ? ? ? ?] ? ? ? ?) ? ? ? ?.add("客戶群1", [X.loc[0].tolist()], color='#ff0000') ? ? ? ?.add("客戶群2", [X.loc[1].tolist()], color='#00ff00') ? ? ? ?.add("客戶群3", [X.loc[2].tolist()], color='#0000ff') ? ? ? ?.add("客戶群4", [X.loc[3].tolist()], color='#ffff00') ? ? ? ?.add("客戶群5", [X.loc[4].tolist()], color='#ff00ff') ? ? ? ?.set_series_opts(label_opts=opts.LabelOpts(is_show=False)) ? ? ? ?.set_global_opts(title_opts=opts.TitleOpts(title="客戶價(jià)值 - 雷達(dá)圖")) ? ?) ? ?return c radar_base().render_notebook()

十四、雷達(dá)圖結(jié)論：

雷達(dá)圖展示了LRFMC五個(gè)特征的相對優(yōu)勢和劣勢；

客戶群1：5個(gè)特征都較均勻（較?。?/p>

客戶群2：L會員時(shí)長最大；其他特征較均勻（比較?。?/p>

客戶群3：C折扣系數(shù)最大，其他特征較均勻

客戶群4：F消費(fèi)頻率/M平均里程最大，C折扣系數(shù)/L會員時(shí)長第二大，R消費(fèi)間隔最小

客戶群5：R消費(fèi)間隔最大，其他較均勻

從LRFMC模型定義的屬性來分析，價(jià)值客戶符合以下規(guī)律:

L：客戶關(guān)系長度（航空公司會員入會時(shí)間長短）（老會員，越長越穩(wěn)定）

R：最近消費(fèi)時(shí)間（上次坐飛機(jī)的時(shí)間，越小越好）

F：消費(fèi)頻率（越大越好）

M：累積的飛行里程（越大越好）

C：乘坐倉位對應(yīng)的折扣系數(shù)平均值（越大，意味著倉位檔次越高）

十五、用戶畫像

客戶群3：重要保持客戶，C 折扣率最高，表明倉位等級最高，其他指標(biāo)較平均

用戶策略：這類客戶是對航空公司最重要的VIP客戶群，最理想的高價(jià)值客戶類型，對公司貢獻(xiàn)最大，所占比例最小航空公司應(yīng)該將資源優(yōu)先投放到它們身上，對它們進(jìn)行差異化管理和一對一營銷，設(shè)法提高客戶的忠誠度和滿意度，盡可能延長這類客戶的高水平消費(fèi)；

客戶群4：重要發(fā)展客戶，F(xiàn)消費(fèi)頻率和M飛行里程最高，C折扣系數(shù)/L會員時(shí)長，第二高

用戶策略：這類客戶是公司潛在高價(jià)值客戶，雖然這類客戶當(dāng)前的價(jià)值并不是最高，但卻有很大發(fā)展?jié)摿?，公式要努力促使這類客戶通過增加在本公司的乘機(jī)消費(fèi)和合作伙伴處的消費(fèi)（增加客戶的錢包份額）。通過客戶價(jià)值的提升，加強(qiáng)客戶滿意度，提高他們轉(zhuǎn)向競爭對手的轉(zhuǎn)移成本，使他們逐漸轉(zhuǎn)為公司的忠誠客戶；

客戶群2:重要挽留客戶，L會員時(shí)長最長，老客戶，其他特征一般，這類客戶不確定性很高，這些客戶衰退的原因不明，所以掌握客戶最新信息、維持與客戶的互動尤為重要。

用戶策略：航空公司應(yīng)該根據(jù)這些客戶最近的消費(fèi)時(shí)間、消費(fèi)次數(shù)變化情況，推測客戶消費(fèi)的異動狀況，并列出客戶名單，對其重點(diǎn)聯(lián)系，采取一定的營銷手段，延長客戶的生命周期；

客戶群1：一般客戶，所有指標(biāo)都很平均，表明用戶對公司沒有太大貢獻(xiàn)，R較小，表面乘坐間隔短；用戶策略：他們是航空公司的一般客戶，沒什么價(jià)值但經(jīng)常乘坐，應(yīng)設(shè)法吸引它們提升消費(fèi)等級；

客戶群5：低價(jià)值客戶，各種指標(biāo)全面低，注冊時(shí)間短，里程少，消費(fèi)頻率低，打折比例低；唯獨(dú)R高；用戶策略：較長時(shí)間沒做過本公司航班了，他們是航空公司低價(jià)值客戶，對公司沒有歸屬感，只有在公司機(jī)票打折促銷時(shí)候才會乘坐本公司航班；

十六、建議

依據(jù)結(jié)論，采取下面營銷手段和策略，為航空公司的價(jià)值客戶群管理提供參考：

• 會員的升級與保級

• 
  

航空公司會員可分為：白金卡會員、金卡會員、銀卡會員、普通卡會員，其中非普通卡會員可以統(tǒng)稱為航空公司精英會員，各個(gè)公司會員制管理方法大同小異。成為精英會員一般要求在一定時(shí)間內(nèi)（如1年）積累一定飛行里程或航段，達(dá)到要求后就會在有效期內(nèi)（一般2年）成為精英會員并享受相應(yīng)服務(wù)，有效期快結(jié)束時(shí)，根據(jù)相關(guān)評價(jià)方法確定客戶是否有資格繼續(xù)作為精英會員，然后對客戶進(jìn)行升級或降級然而由于大部分客戶沒有意識到或根本不了解會員升級后保級的時(shí)間與要求（介紹文件往往復(fù)雜且不易理解），經(jīng)常在評價(jià)期過后才發(fā)現(xiàn)自己只差一點(diǎn)就可以升級或保級，之前積累的里程白白損失，還會導(dǎo)致客戶不滿，干脆放棄在本公司的后續(xù)消費(fèi)，因此公司可以在對會員升級或保級進(jìn)行評價(jià)的時(shí)間點(diǎn)之前，對那些接近但尚未達(dá)到要求的較高消費(fèi)客戶進(jìn)行適當(dāng)提醒甚至采取一些促銷活動，刺激消費(fèi)，既可以獲得收益，也能提高客戶滿意度，增加精英會員數(shù)量；

• 首次兌換

航空公司旅客計(jì)劃中比較吸引客戶的一點(diǎn)是客戶可以通過消費(fèi)累計(jì)的里程來兌換免票或免費(fèi)升艙。大部分公司的里程積累會隨著時(shí)間削減，如在年末對該年累計(jì)里程折半處理。這樣會導(dǎo)致許多不了解情況的會員白白損失掉費(fèi)力積累的里程，總是難以實(shí)現(xiàn)首次兌換。同樣會引起客戶的不滿；解決：提取接近但尚未達(dá)到首次兌換標(biāo)準(zhǔn)的會員，對他們進(jìn)行提醒或促銷，使他們通過消費(fèi)達(dá)到標(biāo)準(zhǔn)，一旦實(shí)現(xiàn)首次兌換，客戶在本公司再次消費(fèi)兌換就比在其他公司進(jìn)行兌換要容易的多，等于提高了轉(zhuǎn)移成本；

• 交叉銷售

通過發(fā)現(xiàn)聯(lián)名卡等與非航空類企業(yè)的合作，使客戶在其他企業(yè)消費(fèi)過程中獲得本公司的積分，增強(qiáng)與公司的聯(lián)系，提高忠誠度，例如可以查看重要客戶在非航空類合作伙伴處的里程積累情況，找出他們習(xí)慣的里程積累方式（是否經(jīng)常在合作伙伴處消費(fèi)，更喜歡消費(fèi)哪種類型合作伙伴的產(chǎn)品），對他們進(jìn)行相應(yīng)促銷；客戶識別期和發(fā)展期為客戶關(guān)系打下基石，但這兩個(gè)時(shí)期的客戶關(guān)系是短暫的、不穩(wěn)定的，企業(yè)要獲取長期利潤，必須有穩(wěn)定的、高質(zhì)量的客戶。保持客戶對企業(yè)是至關(guān)重要的。不僅因?yàn)闋幦∫粋€(gè)新客戶的成本遠(yuǎn)高于維持老客戶還因?yàn)榭蛻袅魇斐晒臼找娴闹苯訐p失；因此，在這一時(shí)期，公司應(yīng)該努力維系客戶關(guān)系，使之處于較高水準(zhǔn)，最大化生命周期內(nèi)公司與客戶的互動價(jià)值，并使這樣的高水平關(guān)系盡可能延長。對這一階段的客戶，主要通過提供優(yōu)質(zhì)服務(wù)產(chǎn)品和提高服務(wù)水平來提高客戶滿意度。