Python用K-Means均值聚類、LRFMC模型對航空公司客戶數據價值可視化分析指標應用|數據分享...

全文鏈接：https://tecdat.cn/?p=38708

分析師：Yuling Fang

信息時代的來臨使得企業營銷焦點從產品中心轉向客戶中心，客戶關系管理成為企業的核心問題（點擊文末“閱讀原文”獲取完整代碼數據）。

客戶關系管理的關鍵是客戶分群，通過客戶分群，區分無價值客戶和高價值客戶，同時更好的了解客戶的特征，使企業能夠針對不同價值客戶指定優化的個性化服務方案，實現精細化運營。客戶分群是關鍵節點。

任務/目標

根據航空公司觀測窗口內的客戶社會信息、乘機信息和積分信息（查看文末了解數據免費獲取方式）對客群進行價值分類，為業務提供運營策劃參考。

數據源準備

選取寬度為兩年的分析觀測窗口，抽取觀測窗口內有乘機記錄的所有客戶的詳細數據，共62988行。對原始數據進行探索和數據清洗。

缺失值處理。通過數據探索分析，發現gender、age、sum分別有3、420、689個缺失值，由于變更比總記錄數較少，故直接刪除處理。

異常值處理。通過對數據觀察，發現原始數據中存在平均折扣率不為0、總飛行公里數大于0、票價卻為0的數據，屬于有異常情況，需要剔除。

特征轉換

把不能處理的特征做一些轉換，處理成算法容易處理的干凈特征：

時間信息。會員入會時間距離觀測窗口結束的時間，需要通過入會時間和觀測窗口的結束時間相減得到。

省份信息。work_province列存在省份書寫格式不統一、部分出現錯別字的問題，使用jieba將work_province列拆分字符分類統一格式。

數據變換

構建包含L、R、F、M、C五項指標的新數據表，并對應屬性定義表，得到LRFMC模型中五項指標的計算公式：

采用標準差標準化的方法數據進行標準化計算，每項數據減去每項指標數據的平均值，得到的差除于每項指標數據的標準差值。

聚類個數

通過K_means聚類方法進行機器學習，繪圖觀察誤差平方和SSE與中心點個數k的關系，比較每個k值的SSE，使用肘部法尋找誤差平方和SSE突然變小時對應的k值，得到k=5，將客戶群體聚類劃分為5個客群。

建模

LRFMC模型是根據實際場景基于RFM模型優化調整后得到的，是衡量客戶價值和客戶創造利益能力的重要工具和手段。

聚類結果

將客群按照客戶價值聚類劃分為五類貼上群體標簽，記為1、2、3、4、5五類，對聚類結果進行特征分析，其可視化圖形如下：

點擊標題查閱往期內容

PYTHON用戶流失數據挖掘：建立邏輯回歸、XGBOOST、隨機森林、決策樹、支持向量機、樸素貝葉斯和KMEANS聚類用戶畫像

左右滑動查看更多

根據雷達圖分布，對客群的類別、指標情況、重要特征、運營建議進行歸納總結，分別如下：

基于航空公司數據的客戶價值分析|附數據代碼

在當今競爭激烈的航空市場中，深入了解客戶價值對于航空公司制定精準營銷策略、優化資源配置以及提升客戶滿意度等方面都有著至關重要的意義。本文旨在通過對航空公司客戶相關數據的分析，運用聚類等數據分析方法，挖掘不同客戶群體的特征，進而對客戶價值進行評估與分析。

數據準備與預處理

首先，我們需要導入一系列常用的數據處理和可視化相關的庫，代碼如下：

同時，為了確保在圖形繪制中能夠正確顯示中文字體等相關設置，我們會進行如下配置：

mpl.rcParams\['font.sans-serif'\]?=?\['SimHei'\]
mpl.rcParams\['axes.unicode_minus'\]?=?False

接著，從指定路徑讀取航空公司的客戶數據文件，并查看前10行數據，了解數據的大致樣貌，代碼如下：

data?=?pd.read_csv(r'/Us.csv',encoding='utf-8')
data.head(10)

這一步能讓我們直觀看到諸如會員卡號、入會時間、性別、年齡等眾多字段以及對應的數據內容。然后，我們可以通過data.info()查看數據的詳細信息，包括每列的數據類型、非空值數量等情況，以此來掌握數據的整體結構。還可以使用data.describe().T對數據進行描述性統計分析，像各列數據的均值、標準差、最小值、最大值等統計指標，有助于我們初步了解各特征的分布情況。
此外，分析數據中的缺失值情況也很關鍵，通過data.isnull().sum().sort_values(ascending=False)可以統計出每列的缺失值數量，并按照從多到少進行排序。針對存在缺失值的情況，我們做了相應的數據清洗操作，例如篩選出特定列非空的數據等，代碼如下：

data=data\[data\['SUM\_YR\_1'\].notnull()?&?data\['SUM\_YR\_2'\].notnull()\]
t1?=?data\['SUM\_YR\_1'\]!=0
t2?=?data\['SUM\_YR\_2'\]!=0

經過上述一系列的數據預處理操作，我們為后續的客戶價值分析打下了良好的數據基礎。

LRFMC模型客戶價值指標構建

在進行客戶價值分析時，我們選取了幾個關鍵的指標來綜合衡量客戶價值。其中，R代表最近消費時間間隔，具體是用最后一次乘機時間至觀察窗口末端時長來衡量；F表示消費頻率，也就是觀測窗口內的飛行次數；M體現消費金額，由于航空票價受到距離和艙位等級等多種因素影響，這里的艙位因素考慮艙位所對應的折扣系數平均值，距離因素則是一定時間內累積的飛行里程；另外，考慮到航空公司的會員系統中，用戶入會時間長短對客戶價值有一定影響，所以增加了指標入會時間長度，即客戶關系長度，通過觀測窗口的結束時間減去入會時間（單位為月）來計算，也就是LOAD_TIME - FFP_DATE。
綜合起來，我們構建了LRFMC這5個指標，具體如下：

L：LOAD_TIME - FFP_DATE（會員入會時間距觀測窗口結束的月數）
R：LAST_TO_END（客戶最近一次乘坐公司距觀測窗口結束的月數）
F：FLIGHT_COUNT（觀測窗口內的飛行次數）
M：SEG_KM_SUM（觀測窗口的總飛行里程）
C：AVG_DISCOUNT（平均折扣率）
通過以下代碼提取相關列數據并查看前幾行：

df=data\[\["FFP\_DATE","LOAD\_TIME","LAST\_TO\_END","FLIGHT\_COUNT","SEG\_KM\_SUM","avg\_discount"\]\]
df.head()

然后，定義函數LRFMC來進一步處理數據，構建包含LRFMC指標的數據結構。

為了消除數據不同特征之間量綱的影響，我們還定義了函數zscore_data對數據進行標準化處理，代碼如下：

def?zscore_data(data):data2=(data-data.mean(axis=0))/data.std(axis=0)data2.columns=\['Z'+i?for?i?in?data.columns\]return?data2
df4=zscore_data(df3)
df4.head()

客戶K-Means聚類分析

接下來，運用K-Means聚類算法對處理好的數據進行聚類分析，以此來劃分不同的客戶群體。首先，我們設置聚類類別數目等參數，調用K-Means算法進行模型訓練，代碼如下：

k=5
#?調用k-means算法
#?輸入聚類類別數目，n_jobs為并行數
#n_clusters就是K值，也是聚類值
#init初始化方法，可以是kmeans++，隨機，或者自定義的ndarray
model.fit(df4)?#?訓練

通過model.labels_可以獲取每個樣本所屬的類別標簽，進而統計各個類別的數目以及找出聚類中心等：

r1?=?pd.Series(model.labels_).value_counts()?#?統計各個類別的數目
r2?=?pd.DataFrame(model.cluster\_centers\_)?#?找出聚類中心

將相關結果進行整合，并輸出到Excel文件中方便查看和后續分析。

同時，還可以將每個樣本對應的類別信息整合到數據中，并輸出到Excel文件，代碼如下：

r3?=?pd.concat(\[df4,?pd.Series(model.labels_,?index=df4.index)\],?axis=1)?#?詳細輸出每個樣本對應的類別
r3.columns?=?list(df4.columns)?+?\['聚類類別'\]?#?重命名表頭

為了確定合適的聚類數目，我們通過循環計算不同聚類數目下的簇內誤方差（SSE），并繪制折線圖進行可視化展示，代碼如下：

#n_clusters就是K值，也是聚類值#init初始化方法，可以是kmeans++，隨機，或者自定義的ndarrayplt.xlabel("簇數量")
plt.ylabel("簇內誤方差（SSE）")

對應的可視化圖像如下：

其能夠幫助我們直觀判斷選擇多少個聚類類別比較合適。

客戶群體特征分析與價值評估

基于聚類結果，我們繪制雷達圖來對不同客戶群體的特征進行可視化分析：

對應的雷達圖如下：

從“客戶群特征分析圖”中，結合業務情況，我們對不同客戶群體進行特征分析與價值評估：

客戶群1：在平均折扣率（C屬性）上表現最為突出，這類客戶可以定義為重要挽留客戶，航空公司需要格外關注他們的動態，以防其流失。
客戶群2：其在最近消費時間間隔（R屬性）方面數值最大，而在消費頻率（F屬性）、總消費金額（M屬性）方面是最小的，屬于低價值客戶群體，對航空公司的貢獻相對較低。
客戶群3：在消費頻率（F屬性）、總消費金額（M屬性）上數值最大，在最近消費時間間隔（R屬性）上最小，這類客戶是航空公司的重要保持客戶，航空公司應重點投入資源，進行差異化管理，提升他們的忠誠度和滿意度，進一步鞏固他們的價值。
客戶群4：在客戶關系長度（L屬性）、平均折扣率（C屬性）上最小，可將其歸類為一般客戶，對航空公司來說其價值處于中等偏下水平。
客戶群5：在客戶關系長度（L屬性）上最大，可定義為重要發展客戶，雖然他們當前價值可能不是很高，但有著較大的發展潛力，航空公司可以采取相應措施促使他們增加消費。
綜上所述，通過對航空公司客戶數據的深入分析和聚類處理，我們清晰地劃分出了不同價值的客戶群體，航空公司可以依據這些分析結果，制定精準的營銷策略，合理分配資源，實現更好的運營和發展。