數據挖掘實戰:帶你做客戶價值分析(附代碼)

本文約4000字，建議閱讀7分鐘。
手把手教你利用利用KMeans聚類進行航空公司客戶價值分析。

背景與挖掘目標

1. 背景
2. 挖掘目標

詳情數據見數據集內容中的air_data.csv和客戶信息屬性說明。

分析方法與過程1. 分析方法

消費金額，一般表示一段時間內，消費的總額。但是，因為航空票價收到距離和艙位等級的影響，同樣金額對航空公司價值不同

因此，需要修改指標。選定變量，艙位因素=艙位所對應的折扣係數的平均值=C，距離因素=一定時間內積累的飛行裡程=M

再考慮到，航空公司的會員系統，用戶的入會時間長短能在一定程度上影響客戶價值，所以增加指標L=入會時間長度=客戶關係長度

總共確定了五個指標，消費時間間隔R，客戶關係長度L，消費頻率F，飛行裡程M和折扣係數的平均值C

以上指標，作為航空公司識別客戶價值指標，記為LRFMC模型

2.挖掘步驟

從航空公司，選擇性抽取與新增數據抽取，形成歷史數據和增量數據

對步驟一的兩個數據，進行數據探索性分析和預處理，主要有缺失值與異常值的分析處理，屬性規約、清洗和變換

利用步驟2中的已處理數據作為建模數據，基於旅客價值的LRFMC模型進行客戶分群，對各個客戶群再進行特徵分析，識別有價值客戶

針對模型結果得到不同價值的客戶，採用不同的營銷手段，指定定製化的營銷服務，或者針對性的優惠與關懷。（重點維護老客戶）

3. 數據抽取
4. 探索性分析

本案例的探索分析，主要對數據進行缺失值和異常值分析

發現，存在票價為控制，折扣率為0，飛行公裡數為0。票價為空值，可能是不存在飛行記錄，其他空值可能是，飛機票來自於積分兌換等渠道

查找每列屬性觀測值中空值的個數、最大值、最小值的代碼如下

import pandas as pd
datafile= r'/home/kesci/input/date27730/air_data.csv' #航空原始數據,第一行為屬性標籤
resultfile = r'/home/kesci/work/test.xls' #數據探索結果表
data = pd.read_csv(datafile, encoding = 'utf-8') #讀取原始數據，指定UTF-8編碼（需要用文本編輯器將數據裝換為UTF-8編碼）
explore = data.describe(percentiles = [], include = 'all').T #包括對數據的基本描述，percentiles參數是指定計算多少的分位數表（如1/4分位數、中位數等）；T是轉置，轉置後更方便查閱
print(explore)
explore['null'] = len(data)-explore['count'] #describe()函數自動計算非空值數，需要手動計算空值數
explore = explore[['null', 'max', 'min']]
explore.columns = [u'空值數', u'最大值', u'最小值'] #表頭重命名
print('以下是處理後數據')
print(explore)
'''這裡只選取部分探索結果。
describe()函數自動計算的欄位有count（非空值數）、unique（唯一值數）、top（頻數最高者）、freq（最高頻數）、mean（平均值）、std（方差）、min（最小值）、50%（中位數）、max（最大值）'''

以下是處理前數據
                        count unique         top   freq      mean       std  
MEMBER_NO                62988    NaN         NaN    NaN   31494.5   18183.2  
FFP_DATE                 62988   3068  2011/01/13    184       NaN       NaN  
FIRST_FLIGHT_DATE        62988   3406  2013/02/16     96       NaN       NaN  
GENDER                   62985      2           男  48134       NaN       NaN  
FFP_TIER                 62988    NaN         NaN    NaN   4.10216  0.373856  
WORK_CITY                60719   3310          廣州   9385       NaN       NaN  
WORK_PROVINCE            59740   1185          廣東  17507       NaN       NaN  
WORK_COUNTRY             62962    118          CN  57748       NaN       NaN  
...

以下是處理後數據
                         空值數       最大值   最小值
MEMBER_NO                   0     62988     1
FFP_DATE                    0       NaN   NaN
FIRST_FLIGHT_DATE           0       NaN   NaN
GENDER                      3       NaN   NaN
FFP_TIER                    0         6     4
WORK_CITY                2269       NaN   NaN
WORK_PROVINCE            3248       NaN   NaN
WORK_COUNTRY               26       NaN   NaN
AGE                       420       110     6
LOAD_TIME                   0       NaN   NaN
FLIGHT_COUNT                0       213     2
BP_SUM                      0    505308     0
...

5. 數據預處理

import pandas as pd
datafile= '/home/kesci/input/date27730/air_data.csv' #航空原始數據,第一行為屬性標籤
cleanedfile = '' #數據清洗後保存的文件
data = pd.read_csv(datafile,encoding='utf-8') #讀取原始數據，指定UTF-8編碼（需要用文本編輯器將數據裝換為UTF-8編碼）
data = data[data['SUM_YR_1'].notnull() & data['SUM_YR_2'].notnull()] #票價非空值才保留
#只保留票價非零的，或者平均折扣率與總飛行公裡數同時為0的記錄。
index1 = data['SUM_YR_1'] != 0
index2 = data['SUM_YR_2'] != 0
index3 = (data['SEG_KM_SUM'] == 0) & (data['avg_discount'] == 0) #該規則是「與」,書上給的代碼無法正常運行，修改'*'為'&'
data = data[index1 | index2 | index3] #該規則是「或」
print(data)
# data.to_excel(cleanedfile) #導出結果

————————————————————以下是處理後數據————————
      MEMBER_NO    FFP_DATE FIRST_FLIGHT_DATE GENDER  FFP_TIER  \
0          54993  2006/11/02        2008/12/24      男         6  
1          28065  2007/02/19        2007/08/03      男         6  
2          55106  2007/02/01        2007/08/30      男         6  
3          21189  2008/08/22        2008/08/23      男         5  
4          39546  2009/04/10        2009/04/15      男         6  
5          56972  2008/02/10        2009/09/29      男         6  
6          44924  2006/03/22        2006/03/29      男         6  
7          22631  2010/04/09        2010/04/09      女         6  
8          32197  2011/06/07        2011/07/01      男         5  
9          31645  2010/07/05        2010/07/05      女         6  

6. 屬性規約原始數據中屬性太多，根據航空公司客戶價值LRFMC模型，選擇與模型相關的六個屬性

刪除其他無用屬性，如會員卡號等等

def reduction_data(data):
   data = data[['LOAD_TIME', 'FFP_DATE', 'LAST_TO_END', 'FLIGHT_COUNT', 'SEG_KM_SUM', 'avg_discount']]
   # data['L']=pd.datetime(data['LOAD_TIME'])-pd.datetime(data['FFP_DATE'])
   # data['L']=int(((parse(data['LOAD_TIME'])-parse(data['FFP_ADTE'])).days)/30)
   d_ffp = pd.to_datetime(data['FFP_DATE'])
   d_load = pd.to_datetime(data['LOAD_TIME'])
   res = d_load - d_ffp
   data2=data.copy()
   data2['L'] = res.map(lambda x: x / np.timedelta64(30 * 24 * 60, 'm'))
   data2['R'] = data['LAST_TO_END']
   data2['F'] = data['FLIGHT_COUNT']
   data2['M'] = data['SEG_KM_SUM']
   data2['C'] = data['avg_discount']
   data3 = data2[['L', 'R', 'F', 'M', 'C']]
   return data3
data3=reduction_data(data)
print(data3)

————————————以下是以上代碼處理後數據————————————
               L    R    F       M         C
0       90.200000    1  210  580717  0.961639
1       86.566667    7  140  293678  1.252314
2       87.166667   11  135  283712  1.254676
3       68.233333   97   23  281336  1.090870
4       60.533333    5  152  309928  0.970658
5       74.700000   79   92  294585  0.967692
6       97.700000    1  101  287042  0.965347
7       48.400000    3   73  287230  0.962070
8       34.266667    6   56  321489  0.828478

7. 數據變換

L=LOAD_TIME-FFP_DATE(會員入會時間距觀測窗口結束的月數=觀測窗口的結束時間-入會時間（單位：月）)

R=LAST_TO_END（客戶最近一次乘坐公司距觀測窗口結束的月數=最後一次。。。）

F=FLIGHT_COUNT(觀測窗口內的飛行次數)

M=SEG_KM_SUM(觀測窗口的總飛行裡程)

C=AVG_DISCOUNT(平均折扣率)

def zscore_data(data):
   data = (data - data.mean(axis=0)) / data.std(axis=0)
   data.columns = ['Z' + i for i in data.columns]
   return data
data4 = zscore_data(data3)
data4

————————————以下是以上代碼處理後數據————————————
        ZL           ZR         ZF           ZM         ZC
0     1.435707    -0.944948   14.034016   26.761154   1.295540
1     1.307152    -0.911894   9.073213    13.126864   2.868176
2     1.328381    -0.889859   8.718869    12.653481   2.880950
3     0.658476    -0.416098   0.781585    12.540622   1.994714
4     0.386032    -0.922912   9.923636    13.898736   1.344335
5     0.887281    -0.515257   5.671519    13.169947   1.328291

模型構建
1. 客戶聚類

利用K-Means聚類算法對客戶數據進行客戶分群，聚成五類（根據業務理解和需要，分析與討論後，確定客戶類別數量）。

代碼如下：

inputfile = r'/home/kesci/input/date27730/zscoreddata.xls' #待聚類的數據文件
k = 5                       #需要進行的聚類類別數
#讀取數據並進行聚類分析
data = pd.read_excel(inputfile) #讀取數據
#調用k-means算法，進行聚類分析
kmodel = KMeans(n_clusters = k, n_jobs = 4) #n_jobs是並行數，一般等於CPU數較好
kmodel.fit(data) #訓練模型
r1 = pd.Series(kmodel.labels_).value_counts()
r2 = pd.DataFrame(kmodel.cluster_centers_)
r = pd.concat([r2, r1], axis=1)
r.columns = list(data.columns) + ['類別數目']
# print(r)
# r.to_excel(classoutfile,index=False)
r = pd.concat([data, pd.Series(kmodel.labels_, index=data.index)], axis=1)
r.columns = list(data.columns) + ['聚類類別']
print(kmodel.cluster_centers_)
print(kmodel.labels_)
r

[[-0.70078704 -0.41513666 -0.1607619  -0.16049688 -0.25665898]
[-0.31411607  1.68662534 -0.57386257 -0.53661609 -0.17243195]
[ 0.48347647 -0.79941777  2.48236495  2.42356419  0.30943042]
[ 1.16033496 -0.37744106 -0.0870043  -0.09499704 -0.15836889]
[ 0.05165705 -0.00258448 -0.23089344 -0.23513858  2.17775056]]
[3 3 3 ... 3 3 3]
        ZL          ZR         ZF           ZM           ZC    聚類類別
0     1.689882    0.140299    -0.635788   0.068794    -0.337186   3
1     1.689882    -0.322442   0.852453    0.843848    -0.553613   3
2     1.681743    -0.487707   -0.210576   0.158569    -1.094680   3
3     1.534185    -0.785184   0.002030    0.273091    -1.148787   3
4     0.890167    -0.426559   -0.635788   -0.685170   1.231909    4
5     -0.232618   -0.690983   -0.635788   -0.603898   -0.391293   0
6     -0.496949   1.996225    -0.706656   -0.661752   -1.311107   1

就剩下最後一步，畫圖：

def density_plot(data):
   plt.rcParams['font.sans-serif']=['SimHei']
   plt.rcParams['axes.unicode_minus']=False
   p=data.plot(kind='kde',linewidth=2,subplots=True,sharex=False)
   [p[i].set_ylabel('密度') for i in range(5)]
   [p[i].set_title('客戶群%d' %i) for i in range(5)]
   plt.legend()
   plt.show()
   return plt
density_plot(data4)

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()  

客戶群1：red，

客戶群2：green，

客戶群3：yellow，

客戶群4：blue，

客戶群5：black

客戶關係長度L，消費時間間隔R，消費頻率F，飛行裡程M，折扣係數的平均值C。

橫坐標上，總共有五個節點，按順序對應LRFMC。

對應節點上的客戶群的屬性值，代表該客戶群的該屬性的程度。

2. 客戶價值分析

我們重點關注的是L，F，M，從圖中可以看到：

客戶群4[blue] 的F,M很高，L也不低，可以看做是重要保持的客戶；

客戶群3[yellow] 重要發展客戶

客戶群1[red] 重要挽留客戶，原因：入會時間長，但是F,M較低

客戶群2[green] 一般客戶

客戶群5[black] 低價值客戶

重要保持客戶：R（最近乘坐航班）低，F（乘坐次數）、C（平均折扣率高，艙位較高）、M（裡程數）高。最優先的目標，進行差異化管理，提高滿意度。

重要發展客戶：R低，C高，F或M較低，潛在價值客戶。雖然說，當前價值不高，但是卻有很大的發展潛力，促使這類客戶在本公司消費和合作夥伴處消費。

重要挽留客戶：C、F、M較高，但是較長時間沒有乘坐（R）小。增加與這類客戶的互動，了解情況，採取一定手段，延長客戶生命周期。

一般與低價值客戶：C、F、M、L低，R高。他們可能是在公司打折促銷時才會乘坐本公司航班。

3. 模型應用

4. 交叉銷售

通過發行聯名卡與非航空公司各做，使得企業在其他企業消費過程中獲得本公司的積分，增強與本公司聯繫，提高忠誠度。

5. 管理模式

企業要獲得長期的豐厚利潤，必須需要大量穩定的、高質量的客戶

維持老客戶的成本遠遠低於新客戶，保持優質客戶是十分重要的

精準營銷中，也有成本因素，所以按照客戶價值排名，進行優先的，特別的營銷策略，是維持客戶的關鍵。

6.小結

本文，結合航空公司客戶價值案例的分析，重點介紹了數據挖掘算法中K-Means聚類算法的應用。 針對，傳統RFM模型的不足，結合案例進行改造，設定了五個指標的LRFMC模型。最後通過聚類的結果，選出客戶價值排行，並且制定相應策略。