案例編號：

102004

案例名稱：

航空公司客戶價值分析

作者姓名（或單位、或來源）：

朱江

案例所屬行業(yè)：

G56 航空運輸業(yè)

案例所用軟件：

R

案例包含知識點：

讀取數據，描述性數據分析，探索性數據分析，數據清洗，多元回歸分析

案例描述：

客戶關系管理（CRM, Customer Relationship Management）在企業(yè)營銷過程中舉足輕重的地位目前已經毋庸置疑，企業(yè)針對不同價值的客戶制定優(yōu)化的個性化服務方案，采取不同的營銷策略，將有限的營銷資源集中于高價值客戶，實現企業(yè)利潤最大化目標，準確的客戶分類結果是企業(yè)優(yōu)化營銷資源分配的重要依據。

客戶價值識別最廣泛使用的模型是RFM模型，有三個指標：最近消費時間間隔（Recency），消費頻（Frequency），消費金額（Monetary）。RFM采用屬性分箱方法，依據屬性的平均值進行劃分，可以細分出八個客戶群。

其中消費金額表示客戶購買該企業(yè)產品在一段時間內金額的總和，而航空票價受運輸距離、艙位等級等多種因素影響，類似的金額可能會有不同的價值，例如購買長航線、低等級艙位票的旅客與購買短航線、高等級艙位票的旅客對于航空公司的價值是不同的，后者明顯高些。故這個指標用來做航空公司客戶價值分析不太合適，故我們選擇客戶在一定時間內累計的飛行里程M，以及客戶在一定時間內乘坐艙位所對應的折扣系數的平均值C兩個指標代替消費金額。同時會員時間的長短在一定程度上也能反映客戶價值，故我們添加客戶關系長度L，作為區(qū)分另一個客戶的指標。

傳統的RFM模型用在這里以來細分的客戶群太多，提高了針對性營銷的成本，二來指標不夠準確和符合業(yè)務要求，故這里我們適當的改進和添加指標進行聚類，聚類模型用到的指標有：L會員入會時間距觀測窗口結束的月數，R客戶最近一次乘坐公司飛機距觀測窗口結束的月數，F客戶在觀測窗口內乘坐公司飛機的次數，M客戶在觀測窗口內累計的飛機行程，C客戶在觀測窗口內乘坐艙位所對應的折扣系數的平均值。即對這五個指標進行K-Means聚類。

本案例共包含四個知識點。

1.數據探索分析，查看關心數據的分布情況

2.數據清洗

3.數據標準化

4.模型構建

案例執(zhí)行形式：

單人上機

二、案例知識點：

知識點1：

知識點名稱：數據探索分析

知識點所屬工作角色：

數據導入，數據探索

知識點背景：

使用R導入最常用的csv格式的文件，并且對部分變量匯總

知識點描述

通過函數讀入csv格式的數據，通過summary函數總結關心的變量 

知識點關鍵詞：

R 讀取數據 五數概括

知識點所用軟件：

Rstudio

操作目的：

R讀取csv文件，五數概括

知識點素材（包括數據）：

air_data.csv

操作步驟:

1.啟動Rstudio

2.使用read.csv讀取數據，設置相應的參數，這里我們設置表頭為真。

3.使用summary函數五數概括要探索分析的變量

操作結果：

將R代碼文件保存為data_explore.R以備后續(xù)使用。

知識點小結：

讀取csv文件的時候注意常用的參數設置，本案例涉及到的參數設置較為簡單，通過?read.csv查看更多的參數設置以便高效準確的讀取數據。

對于變量常見的概括方式是使用summary函數進行五數概括，可以方便的查看變量的五個分位點的值以及均值，如包含缺失值會顯示缺失值數量

知識點2：

知識點名稱：數據清洗

知識點所屬工作角色：

數據清洗

知識點背景：

對缺失值以及不合邏輯的數據進行處理

知識點描述

去除缺失值行，異常值行

知識點關鍵詞：

缺失值 數據清洗

知識點所用軟件：

Rstudio

操作目的：

處理缺失值

找到不和業(yè)務邏輯的異常值行，并且處理

知識點素材（包括數據）：

air_data.csv

操作步驟:

1.讀取數據air_data.csv

2.刪除票價為空的記錄

3.刪除票價為0、平均折扣率不為0、且總飛行公里數大于0的數據

 

4.將清洗后的數據寫到data_clean.csv文件

操作結果：

根據業(yè)務邏輯清洗數據

將清洗后的數據保存在文件中

知識點小結：

通過業(yè)務邏輯產生邏輯索引，清除不需要的觀測

知識點3：

知識點名稱：數據標準化

知識點所屬工作角色：

數據清洗

知識點背景：

在進行聚類之前，當變量之間的遠近通過歐式距離度量的時候，距離很容易受到不同變量量綱的影響，為了消除這些量綱，需要將變量標準化，也可以成為正則化

知識點描述

數據標準化

知識點關鍵詞：

標準化 

知識點所用軟件：

Rstudio

操作目的：

對各變量進行標準化，便于之后的聚類分析

知識點素材（包括數據）：

zscoredata.csv

操作步驟:

1.讀取數據

 

2.數據標準化

3.將標準化后的數據寫入文件

操作結果：

將五個變量正則化，并且將正則化后的數據保存在文件中

知識點小結：

注意在聚類之前正則化數據即可

知識點4：

知識點名稱：模型構建

知識點所屬工作角色：

K-means聚類

知識點背景：

通過K-means聚類對客戶進行分群

知識點描述

K-means聚類

知識點關鍵詞：

K-means聚類

知識點所用軟件：

Rstudio

操作目的：

使用K-means聚類對客戶分群

知識點素材（包括數據）：

data_scale.csv

操作步驟:

1.讀取之前保存的正則化數據

 

2.客戶聚類，設置聚類類別數為5

 

3.查看聚類結果

操作結果：

可以看到聚類結果還是比較均勻的，可以從每個聚類中心去分析每一類所代表的客戶類別，從而將其歸到相應的營銷策略中

知識點小結：

K均值聚類是根據歐幾里德距離對觀測進行分類的方法，屬于聚類中較為簡單常用的一種，聚類后的重點在于根據聚類中心結合業(yè)務知識應用到具體的情景中去，例如本案例對客戶分群。

學數據分析技能一定要了解的大廠入門券，CDA數據分析師認證證書！

CDA（數據分析師認證），與CFA相似，由國際范圍內數據科學領域行業(yè)專家、學者及知名企業(yè)共同制定并修訂更新，迅速發(fā)展成行業(yè)內長期而穩(wěn)定的全球大數據及數據分析人才標準，具有專業(yè)化、科學化、國際化、系統化等特性。

同時，CDA全棧考試布局和認證體系已得到教育部直屬中國成人教育協會認可，并由為IBM、華為等提供全球認證服務的Pearson VUE面向全球提供靈活的考試服務。

報名方式

登錄CDA認證考試官網注冊報名>>點擊報名

報名費用

Level Ⅰ：1200 RMB

Level Ⅱ：1700 RMB

Level Ⅲ：2000 RMB

考試地點

Level Ⅰ：中國區(qū)30+省市，70+城市，250+考場，考生可就近考場預約考試 >看看我所在的地哪里報名<

Level Ⅱ+Ⅲ：中國區(qū)30所城市，北京/上海/天津/重慶/成都/深圳/廣州/濟南/南京/杭州/蘇州/福州/太原/武漢/長沙/西安/貴陽/鄭州/南寧/昆明/烏魯木齊/沈陽/哈爾濱/合肥/石家莊/呼和浩特/南昌/長春/大連/蘭州>看看我所在的地哪里報名<

報考條件

業(yè)務數據分析師 CDA Level I >了解更多<

? 報考條件：無要求。

? 考試時間：隨報隨考。

建模分析師 CDA Level II >了解更多<

? 報考條件（滿足任一即可）：

1、獲得CDA Level Ⅰ認證證書；

2、本科及以上學歷，需從事數據分析相關工作1年以上；

3、本科以下學歷，需從事數據分析相關工作2年以上。

? 考試時間：

一年四屆 3月、6月、9月、12月的最后一個周六。

大數據分析師 CDA Level II >了解更多<

? 報考條件（滿足任一即可）：

1、獲得CDA Level Ⅰ認證證書；

2、本科及以上學歷，需從事數據分析相關工作1年以上；

3、本科以下學歷，需從事數據分析相關工作2年以上。

? 考試時間：

一年四屆 3月、6月、9月、12月的最后一個周六。

數據科學家  CDA Level III >了解更多<

? 報考條件（滿足任一即可）：

1、獲得CDA Level Ⅱ認證證書；

2、本科及以上學歷，需從事數據分析相關工作3年以上；

3、本科以下學歷，需從事數據分析相關工作4年以上。

? 考試時間：

一年四屆 3月、6月、9月、12月的最后一個周六。

（備注：數據分析相關工作不限行業(yè)，可涉及統計，數據分析，數據挖掘，數據庫，數據管理，大數據架構等內容。）

——熱門課程推薦：

想學習PYTHON數據分析與金融數字化轉型精英訓練營，您可以點擊>>>“人才轉型”了解課程詳情；

想從事業(yè)務型數據分析師，您可以點擊>>>“數據分析師”了解課程詳情；

想從事大數據分析師，您可以點擊>>>“大數據就業(yè)”了解課程詳情；

想成為人工智能工程師，您可以點擊>>>“人工智能就業(yè)”了解課程詳情；

想了解Python數據分析，您可以點擊>>>“Python數據分析師”了解課程詳情；

想咨詢互聯網運營，你可以點擊>>>“互聯網運營就業(yè)班”了解課程詳情； 

想了解更多優(yōu)質課程，請點擊>>>