數(shù)據(jù)挖掘實戰(zhàn)：帶你做客戶價值分析(附代碼)

背景與挖掘目標
1. 背景
    航空公司業(yè)務(wù)競爭激烈，從產(chǎn)品中心轉(zhuǎn)化為客戶中心
    針對不同類型客戶，進行精準營銷，實現(xiàn)利潤最大化
    建立客戶價值評估模型，進行客戶分類，是解決問題的辦法
2. 挖掘目標
    借助航空公司客戶數(shù)據(jù)，對客戶進行分類
    對不同的客戶類別進行特征分析，比較不同類客戶的客戶價值
    對不同價值的客戶類別提供個性化服務(wù)，制定相應(yīng)的營銷策略
詳情數(shù)據(jù)見數(shù)據(jù)集內(nèi)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
    首先，明確目標是客戶價值識別
    識別客戶價值，應(yīng)用最廣泛的模型是三個指標（消費時間間隔（Recency）,消費頻率（Frequency）,消費金額（Monetary））
    以上指標簡稱RFM模型，作用是識別高價值的客戶
        消費金額，一般表示一段時間內(nèi)，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(yīng)的折扣系數(shù)的平均值=C，距離因素=一定時間內(nèi)積累的飛行里程=M
        再考慮到，航空公司的會員系統(tǒng)，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(guān)系長度
        總共確定了五個指標，消費時間間隔R，客戶關(guān)系長度L，消費頻率F，飛行里程M和折扣系數(shù)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
    如果采用傳統(tǒng)的RFM模型，如下圖。它是依據(jù)，各個屬性的平均值進行劃分，但是，細分的客戶群太多，精準營銷的成本太高。

    綜上，這次案例，采用聚類的辦法進行識別客戶價值，以LRFMC模型為基礎(chǔ)

    本案例，總體流程如下圖

2.挖掘步驟
    從航空公司，選擇性抽取與新增數(shù)據(jù)抽取，形成歷史數(shù)據(jù)和增量數(shù)據(jù)
    對步驟一的兩個數(shù)據(jù)，進行數(shù)據(jù)探索性分析和預(yù)處理，主要有缺失值與異常值的分析處理，屬性規(guī)約、清洗和變換
    利用步驟2中的已處理數(shù)據(jù)作為建模數(shù)據(jù)，基于旅客價值的LRFMC模型進行客戶分群，對各個客戶群再進行特征分析，識別有價值客戶
    針對模型結(jié)果得到不同價值的客戶，采用不同的營銷手段，指定定制化的營銷服務(wù)，或者針對性的優(yōu)惠與關(guān)懷。（重點維護老客戶）
3. 數(shù)據(jù)抽取
    選取，2014-03-31為結(jié)束時間，選取寬度為兩年的時間段，作為觀測窗口，抽取觀測窗口內(nèi)所有客戶的詳細數(shù)據(jù)，形成歷史數(shù)據(jù)
    對于后續(xù)新增的客戶信息，采用目前的時間作為重點，形成新增數(shù)據(jù)
4. 探索性分析
    本案例的探索分析，主要對數(shù)據(jù)進行缺失值和異常值分析
    發(fā)現(xiàn)，存在票價為控制，折扣率為0，飛行公里數(shù)為0。票價為空值，可能是不存在飛行記錄，其他空值可能是，飛機票來自于積分兌換等渠道
    查找每列屬性觀測值中空值的個數(shù)、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(shù)據(jù),第一行為屬性標簽
resultfile = r'/home/kesci/work/test.xls' #數(shù)據(jù)探索結(jié)果表
data = pd.read_csv(datafile, encoding = 'utf-8') #讀取原始數(shù)據(jù)，指定UTF-8編碼（需要用文本編輯器將數(shù)據(jù)裝換為UTF-8編碼）
explore = data.describe(percentiles = [], include = 'all').T #包括對數(shù)據(jù)的基本描述，percentiles參數(shù)是指定計算多少的分位數(shù)表（如1/4分位數(shù)、中位數(shù)等）；T是轉(zhuǎn)置，轉(zhuǎn)置后更方便查閱
print(explore)
explore['null'] = len(data)-explore['count'] #describe()函數(shù)自動計算非空值數(shù)，需要手動計算空值數(shù)
explore = explore[['null', 'max', 'min']]
explore.columns = [u'空值數(shù)', u'最大值', u'最小值'] #表頭重命名
print('-----------------------------------------------------------------以下是處理后數(shù)據(jù)')
print(explore)
'''這里只選取部分探索結(jié)果。
describe()函數(shù)自動計算的字段有count（非空值數(shù)）、unique（唯一值數(shù)）、top（頻數(shù)最高者）、freq（最高頻數(shù)）、mean（平均值）、std（方差）、min（最小值）、50%（中位數(shù)）、max（最大值）'''

-----------------------------------------------------------------以下是處理前數(shù)據(jù)
                         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  
...

-----------------------------------------------------------------以下是處理后數(shù)據(jù)
                          空值數(shù)       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(shù)據(jù)預(yù)處理
    數(shù)據(jù)清洗
        丟棄票價為空記錄
        丟棄票價為0、平均折扣率不為0、總飛行公里數(shù)大于0的記錄
import pandas as pd
datafile= '/home/kesci/input/date27730/air_data.csv' #航空原始數(shù)據(jù),第一行為屬性標簽
cleanedfile = '' #數(shù)據(jù)清洗后保存的文件
data = pd.read_csv(datafile,encoding='utf-8') #讀取原始數(shù)據(jù)，指定UTF-8編碼（需要用文本編輯器將數(shù)據(jù)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里數(shù)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(guī)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(guī)則是“或”
print(data)
# data.to_excel(cleanedfile) #導(dǎo)出結(jié)果

————————————————————以下是處理后數(shù)據(jù)————————
       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(guī)約
    原始數(shù)據(jù)中屬性太多，根據(jù)航空公司客戶價值LRFMC模型，選擇與模型相關(guān)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后數(shù)據(jù)————————————
                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(shù)據(jù)變換

    意思是，將原始數(shù)據(jù)轉(zhuǎn)換成“適當”的格式，用來適應(yīng)算法和分析等等的需要
    本案例，主要采用數(shù)據(jù)變換的方式為屬性構(gòu)造和數(shù)據(jù)標準化 3.需要構(gòu)造LRFMC的五個指標
        L=LOAD_TIME-FFP_DATE(會員入會時間距觀測窗口結(jié)束的月數(shù)=觀測窗口的結(jié)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(jié)束的月數(shù)=最后一次。。。）
        F=FLIGHT_COUNT(觀測窗口內(nèi)的飛行次數(shù))
        M=SEG_KM_SUM(觀測窗口的總飛行里程)
        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后數(shù)據(jù)————————————
         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(gòu)建
1. 客戶聚類
利用K-Means聚類算法對客戶數(shù)據(jù)進行客戶分群，聚成五類（根據(jù)業(yè)務(wù)理解和需要，分析與討論后，確定客戶類別數(shù)量）。
代碼如下：
inputfile = r'/home/kesci/input/date27730/zscoreddata.xls' #待聚類的數(shù)據(jù)文件
k = 5                       #需要進行的聚類類別數(shù)
#讀取數(shù)據(jù)并進行聚類分析
data = pd.read_excel(inputfile) #讀取數(shù)據(jù)
#調(diào)用k-means算法，進行聚類分析
kmodel = KMeans(n_clusters = k, n_jobs = 4) #n_jobs是并行數(shù)，一般等于CPU數(shù)較好
kmodel.fit(data) #訓(xùn)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(shù)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
就剩下最后一步，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(guān)系長度L，消費時間間隔R，消費頻率F，飛行里程M，折扣系數(shù)的平均值C。
橫坐標上，總共有五個節(jié)點，按順序?qū)?yīng)LRFMC。
對應(yīng)節(jié)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(guān)注的是L，F(xiàn)，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(fā)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(xiàn)（乘坐次數(shù)）、C（平均折扣率高，艙位較高）、M（里程數(shù)）高。最優(yōu)先的目標，進行差異化管理，提高滿意度。
    重要發(fā)展客戶：R低，C高，F(xiàn)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(fā)展?jié)摿?，促使這類客戶在本公司消費和合作伙伴處消費。
    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，采取一定手段，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(yīng)用
    會員的升級與保級（積分兌換原理相同）
    會員可以分為，鉆石，白金，金卡，銀卡…
    部分客戶會因為不了解自身積分情況，錯失升級機會，客戶和航空公司都會有損失
    在會員接近升級前，對高價值客戶進行促銷活動，刺激他們消費達到標準，雙方獲利
4.交叉銷售
通過發(fā)行聯(lián)名卡與非航空公司各做，使得企業(yè)在其他企業(yè)消費過程中獲得本公司的積分，增強與本公司聯(lián)系，提高忠誠度。
5. 管理模式
    企業(yè)要獲得長期的豐厚利潤，必須需要大量穩(wěn)定的、高質(zhì)量的客戶
    維持老客戶的成本遠遠低于新客戶，保持優(yōu)質(zhì)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(yōu)先的，特別的營銷策略，是維持客戶的關(guān)鍵。
6.小結(jié)
本文，結(jié)合航空公司客戶價值案例的分析，重點介紹了數(shù)據(jù)挖掘算法中K-Means聚類算法的應(yīng)用。 針對，傳統(tǒng)RFM模型的不足，結(jié)合案例進行改造，設(shè)定了五個指標的LRFMC模型。最后通過聚類的結(jié)果，選出客戶價值排行，并且制定相應(yīng)策略。