python数据分析与挖掘实战---航空公司客户价值分析_潜在用户挖掘 python

航空公司客户价值分析

一、 背景与挖掘目标

**** 客户关系管理是企业的核心问题，关键在于客户的分类：区别无价值客户，高价值客户，针对不同客户群体有的放矢投放具体服务方案，实现企业利润最大化的目标。

各大航空公司采取优惠措施喜迎更多客户，国内航司面对客户流失和资源未完全利用等危机，因此建立一个客户价值评估模型来实现对客户的分类。

二、 分析方法与过程

本次的分析目的在于客户价值识别，客户价值识别最常用的模型是 RFM模型：R（最近消费时间间隔）F（消费频率）M（消费金额）。 ****

飞机票价取决于飞行距离和仓位等级，消费同等金额票价的旅客对航司的价值不一定相同：购买短程头等舱的旅客和购买长途经济舱的旅客，明显前者对航司的贡献更大。所以对
M（消费金额）建模时要进行修改：用里程数平均值M和仓位折扣系数平均值C来代替消费的金额。

同时，考虑旅客中，加入会员的时间越长，客户的潜在价值一般越高，所以定义一个客户关系长度 L,作为区分客户的另一指标。

接下来针对 LRFMC模型，对客户进行区分。

LRFMC模型：

（ 1）客户关系长度L：航空公司会员时间的长短。

（ 2）是消费时间间隔R。

（ 3）消费频率F。

（ 4） 飞行里程M。

（ 5） 折扣系数的平均值C。

LRFMC模型指标含义：

（ 1） L：会员入会时间距观测窗口结束的月数。

（ 2） R：客户最近一次乘坐公司飞机距离观测窗口结束的月数。

（ 3） F：客户在观测窗口内乘坐公司飞机的次数。

（ 4） M：客户在观测窗口内累计的飞行里程碑。

（ 5） C：客户在观测窗口内乘坐仓位所对应的折扣系数的平均值。

方法：本案例采用聚类的方法，通过对航空公司客户价值的 LRFMC模型的五个指标进行K-Means聚类，识别客户价值。

三、 数据描述

给出所有属性的基本信息，共 25个属性，均无大量缺失现象或缺失现象很少。

![](https://img-
blog.csdn.net/20180519095826447?wat