航空公司客户价值分析（KMeans聚类）

PS.图片可能不清楚，代码 数据集都在 https://github.com/xubin97/Data-Mining_exp1

项目介绍：

本案例的目标是客户价值识别，通过航空公司客户数据识别不同价值的客户。识别客户价值应用最广泛的模型是通过3个指标(最近消费时间间隔、消费频带和消费金额)来进行客户细分，识别出高价值的客户，简称REFM 。

在RFM模型中，消费金额表示在一段时间内， 客户购买该企业产品金额的总和由于航空票价受到运输距离、舱位等级等多种因素影响，同样消费金额的不同旅名对航空公司的价值是不同的。例如，一位购买长航线、低等级舱位票的旅各与一位购买短航线、高等级验位票的旅客相比，后者对于航空公司而言价值可能更高。因此，这个指标并不适用于航空公司的客户价值分析151我们选择客户在一定时间内累积的飞行里程M和客户在一定时间内乘坐舱位所对应的折扣系数的平均值两个指标代替消费金额。此外，考虑航空公司会员人会时间的长短在定程度上能够影响客户价值，所以在模型中增加客户关系长度L.作烟区分客户的另一指标。

本案例将客户 关系长度、消费时间间隔、消费频率、飞行里程和折扣系数的平均值五个指标作为航空公司识别客户价值指标

数据探索

数据预处理

1.数据清洗

2.属性规约

3.数据转换

模型构建

特征分析

用雷达图进行分析

结果：

价值分析 特征分析

Customer 1： 在'平均折扣率'属性上最大，可定义为重要发展客户

Customer 2： 在'飞行总计' '飞行总里程'属性上较小，定义为一般客户

Customer 3： 在'飞行总计' '飞行总里程'属性最小，定义为低价值客户

Customer 4： 在'飞行总计' '飞行总里程'属性最大，定义为重要保持客户

Customer 5： 在'入会时长'属性最大，定义为重要挽留客户

每种客户类别的特征如下：

1.重要保持客户：'平均折扣率'（平均折扣率较高、仓位等级较高）、'飞行总计'、'飞行总里程'较高，'上一次飞行距今'（最近乘坐航班）低。应将资源优先投放到这类客户身上，进行差异化管理，提高客户的忠诚度和满意度。

2.重要发展客户：'平均折扣率'较高，这类客户入会时长短、当前价值低、发展潜力大，应促使客户增加在本公司和合作伙伴处的消费。

3.重要挽留客户：'平均折扣率'、'飞行总计'、'飞行总里程'较高，客户价值变化的不确定性高。应掌握客户最新信息、维持与客户的互动。

4.一般和低价值客户：其他属性都低、'上一次飞行距今'较高。这类客户可能在打折促销时才会选择消费。