中文字幕在线观看,亚洲а∨天堂久久精品9966,亚洲成a人片在线观看你懂的,亚洲av成人片无码网站,亚洲国产精品无码久久久五月天

數(shù)據(jù)挖掘?qū)崙?zhàn):帶你做客戶價值分析(附代碼)

2018-08-10    來源:raincent

容器云強勢上線!快速搭建集群,上萬Linux鏡像隨意使用
背景與挖掘目標(biāo)

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(zhǔn)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(biāo)

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(biāo)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(biāo)(消費時間間隔(Recency),消費頻率(Frequency),消費金額(Monetary))

以上指標(biāo)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(biāo)。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(biāo)L=入會時間長度=客戶關(guān)系長度

總共確定了五個指標(biāo),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(biāo),作為航空公司識別客戶價值指標(biāo),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(zhǔn)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

 

 

 

 

--

 

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

 

 

 

 

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

 

 

 

 

7. 數(shù)據(jù)變換

意思是,將原始數(shù)據(jù)轉(zhuǎn)換成“適當(dāng)”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(biāo)準(zhǔn)化 3.需要構(gòu)造LRFMC的五個指標(biāo)

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)

 

 

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:

 

 

 

 

就剩下最后一步,畫圖:

 

 

 

 

 

 

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(biāo)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(biāo),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(dāng)前價值不高,但是卻有很大的發(fā)展?jié)摿Γ偈惯@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(biāo)準(zhǔn),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(zhǔn)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(biāo)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。

標(biāo)簽: 代碼 排名 優(yōu)惠

版權(quán)申明:本站文章部分自網(wǎng)絡(luò),如有侵權(quán),請聯(lián)系:west999com@outlook.com
特別注意:本站所有轉(zhuǎn)載文章言論不代表本站觀點!
本站所提供的圖片等素材,版權(quán)歸原作者所有,如需使用,請與原作者聯(lián)系。

上一篇:從數(shù)據(jù)治理看醫(yī)療大數(shù)據(jù)的發(fā)展

下一篇:國內(nèi)傳統(tǒng)企業(yè)對Hadoop到底什么態(tài)度?