《机器学习Python实战》课件 19-项目9 项目拓展-航空公司客户价值分析

机器学习Python实战

项目9

项目拓展--航空公司客户价值分析航空公司客户价值分析

航空公司拥有大量的乘客数据，但问题是：哪些客户是真正高价值的？

哪些客户值得投入更多资源去维系？传统的方法可能只看总消费金额，但这样太粗放了。我们需要一种数据驱动的方法，从客户的行为模式中自动发现不同的群体。这里我们就要应用k-Means聚类算法——它能够根据客户在多个维度上的行为特征，把相似的客户聚在一起，从而帮助我们识别出不同类型的客户群。

使用航空公司客户数据，结合客户价值分析模型，采用k均值聚类算法，对客户进行分群，比较不同类别客户的客户价值。任务目标航空公司客户价值分析航空公司客户价值分析RFM模型最近一次消费距今的时间（Recency）R一定时间内的消费频率（Frequency）F一定时间内的消费总金额（Monetary）M3个指标RFM模型是客户价值分析的经典框架，通过三个核心指标刻画客户行为：航空公司客户价值分析LRFMC模型

传统RFM模型中的M（消费金额）在航空业中存在问题：相同金额可能对应短途头等舱或长途经济舱，两者对航空公司的价值完全不同。因此将M替换为飞行里程（SEG_KM_SUM），更直接反映客户对航司的贡献。同时引入平均折扣率（avg_discount）作为补充指标，折扣率数值越高（即购买全价票越多）的客户价值越高。购买长航线、低等级舱位票的旅客购买短航线、高等级舱位票的旅客更高航空公司客户价值分析LRFMC模型平均折扣率=客户购买机票时所享受折扣力度的平均水平=C距离因素=一定时间内积累的飞行里程=M考虑到航空公司的会员系统，用户的入会时间长短能在一定程度上影响客户价值，所以增加指标：入会时间长度=客户关系长度=L

本例中，由于航空公司受飞行距离、平均折扣率影响，因此需要引入LRFMC模型进行适配。航空公司客户价值分析LRFMC模型最近乘机距今的时间间隔R飞行次数F飞行总里程M平均折扣率C入会时长L航空公司客户价值分析LRFMC模型L会员入会时间距观测窗口结束的月数。R客户最近一次乘坐航空公司飞机距离观测窗口结束的月数。F客户在观测窗口内乘坐航空公司飞机的次数。M客户在观测窗口内累计的飞行总里程。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。航空公司客户价值分析1.读取并查看数据利用pandas.read_csv()方法读取航空公司客户详细信息文件air_data.csv，该数据集是航空公司整理的教学案例数据集，选取时间段“2012-4-1”至“2014-3-31”import

pandas

as

pd

data

=

pd.read_csv('air_data.csv',encoding='gb18030')print(data.shape)#查看前5行data.head()图1航空公司客户数据前5行航空公司客户价值分析2.构建LRFMC模型选择与LRFMC模型指标相关的6个属性：FFP_DATELOAD_TIMEFLIGHT_COUNTavg_discountSEG_KM_SUMLAST_TO_END

航空公司客户价值分析2.构建LRFMC模型（1）入会时间长度L=观测窗口的结束时间−入会时间（单位：月），如式（9-1）所示：L=LOAD_TIME−FFP_DATE （9-1）R=LAST_TO_END （9-2）F=FLIGHT_COUNT （9-3）（2）最近乘机距今的时间长度R（单位：月），如式（9-2）所示：（3）飞行次数F（单位：次），如式（9-3）所示：航空公司客户价值分析2.构建LRFMC模型M=SEG_KM_SUM （9-4）C=avg_discount （9-5）（4）飞行总里程M（单位：千米），如式（9-4）所示：（5）平均折扣率C（单位：无），如式（9-5）所示： 航空公司客户价值分析2.构建LRFMC模型#L:入会时间长度（月）L=(pd.to_datetime(data['LOAD_TIME'])-pd.to_datetime(data['FFP_DATE'])).dt.days/30#合并指标，提取'LAST_TO_END'、'FLIGHT_COUNT'、'SEG_KM_SUM'、'avg_discount'四列与L指标，利用pandas.concat()进行列合并，并赋值给变量features

features

=

pd.concat((L,

data[['LAST_TO_END',

'FLIGHT_COUNT',

'SEG_KM_SUM',

'avg_discount']]),

axis=1)#将变量

features

的列名重命名为

'L','R','F','M','C'features.columns

=

['L','R','F','M','C']print("特征预览:")print(features)print("\n特征描述统计:")print(features.describe())航空公司客户价值分析2.构建LRFMC模型图2LRFMC数据航空公司客户价值分析3.数据标准化完成LRFMC模型5个指标的提取后，查看每个特征的数据分布情况。#查看各组数据的最大值、最小值features.describe()图3各组数据最大值、最小值从输出可见，L、R、M等指标量级差异很大（L约为几十个月，M可达数十万千米），若直接使用原始数据进行距离计算，量级大的指标会主导聚类结果。航空公司客户价值分析3.数据标准化由于不同的特征量级差异较大，因此这里对其进行标准化处理。#导入标准化函数

StandardScalerfrom

sklearn.preprocessing

import

StandardScalerscaler

=

StandardScaler()#对变量

features

进行标准化处理features_scaler

=

scaler.fit_transform(features)航空公司客户价值分析4.模型构建k-means算法主要就在于k值的确定上面，到底是将k值确定为几才能进行更好的分类？因为是无监督学习的聚类分析问题，所以不存在绝对正确的值，需要进行研究试探。这里采用计算SSE绘制手肘图的方法，尝试找到最佳的k值。航空公司客户价值分析4.模型构建from

sklearn.cluster

import

KMeans

import

matplotlib.pyplot

as

plt#肘方法确定k值inertia

=

[]k_range=range(1,9)for

k

in

k_range:

model

=

KMeans(n_clusters=k,random_state=42)

model.fit(features_scaler)

#inertia_样本到最近的聚类中心的距离平方之和

inertia.append((model.inertia_)

plt.figure(figsize=(8,5))plt.plot(k_range,inertia,'o-')plt.xlabel('k')plt.ylabel('Inertia(SSE)')plt.title('肘方法确定最佳k值')plt.show()航空公司客户价值分析4.模型构建图4航空公司客户信息手肘图肘图中，距离平方和Inertia随k增大单调递减，在k=4到k=5区间下降速度明显放缓。结合业务场景此处选择k=5作为聚类数。航空公司客户价值分析4.模型构建#构建k-means模型，聚类中心数

n_clusters=5kmodel

=

KMeans(n_clusters

=

5,random_state=42)#训练模型kmodel.fit(features_scaler)#查看样本的类别标签kmodel.labels_图5样本的类别标签航空公司客户价值分析4.模型构建#统计各簇样本数量cluster_counts=pd.Series(kmodel.labels_).value_counts().sort_index()#获取聚类中心cluster_centers=pd.DataFrame(kmodel.cluster_centers_,columns=features.columns)#合并聚类中心与样本数量cluster_summary=pd.concat([cluster_centers,cluster_counts],axis=1)cluster_summary.columns=list(features.columns)+['样本数量']print(cluster_summary)统计各个类别的数目图6各个类别的数目航空公司客户价值分析5.绘制雷达图针对聚类结果，绘制雷达图进行特征分析。#

绘制雷达图#

中文和负号的正常显示plt.rcParams['font.sans-serif']

=

'SimHei'plt.rcParams['font.size']

=

12.0plt.rcParams['axes.unicode_minus']

=

False#设置特征标签名feature_names

=

["L入会时长",

"R最近乘机时间间隔",

"M飞行总里程",

"F飞行次数",

"C平均折扣率"]#特征数目N

=len(feature)航空公司客户价值分析5.绘制雷达图#极坐标角度设置angles=np.linspace(0,2*np.pi,N,endpoint=False)angles=np.concatenate((angles,[angles[0]]))#闭合#标签闭合labels=np.concatenate((feature_names,[feature_names[0]]))#创建画布fig=plt.figure(figsize=(10,8))ax=fig.add_subplot(111,polar=True)ax.set_thetagrids(angles*180/np.pi,labels,fontsize=15)#绘图数据：聚类中心+样本数plot_data=cluster_summary.valuesfori,rowinenumerate(plot_data):#取出聚类中心（5维），首尾拼接实现闭合center_vals=np.concatenate((row[:-1],[row[0]]))ax.plot(angles,center_vals,'o-',linewidth=2,label=f"第{i+1}簇人群，{int(row[-1])}人")ax.fill(angles,center_vals,alpha=0.25)plt.title('客户群特征分析雷达图',fontsize=20)plt.legend(loc='upperright',bbox_to_anchor=(1.3,1.0))plt.show()航空公司客户价值分析5.绘制雷达图图7客户群特征分布雷达图航空公司客户价值分析6.总结分析价值等级客户类型对应簇核心特征运营策略★★★★★重要保持客户第3簇，4567人F高、M高、R低最高资源倾斜★★★★☆重要发展客户