1.问题的描述

1.1客户分类  1.2不同类客户的客户价值 

2.问题的分析

3.数据处理

3.1数据抽取  3.2数据探索分析  3.3 数据预处理      3.3.1数据清洗      3.3.2属性规约      3.3.3数据变换 

4.模型的建立与求解

4.1客户聚类  4.2客户价值分析

5.模型的应用

项目背景 在企业的客户关系管理中，对客户分类，区分不同价值的客户。针对不同价值的客户提供个性化服务方案，采取不同营销策略，将有限营销资源集中于高价值客户，实现企业利润最大化目标。识别客户价值应用最广泛的模型是通过三个指标（最近消费时间间隔（Recency）、消费频率(Frequency)、消费金额（Monetary））来进行客户细分，识别出高价值的客户，简称RFM模型。如果分析航空公司客户价值，此模型不再适用，存在一些缺陷和不足：一、在模型中，消费金额表示在一段时间内，客业产品金额的总和。由于航空票价收到运输距离、舱位等级等多种因素的影响，同样消费金额的不同旅客对航空公司的价值是不同的，比如一位购买长航线、低等级舱位票的旅客与一位购买短航线、高等级舱位票的旅客相比，后者对航空公司而言价值可能更高。因此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C两个指标代替消费金额。二、传统模型分析是利用属性分箱方法进行分析(如下图)，但是此方法细分的客户群太多，需要一一识别客户特征和行为,提高了针对性营销的成本。考虑航空公司会员入会时间的长短在一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，作为区分客户的另一指标。本案例将客户关系长度（L）、消费时间间隔（R）、消费频率（F）、飞行里程（M）和折扣系数的平均值（C）作为航空公司识别客户价值的五个指标，如下所示，记为LRFMC模型。L：会员入会时间距观测窗口结束的月数  R：客户最近一次乘坐公司飞机距观测窗口结束的月数  F：客户在观测窗口内乘坐公司飞机的次数  M：客户在观测时间内在公司累计的飞行里程  C：客户在观测窗口内乘坐舱位所对应的折扣系数的平均值

分析目标：

1. 借助航空公司客户数据，对客户进行分类；
2. 对不同的客户类别进行特征分析，比较不同类客户的客户价值；
3. 对不同价值的客户类别提供个性化服务，制定相应的营销策略。

。。。

具体的jupyternotebook文件：下载

数据下载

联系作者（QQ）：120487362