航空客户价值分析实验说明

一、项目背景

（1）行业内竞争：民航的竞争除了三大航空公司之间的竞争之外，还将加入新崛起的各类小型航空公司、民营航空公司，甚至国外航空巨头。航空产品生产过剩，产品同质化特征愈加明显，于是航空公司从价格、服务间的竞争逐渐转向对客户的竞争

（2）行业外竞争：随着高铁、动车等铁路运输的兴建，航空公司受到巨大冲击。

二、航空公司数据说明

目前航空公司已积累了大量的会员档案信息和其乘坐航班记录。

以2014-03-31为结束时间，选取宽度为两年的时间段作为分析观测窗口，抽取观测窗口内有乘机记录的所有客户的详细数据形成历史数据，44个特征，总共62988条记录，数据文件以csv存储。部分数据特征及其说明如下表所示。

三、项目目标

结合目前航空公司的数据情况，可以实现以下目标。（客户价值资料）

（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，比较不同类别客户的客户价值。

（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

四、项目具体流程和实施方案

航空客户价值画像分析项目的总体流程如图所示。

根据项目流程实施方案拆解如下：

1、数据预处理部分由数据库实现

（1）数据读入：【将将结构化数据导入数据库（62988✖44）】

（2）数据清洗

航空公司客户原始数据存在少量的缺失值和异常值，需要清洗后才能用于分析。

I.通过对数据观察发现原始数据中存在票价为空值，票价最小值为0，折扣率最小值为0，总飞行公里数大于0的记录。票价为空值的数据可能是客户不存在乘机记录造成。

处理方法：丢弃票价为空的记录。

这类数据所占比例较小，对于问题影响不大，因此对其进行丢弃处理。

处理方法：保留票价非0，或者平均折扣率不为0且总飞行公里数大于0的记录。

II.其他的数据可能是客户乘坐0折机票或者积分兑换造成。由于原始数据量大，

（3）特征构建

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，作为区分客户的一个特征。L特征定义为：会员入会时间距观测窗口结束的月数。

其余四个特征可以在原始数据中获取

（4）数据标准化

为了消除KMeans聚类分析量纲的差异，需要标准化训练的特征L、R、F、M、C，采用Zscore形式进行数据标准化，标准化形式如下：

其中表示每一列的均值，表示每一列的样本标准差，此处可借助数据库统计函数实现

（5）数据预处理结果和数据挖掘模型训练环节的衔接

2、分析与建模部分由采用数据挖掘大数据平台实现

（1）加载建模数据集

（2）选择适当K值，采用KMeans聚类，进行客户分群

（3）输出各个客户群里的关键特征代表值

（4）输出样本数据的类别标签

3、项目结果解读及应用

（1）对不同的客户类别进行特征分析，比较不同类别客户的客户价值。结合可视化图表如雷达图、分散分布图等对模型的结果进行解读

（2）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。