python航空公司客户价值分析模型应用 航空公司客户细分

python之航空公司客户价值分析 （一）

• 背景与挖掘目标
• 分析方法与过程

背景与挖掘目标

企业营销的焦点从产品中心转变为客户中心，客户关系管理成为企业的核心问题。客户管理关键是客户分类，通过客户分类，区分一般价值客户以及高价值客户，企业针对不同价值客户制定个性化服务方案，采取不同的营销策略，将有限营销资源集中于高价值客户，实现企业利润最大化。
针对航空公司数据：

1. 根据航空公司客户数据，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

表1 航空信息属性表

分析方法与过程

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（Recency）,消费频率（Frequency）和消费金额（Monetary））来进行客户分析，识别出高价值客户，简称RFM模型。
在RFM模型中，由于航空票价受距离、舱位等级诸多元素影响，同样消费金额的不同旅客对航空公司的价值是不同的。例如，一位购买长航线、低等级舱位票的旅客与一位购买短航线、高等级舱位的旅客相比，后者价值更大一些。所以，这个指标不适合航空公司的客户价值分析。
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五个指标作为航空公司识别客户价值指标，记为LRFMC模型。

模型	L	R	F	M	C
航空公司LRFMC模型	会员入会时间距观测窗口结束的月数	客户最近一次乘坐公司飞机距观测窗口结束的月数	客户在观测窗口内乘坐公司飞机的次数	客户在观测窗口内累计的飞行里程	客户在观测窗口内乘坐舱位所对应的折扣系数的平均值

本案例采用聚类的方法识别客户价值。通过对航空公司客户价值的LRFMC模型的五个指标进行K-Means聚类，识别出有价值客户。