标签：rom .com 时间间隔 会员 otn 指标 营销 column panda
数据集：http://pan.baidu.com/s/1clfQY6
挖掘目标
（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，比价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。
分析方法与过程
识别客户价值应用最广泛的模型指标：最近消费时间间隔，消费频率，消费金额（RFM模型）。
本案例考虑项目指标（LRFMC模型）：
（1） 客户关系长度L：航空公司会员时间的长短。
（2） 是消费时间间隔R。
（3） 消费频率F。
（4） 飞行里程M。
（5） 折扣系数的平均值C。
观测窗口：以过去某个时间段为结束时间，某一时间长度作为宽度，得到历史时间范围内的一个时间段。
LRFMC模型指标含义：
（1） L：会员入会时间距观测窗口结束的月数。
（2） R：客户最近一次乘坐公司飞机距离观测窗口结束的月数。
（3） F：客户在观测窗口内乘坐公司飞机的次数。
（4） M：客户在观测窗口内累计的飞行里程碑。
（5） 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。
方法：本案例采用聚类的方法，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，识别客户价值。
总体流程：数据抽取->数据预处理（数据清洗（缺失值填补舍弃等），属性规约（提取需要特征数据），数据变换（转换适当格式））->建模->结果
代码实践
1. 数据抽取
以2014-03-31为结束时间，选取宽度为两年的时间段为分析窗口，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。
抽取2012-04-01至2014-03-31所有乘客的详细数据，总共62988条，44个属性。
2. 数据探索分析
查找每列属性观测值个数，最大值，最小值。完整代码如下：
1 # -*- coding: UTF-8 -*- 2 #对数据进行基本的探索 3 #返回缺失值个数以及最大值最小值 4 5 import pandas as pd 6 7 datafile=‘air_data.csv‘#航空原始数据，第一行为属性标签 8 9 resultfile=‘explore.xls‘#数据探索结果表 10 11 data=pd.read_csv(datafile,encoding=‘utf-8‘) #读取原始数据，指定UTF-8编码（需要用文本编辑器将数据转换为UTF-8） 12 explore=data.describe(percentiles=[],include=‘all‘).T #.T对数据进行转置，方便查阅，percentiles是指定计算多少的分位数（如1/4分位数，中位数） 13 ‘‘‘describe（）函数自动计算字段count(非空值)，unique(唯一值)，top(频数最高者)，freq(最高频数)，std(方差)，min(最小值)， 14 50%（中位数），max(最大值)‘‘‘ 15 16 explore[‘null‘]=len(data)-explore[‘count‘] #describe()函数自动计算非空值，需要手动计算空值,每个属性空值数 17 explore=explore[[‘null‘,‘max‘,‘min‘]] 18 explore.columns=[u‘空值数‘,u‘最大值‘,u‘最小值‘] #表头重命名 19 20 explore.to_excel(resultfile) #导出结果
效果如下：
3.数据预处理
数据清洗，属性规约，数据变换。
3.1数据清洗
通过数据探索分析，发现数据中存在缺失值，由于原始数据量大，这类数据量少，对其进行丢弃处理。
（1）丢弃票价为空的记录。
（2）丢弃票价为0、平均折扣率不为0、总飞行公里数等于0的记录。
满足清洗条件的一行数据全部丢弃，使用Pandas对满足清洗条件的数据进行丢弃。
完整代码如下：
1 # -*- coding: UTF-8 -*- 2 # 数据清洗，过滤掉不符合规则的数据 3 4 import pandas as pd 5 6 datafile = ‘air_data.csv‘ # 航空原始数据，第一行为属性标签 7 cleanedfile = ‘data_cleaned.scv‘ # 数据清洗后保存文件 8 9 data = pd.read_csv(datafile, encoding=‘utf-8‘) # 读取原始数据，指定UTF-8编码 10 data = data[data[‘SUM_YR_1‘].notnull() * 11 data[‘SUM_YR_2‘].notnull()] # 票价非空值才保留 12 13 # 只保留票价非零的，或者平均折扣率与总飞行公里数同时为0的记录 14 index1 = data[‘SUM_YR_1‘] != 0 # 属性下面返回True或者False 15 index2 = data[‘SUM_YR_2‘] != 0 16 index3 = (data[‘SEG_KM_SUM‘] == 0) & (data[‘avg_discount‘] == 0) # 该规则是与‘ 17 18 data = data[index1 | index2 | index3] 19 20 data.to_csv(cleanedfile, encoding=‘utf-8‘) # 导出实验结果
3.2属性规约
根据我们建立的LRFMC模型，提取这五个特征，删除语气不相关的属性。
3.3数据变换
将数据变换成‘适当的’格式。通过数据变换来构造这个五个特征。
计算方式如下：
(1) L=LOAD_TIME-FFP_DATE
会员入会时间距观测窗口结束的月数=观测窗口的结束时间-入会时间[单位：月]
(2) R=LAST_TO_END
客户最近一次乘坐公司飞机距观测窗口结束的月数=最后一次乘机时间至观测窗口末端时长[单位：月]
（3）F=FLIGHT_COUNT
客户在观测窗口内乘坐公司飞机的次数=观测窗口飞行次数[单位：次]
（4）M=SEG_KM_SUM
客户在观测时间内在公司累计的飞行里程=观测窗口的总飞行里数[单位：公里]
（5）C=AVG_DISCOUNT
客户在观测时间内乘坐舱位所对应的折扣系数的平均值=平均折扣率[单位：无]
提取5个特征后生成文件：zscoredata.xls
发现5个特征取值范围差异较大，现对数据进行标准化
1 # -*- coding: UTF-8 -*- 2 # 对数据进行基本的探索 3 # 返回缺失值个数以及最大值最小值 4 5 import pandas as pd 6 7 datafile = ‘zscoredata.xls‘ # 航空原始数据，第一行为属性标签 8 zscoredfile = ‘zscoreddata.xls‘ # 标准化后的数据储存路径 9 10 # 标准化处理 11 data = pd.read_excel(datafile) 12 data = (data - data.mean(axis=0)) / (data.std(axis=0)) # 标准化变换 13 14 data.columns = [‘Z‘ + i for i in data.columns] # 表头重命名 15 16 data.to_excel(zscoredfile, index=False) # 写入数据,False不要序列
4.构建模型
客户价值分析模型包括两个：
（1） 根据5个特征对客户进行聚类分群。
（2） 对每个客户群进行特征分析，分析客户价值，并对每个客户进行排名。
完整代码如下：
1 #-*- coding: utf-8 -*- 2 #K-Means聚类算法 3 4 import pandas as pd 5 from sklearn.cluster import KMeans #导入K均值聚类算法 6 7 inputfile = ‘zscoreddata.xls‘ #待聚类的数据文件 8 k = 5 #需要进行的聚类类别数 9 10 #读取数据并进行聚类分析 11 data = pd.read_excel(inputfile) #读取数据 12 13 #调用k-means算法，进行聚类分析 14 if __name__==‘__main__‘: 15 kmodel = KMeans(n_clusters = k, n_jobs = 8) #n_jobs是并行数，一般等于CPU数较好 16 kmodel.fit(data) #训练模型 17 18 kmodel.cluster_centers_ #查看聚类中心 19 kmodel.labels_ #查看各样本对应的类别
客户价值分析：
根据聚类结果构造客户群特征分析图。
根据特征值大小总结出每个群体优势特征和弱势特征，将客户群分为四类：
a重要保持客户：平均折扣率高，乘坐次数或里程高，最近坐过本公司航班。
b重要发展客户：平均折扣率较高，乘坐次数和里程较低。
c重要挽留客户：平均折扣率，乘坐次数或者里程较高，较长时间没坐本公司航班。
d一般与低价值客户：折扣率低，较长时间未做本公司航班，乘坐次数或里程较低，入会时长短。
标签：rom .com 时间间隔 会员 otn 指标 营销 column panda
原文地址：http://www.cnblogs.com/yinghuali/p/7204877.html
