二八定律：20%的客戶，為企業帶來約80%的利益。在企業的客戶關系管理中，對客戶分類，區分不同價值的客戶。針對不同價值的客戶提供個性化服務方案，采取不同營銷策略，將有限營銷資源集中于高價值客戶，實現企業利潤最大化目標。在競爭激烈的航空市場里，很多航空公司都推出了優惠的營銷方式來吸引更多的客戶。在此種環境下，如何將公司有限的資源充分利用，提示企業競爭力，為企業帶來更多的利益。案例背景廣泛用于分析客戶價值的是RFM模型，它是通過三個指標（最近消費時間間隔(Recency)、消費頻率(Frequency)、消費金額(Monetary)）來進行客戶細分，識別出高價值的客戶。如果分析航空公司客戶價值，此模型不再適用，存在一些缺陷和不足：二：傳統模型分析是利用屬性分箱方法進行分析如圖，但是此方法細分的客戶群太多，需要一一識別客戶特征和行為,提高了針對性營銷的成本。一：在模型中，消費金額表示在一段時間內，客業產品金額的總和。因航空票價受到運輸距離、艙位等級等多種因素影響，同樣消費金額的不同旅客對航空公司的價值是不同的。因此這個指標并不適合用于航空公司的客戶價值分析。傳統方法存在的缺陷客戶信息屬性說明航空客戶信息數據原始數據情況原始數據情況客戶信息屬性說明，針對航空客戶的信息，對每個屬性進行相應說明。以過去某個時間點為結束時間，某一時間長度作為寬度，得到歷史時間范圍內的一個時間段。原始數據情況航空客戶信息，其中已經包含會員檔案信息和其乘坐航班記錄等挖掘目標借助航空公司客戶數據，對客戶進行分類；對不同的客戶類別進行特征分析，比較不同類客戶的客戶價值；對不同價值的客戶類別提供個性化服務，制定相應的營銷策略。分析方法與過程因消費金額指標在航空公司中不適用，故選擇客戶在一定時間內累積的飛行里程M和客戶乘坐艙位折扣系數的平均值C兩個指標代替消費金額。此外，考慮航空公司會員加入時間在一定程度上能夠影響客戶價值，所以在模型中增加客戶關系長度L，作為區分客戶的另一指標，因此構建出LRPFMC模型。采用聚類的方法對客戶進行細分，并分析每個客戶群的特征，識別其客戶價值。初步分析：提出適用航空公司的LRPFMC模型分析方法與過程總體流程：分析方法與過程以2014-03-31為結束時間，選取寬度為兩年的時間段作為分析觀測窗口，抽取觀測窗口內有乘機記錄的所有客戶的詳細數據形成歷史數據。對于后續新增的客戶詳細信息，利用其數據中最大的某個時間點作為結束時間，采用上述同樣的方法進行抽取，形成增量數據。根據末次飛行日期，從航空公司系統內抽取2012-04-01至2014-03-31內所有乘客的詳細數據，總共62988條記錄。第1步：數據抽取分析方法與過程第2步：探索分析原始數據中存在票價為空值，票價為空值的數據可能是客戶不存在乘機記錄造成。票價最小值為0、折扣率最小值為0、總飛行公里數大于0的數據。其可能是客戶乘坐0折機票或者積分兌換造成。編程練習分析方法與過程數據清洗：從業務以及建模的相關需要方面考慮，篩選出需要的數據丟棄票價為空的數據。丟棄票價為0、平均折扣率不為0、總飛行公里數大于0的數據。第3步：數據預處理編程練習分析方法與過程屬性規約：原始數據中屬性太多，根據LRFMC模型，選擇與其相關的六個屬性，刪除不相關、弱相關或冗余的屬性。第3步：數據預處理分析方法與過程數據變換屬性構造數據標準化第3步：數據預處理分析方法與過程數據變換屬性構造：因原始數據中并沒有直接給出LRPFMC六個指標，需要構造這五個指標。第3步：數據預處理L=LOAD_TIME-FFP_DATE會員入會時間距觀測窗口結束的月數=觀測窗口的結束時間-入會時間[單位：月R=LAST_TO_END客戶最近一次乘坐公司飛機距觀測窗口結束的月數=最后一次乘機時間至觀察窗口末端時長[單位：月]F=FLIGHT_COUNT客戶在觀測窗口內乘坐公司飛機的次數=觀測窗口的飛行次數[單位：次]M=SEG_KM_SUM客戶在觀測時間內在公司累計的飛行里程=觀測窗口總飛行公里數[單位：公里]C=AVG_DISCOUNT客戶在觀測時間內乘坐艙位所對應的折扣系數的平均值=平均折扣率[單位：無]分析方法與過程數據變換數據標準化：因五個指標的取值范圍數據差異較大，為了消除數量級數據帶來的影響，需要對數據進行標準化處理。第3步：數據預處理屬性名稱LRFMC最小值12.230.0323680.14最大值114.6324.372135807171.5編程練習分析方法與過程第5步：構建模型構建航空客戶價值分析模型客戶K-Means聚類客戶價值分析模型應用分析方法與過程第5步：構建模型客戶K-Means聚類采用K-Means聚類算法對客戶數據進行分群，將其聚成五類（需要結合業務的理解與分析來確定客戶的類別數量）。編程練習分析方法與過程第5步：構建模型客戶價值分析對聚類結果進行特征分析，其中客戶群1在F、M屬性最大，在R屬性最小；客戶群2在L屬性上最大；客戶群3在R屬性上最大，在F、M屬性最小；客戶群4在L、C屬性上最小；客戶群5在C屬性上最大。分析方法與過程第5步：構建模型客戶價值分析根據業務定義五個等級的客戶類別：重要保持客戶、重要發展客戶、重要挽留客戶、一般客戶、低價值客戶。分析方法與過程第5步：構建模型客戶價值分析客戶群價值排名：根據每種客戶類型的特征，對各類客戶群行客戶價值排名，獲取高價值客戶信息。分析方法與過程第5步：構建模型模型應用：根據各個客戶群的特征，可采取一些營銷手段和策略。會員的升級與保級。首次兌換。交叉銷售。拓展思考在國內航空市場競爭日益激烈的背景下，客戶流失問題是影響公司利益的重要因素之一。如何如何改善流失問題，繼而提高客戶滿意度、忠誠度，維護自身的市場和利益？客戶流失分析可以針對目前老客戶進行分類預測。針對航空公司客戶信息數據附件（見：/示例程序/air_data.csv）可以進行老客戶以及客戶類型的定義（例如：將其中將飛行次數大于6次的客戶定義為老客戶，已流失客戶定義為：第二年飛行