一、引言
企业在面向客户制定运营策略、营销策略时，希望能够针对不同的客户推行不同的策略，实现精准化运营，以期获取最大的转化率。客户关系管理是精准化运营的基础，而客户关系管理的核心是客户分类。通过客户分类，对客户群体进行细分，区别出低价值客户与高价值客户，对不同的客户群体开展不同的个性化服务，将有限的资源合理地分配给不同价值的客户，从而实现效益最大化。
本章将使用航空公司客户数据，结合 RFM 模型，采用 K – Means 聚类算法，对客户进行分群，比较不同类别客户的价值，从而制定相应的营销策略。
二、数据探索
1、查找每列属性观测值个数、最大值、最小值
#对数据进行基本的探索
#返回缺失值个数以及最大、最小值
import pandas as pd
import matplotlib.pyplot as plt
datafile = 'D:\\WeChat_Documents\\WeChat Files\\FileStorage\\File\\2023-03\\air_data.csv' #航空原始数据，第一行为属性标签
resultfile = 'D:\\WeChat_Documents\\WeChat Files\\FileStorage\\File\\2023-03\\expore.csv' #数据探索结果表
#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
data = pd.read_csv(datafile,encoding = 'utf-8')
#包括对数据的基本描述，percentiles参数是指定计算多少的分位数表（如1/4分位数、中位数等）
explore = data.describe(percentiles = [],include = 'all').T
#describe()函数自动计算非空值，需要计算空值数
explore['null'] = len(data)-explore['count']
explore = explore[['null','max','min']]
explore.columns = [u'空值数',u'最大值',u'最小值'] #表头重命名
'''
这里只选取部分探索结果
describle()函数自动计算的字段有count(非空值数)、unique(唯一值数)、
top(频率最高者)、freq(最高频数)、mean(平均值)、std(方差)、min(最小值)、
50%(中位数)、max(最大值)
'''
explore.to_csv(resultfile) #导出结果输出explore.csv文件
2、选取客户基本信息中的入会时间、性别、会员卡级别和年龄字段进行探索分析，探索客户的基本信息分布情况
#客户信息类别
#提取会员入会年份
from datetime import datetime
ffp = data['FFP_DATE'].apply(lambda x:datetime.strptime(x,'%Y/%m/%d'))
ffp_year = ffp.map(lambda x : x.year)
#绘制各年份会员入会人数直方图
fig = plt.figure(figsize=(8,5)) #设置画布大小
plt.rcParams['font.sans-serif'] = ['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号
plt.hist(ffp_year,bins = 'auto',color = '#0504aa')
plt.xlabel('年份')
plt.ylabel('入会人数')
plt.title('各年份会员入会人数(3001)')
plt.show()
plt.close
#会指挥员不同性别人数
male = pd.value_counts(data['GENDER'])['男']
female = pd.value_counts(data['GENDER'])['女']
#会指挥员性别比例饼图
fig = plt.figure(figsize=(7,4))
plt.pie([male, female],labels=['男','女'],colors=['lightskyblue','lightcoral'],autopct = '%1.1f%%')
plt.title('会员性别比例(3001)')
plt.show()
plt.close
#提取不同级别会员人数
lv_four = pd.value_counts(data['FFP_TIER'])[4]
lv_five = pd.value_counts(data['FFP_TIER'])[5]
lv_six = pd.value_counts(data['FFP_TIER'])[6]
#会指挥员各级别人数条形图
fig = plt.figure(figsize=(8,5))
plt.bar(x=range(3),height=[lv_four,lv_five,lv_six],width=0.4,alpha=0.8,color='skyblue')
plt.xticks([index for index in range(3)],['4','5','6'])
plt.xlabel('会员等级')
plt.ylabel('会员人数')
plt.title('会员各级别人数(3001)')
plt.show()
plt.close()
#提取会员年龄
age = data['AGE'].dropna()
age = age.astype('int64')
#绘制会员年龄分布箱型图
fig = plt.figure(figsize=(5,10))
plt.boxplot(age,
patch_artist=True,
labels = ['会员年龄'], #设置x轴光标
boxprops = {'facecolor':'lightblue'}) #设置填充颜色
plt.title('会员年龄分布箱型图(3001)')
#设置y坐标轴的底线
plt.grid(axis='y')
plt.show()
plt.close得到如下的4张图
3、选取最后一次乘坐至结束的时长、客户乘机信息中的飞行次数、总飞行公里数进行探索分析，探索客户的乘机信息分布情况
lte = data['LAST_TO_END']
fc = data['FLIGHT_COUNT']
sks = data['SEG_KM_SUM']
#绘制最后乘机直至结束时长箱型图
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
fig = plt.figure(figsize=(5, 8))
plt.boxplot(lte,
patch_artist=True,
labels=['时长'], #设置x轴光标
boxprops={'facecolor' : 'lightblue'}) #设置填充颜色
plt.title('会员最后乘机至结束时长分布箱型图(3001)')
#显示y轴的底线
plt.grid(axis='y')
plt.show()
plt.close()
#绘制客户飞行次数箱型图
fig = plt.figure(figsize=(5, 8))
plt.boxplot(fc, patch_artist=True,
labels=['飞行次数'], #设置x轴光标
boxprops={'facecolor' : 'lightblue'}) #设置填充颜色
plt.title('会员飞行次数分布箱型图(3001)')
#显示y轴的底线
plt.grid(axis='y')
plt.show()
plt.close()
#绘制客户总飞行公里数箱型图
fig = plt.figure(figsize=(5, 8))
plt.boxplot(sks,
patch_artist=True,
labels=['总飞行公里数'], #设置x轴光标
boxprops={'facecolor' : 'lightblue'}) #设置填充颜色
plt.title('客户总飞行公里数箱型图(3001)')
#显示y轴的底线
plt.grid(axis='y')
plt.show()
plt.close得到如下3张箱型图
4、选取积分兑换次数、总积累积分进行探索分析，探索客户的基本信息分布情况
#积分信息类别
#提取会员积分兑换次数
ec=data['EXCHANGE_COUNT']
#绘制会员兑换积分次数直方图
fig=plt.figure(figsize=(8,5))
plt.hist(ec,bins=5,color='#0504aa')
plt.xlabel('兑换次数')
plt.ylabel('会员人数')
plt.title('会员兑换积分次数分布直方图(3001)')
plt.show()
plt.close
#提取会员总累计积分
ps=data['Points_Sum']
fig=plt.figure(figsize=(5,8))
plt.boxplot(ps,
patch_artist=True,
labels=['总累计积分'], #设置x轴光标
boxprops={'facecolor':'lightblue'}) #设置填充颜色
plt.title('客户总累计积分箱型图(3001)')
#显示y轴的底线
plt.grid(axis='y')
plt.show()
plt.close得到以下2张图
5、客户信息属性之间存在相关性。通过相关系数矩阵与热力图分析各属性间的相关性
#提取属性并合并为新数据集
data_corr=data[['FFP_TIER','FLIGHT_COUNT','LAST_TO_END','SEG_KM_SUM','EXCHANGE_COUNT','Points_Sum']]
age1=data['AGE'].fillna(0)
data_corr['AGE']=age1.astype('int64')
data_corr['ffp_year']=ffp_year
#计算相关矩阵
dt_corr=data_corr.corr(method='pearson')
print('相关性矩阵为:\n',dt_corr)
#绘制热力图
import seaborn as sns
plt.subplots(figsize=(10,10))
sns.heatmap(dt_corr,annot=True,vmax=1,square=True)
plt.title('热力图(3001)')
plt.show()
plt.close得到以下矩阵和热力图
三、数据预处理与K-meas聚类分析绘制雷达图
1、数据清洗，对满足清洗条件的数据进行丢弃
import numpy as np
import pandas as pd
datafile = 'D:\\WeChat_Documents\\WeChat Files\\FileStorage\\File\\2023-03\\air_data.csv' #原始数据路径
cleanedfile = 'D:\\WeChat_Documents\\WeChat Files\\FileStorage\\File\\2023-03\\data_cleaned.csv' #数据清洗后保存的文件路径
#读取数据
airline_data = pd.read_csv(datafile,encoding = 'utf-8')
print('原始数据的形状为：',airline_data.shape)
#去除票价为空的记录
airline_notnull = airline_data.loc[airline_data['SUM_YR_1'].notnull() &
airline_data['SUM_YR_2'].notnull(),:]
print('删除缺失记录后数据的形状为：',airline_notnull.shape)
#只保留票价非零的，或者平均折扣率不为0且总飞行公里数大于0的记录
index1 = airline_notnull['SUM_YR_1']!= 0
index2 = airline_notnull['SUM_YR_2'] != 0
index3 = (airline_notnull['SEG_KM_SUM']> 0) & (airline_notnull['avg_discount'] != 0)
index4 = airline_notnull['AGE'] > 100 # 去除年龄大于100的记录
airline = airline_notnull[(index1 | index2) & index3 & ~index4]
print('数据清洗后数据的形状为：',airline.shape)
airline.to_csv(cleanedfile) # 保存清洗后的数据得到清洗前后的数据形状
2、属性选择
import pandas as pd
import numpy as np
# 读取数据清洗后的数据
cleanedfile = r'D:\\WeChat_Documents\\WeChat Files\\FileStorage\\File\\2023-03\\data_cleaned.csv' # 数据清洗后保存的文件路径
airline = pd.read_csv(cleanedfile, encoding = 'utf-8')
# 选取需求属性
airline_selection = airline[['FFP_DATE','LOAD_TIME','LAST_TO_END',
'FLIGHT_COUNT','SEG_KM_SUM','avg_discount']]
print('筛选的属性前5行为：\n',airline_selection.head())
得到选择后的数据集
3、属性构建与数据标准化
# 构造属性L
L = pd.to_datetime(airline_selection['LOAD_TIME']) - \
pd.to_datetime(airline_selection['FFP_DATE'])
L = L.astype('str').str.split().str[0]
L = L.astype('int')/30
# 合并属性
airline_features = pd.concat([L,airline_selection.iloc[:,2:]],axis = 1)
airline_features.columns = ['L','R','F','M','C']
print('构建的LRFMC属性前5行为：\n',airline_features.head())
# 数据标准化
from sklearn.preprocessing import StandardScaler
data = StandardScaler().fit_transform(airline_features)
np.savez(r'D:\\WeChat_Documents\\WeChat Files\\FileStorage\\File\\2023-03\\airline_scale.npz',data)
print('标准化后LRFMC五个属性为：\n',data[:5,:])得到标准化处理后的数据集
4、K-Meas聚类标准化
import pandas as pd
import numpy as np
from sklearn.cluster import KMeans # 导入kmeans算法
# 读取标准化后的数据
airline_scale = np.load(r'D:\\WeChat_Documents\\WeChat Files\\FileStorage\\File\\2023-03\\airline_scale.npz')['arr_0']
k = 5 # 确定聚类中心数
# 构建模型，随机种子设为123
kmeans_model = KMeans(n_clusters = k, random_state = 123)
fit_kmeans = kmeans_model.fit(airline_scale) # 模型训练
# 查看聚类结果
kmeans_cc = kmeans_model.cluster_centers_ # 聚类中心
print('各类聚类中心为：\n',kmeans_cc)
kmeans_labels = kmeans_model.labels_ # 样本的类别标签
print('各样本的类别标签为：\n',kmeans_labels)
r1 = pd.Series(kmeans_model.labels_).value_counts() # 统计不同类别样本的数目
print('最终每个类别的数目为：\n',r1)
# 输出聚类分群的结果
cluster_center = pd.DataFrame(kmeans_model.cluster_centers_,\
columns = ['ZL','ZR','ZF','ZM','ZC']) # 将聚类中心放在数据框中
cluster_center.index = pd.DataFrame(kmeans_model.labels_ ).\
drop_duplicates().iloc[:,0] # 将样本类别作为数据框索引
print(cluster_center)得到聚类结果
5、绘制客户分群雷达图
%matplotlib inline
import matplotlib.pyplot as plt
# 客户分群雷达图
labels = ['ZL','ZR','ZF','ZM','ZC']
legen = ['客户群' + str(i + 1) for i in cluster_center.index] # 客户群命名
lstype = ['-','--',(0, (3, 5, 1, 5, 1, 5)),':','-.']
kinds = list(cluster_center.iloc[:, 0])
# 由于雷达图要保证数据闭合，因此再添加L列，并转换为 np.ndarray
cluster_center = pd.concat([cluster_center, cluster_center[['ZL']]], axis=1)
centers = np.array(cluster_center.iloc[:, 0:])
# 分割圆周长，并让其闭合
n = len(labels)
angle = np.linspace(0, 2 * np.pi, n, endpoint=False)
angle = np.concatenate((angle, [angle[0]]))
# 绘图
fig = plt.figure(figsize = (8,6))
ax = fig.add_subplot(111, polar=True) # 以极坐标的形式绘制图形
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号
# 画线
for i in range(len(kinds)):
ax.plot(angle, centers[i], linestyle=lstype[i], linewidth=2, label=kinds[i])
# 添加属性标签
angles = angle * 180 /np.pi
ax.set_thetagrids(angles[:-1], labels)
plt.title('客户特征分析雷达图(3001)')
plt.legend(legen)
plt.show()
plt.close得到客户分群雷达图
四、客户流失分析
在这里，做一个对原始数据判断分类。对老客户（飞行次数大于6）做一个客户类型定义：第二年的飞行次数与第一年的飞行次数比例小于50%为已流失客户、大于等于50%且小于90%的为准流失客户、大于90%的为为流失客户
#判断客户类型
import pandas as pd
data_input = 'D:\\WeChat_Documents\\WeChat Files\\FileStorage\\File\\2023-03\\air_data.csv' #航空原始数据，第一行为属性标签
data = pd.read_csv(data_input) #读取数据
data_print = 'D:\\WeChat_Documents\\WeChat Files\\FileStorage\\File\\2023-03\\customer_information.csv' #客户信息数据
#选取特征
data['飞行次数比例'] = data['L1Y_Flight_Count'] / data['P1Y_Flight_Count'] #第二年飞行次数与第一年飞行次数的比例
#筛选出老客户(飞行次数大于6次的为老客户)
data = data[data['FLIGHT_COUNT'] > 6]
data = data[['MEMBER_NO','飞行次数比例']]
data.to_csv(data_print,index = None)
data = pd.read_csv(data_print)
data['客户类型'] = None
for i in range(len(data)):
#比例小于50%的客户为已流失客户
if data['飞行次数比例'][i]< 0.5:
data['客户类型'][i] = 0 #0代表已流失客户
#比例大于50%且小于90%的客户为准流失客户
if (data['飞行次数比例'][i]>= 0.5) and (data['飞行次数比例'][i]< 0.9):
data['客户类型'][i] = 1 #1代表准流失客户
#比例大于90%的客户为未流失客户:
if data['飞行次数比例'][i]> 0.9:
data['客户类型'][i] = 2 #2代表未流失客户
#描述
print(data)得到文件customer_information.csv，输出文件信息
文章出处登录后可见！
已经登录？立即刷新
