案例編號：

102004

案例名稱：

航空公司客戶價值分析

作者姓名（或單位、或來源）：

朱江

案例所屬行業：

G56 航空運輸業

案例所用軟件：

R

案例包含知識點：

讀取數據，描述性數據分析，探索性數據分析，數據清洗，多元回歸分析

案例描述：

客戶關系管理（CRM, Customer Relationship Management）在企業營銷過程中舉足輕重的地位目前已經毋庸置疑，企業針對不同價值的客戶制定優化的個性化服務方案，采取不同的營銷策略，將有限的營銷資源集中于高價值客戶，實現企業利潤最大化目標，準確的客戶分類結果是企業優化營銷資源分配的重要依據。

客戶價值識別最廣泛使用的模型是RFM模型，有三個指標：最近消費時間間隔（Recency），消費頻（Frequency），消費金額（Monetary）。RFM采用屬性分箱方法，依據屬性的平均值進行劃分，可以細分出八個客戶群。

其中消費金額表示客戶購買該企業產品在一段時間內金額的總和，而航空票價受運輸距離、艙位等級等多種因素影響，類似的金額可能會有不同的價值，例如購買長航線、低等級艙位票的旅客與購買短航線、高等級艙位票的旅客對于航空公司的價值是不同的，后者明顯高些。故這個指標用來做航空公司客戶價值分析不太合適，故我們選擇客戶在一定時間內累計的飛行里程M，以及客戶在一定時間內乘坐艙位所對應的折扣系數的平均值C兩個指標代替消費金額。同時會員時間的長短在一定程度上也能反映客戶價值，故我們添加客戶關系長度L，作為區分另一個客戶的指標。

傳統的RFM模型用在這里以來細分的客戶群太多，提高了針對性營銷的成本，二來指標不夠準確和符合業務要求，故這里我們適當的改進和添加指標進行聚類，聚類模型用到的指標有：L會員入會時間距觀測窗口結束的月數，R客戶最近一次乘坐公司飛機距觀測窗口結束的月數，F客戶在觀測窗口內乘坐公司飛機的次數，M客戶在觀測窗口內累計的飛機行程，C客戶在觀測窗口內乘坐艙位所對應的折扣系數的平均值。即對這五個指標進行K-Means聚類。

本案例共包含四個知識點。

1.數據探索分析，查看關心數據的分布情況

2.數據清洗

3.數據標準化

4.模型構建

案例執行形式：

單人上機

二、案例知識點：

知識點1：

知識點名稱：數據探索分析

知識點所屬工作角色：

數據導入，數據探索

知識點背景：

使用R導入最常用的csv格式的文件，并且對部分變量匯總

知識點描述

通過函數讀入csv格式的數據，通過summary函數總結關心的變量 

知識點關鍵詞：

R 讀取數據 五數概括

知識點所用軟件：

Rstudio

操作目的：

R讀取csv文件，五數概括

知識點素材（包括數據）：

air_data.csv

操作步驟:

1.啟動Rstudio

2.使用read.csv讀取數據，設置相應的參數，這里我們設置表頭為真。

3.使用summary函數五數概括要探索分析的變量

操作結果：

將R代碼文件保存為data_explore.R以備后續使用。

知識點小結：

讀取csv文件的時候注意常用的參數設置，本案例涉及到的參數設置較為簡單，通過?read.csv查看更多的參數設置以便高效準確的讀取數據。

對于變量常見的概括方式是使用summary函數進行五數概括，可以方便的查看變量的五個分位點的值以及均值，如包含缺失值會顯示缺失值數量

知識點2：

知識點名稱：數據清洗

知識點所屬工作角色：

數據清洗

知識點背景：

對缺失值以及不合邏輯的數據進行處理

知識點描述

去除缺失值行，異常值行

知識點關鍵詞：

缺失值 數據清洗

知識點所用軟件：

Rstudio

操作目的：

處理缺失值

找到不和業務邏輯的異常值行，并且處理

知識點素材（包括數據）：

air_data.csv

操作步驟:

1.讀取數據air_data.csv

2.刪除票價為空的記錄

3.刪除票價為0、平均折扣率不為0、且總飛行公里數大于0的數據

 

4.將清洗后的數據寫到data_clean.csv文件

操作結果：

根據業務邏輯清洗數據

將清洗后的數據保存在文件中

知識點小結：

通過業務邏輯產生邏輯索引，清除不需要的觀測

知識點3：

知識點名稱：數據標準化

知識點所屬工作角色：

數據清洗

知識點背景：

在進行聚類之前，當變量之間的遠近通過歐式距離度量的時候，距離很容易受到不同變量量綱的影響，為了消除這些量綱，需要將變量標準化，也可以成為正則化

知識點描述

數據標準化

知識點關鍵詞：

標準化 

知識點所用軟件：

Rstudio

操作目的：

對各變量進行標準化，便于之后的聚類分析

知識點素材（包括數據）：

zscoredata.csv

操作步驟:

1.讀取數據

 

2.數據標準化

3.將標準化后的數據寫入文件

操作結果：

將五個變量正則化，并且將正則化后的數據保存在文件中

知識點小結：

注意在聚類之前正則化數據即可

知識點4：

知識點名稱：模型構建

知識點所屬工作角色：

K-means聚類

知識點背景：

通過K-means聚類對客戶進行分群

知識點描述

K-means聚類

知識點關鍵詞：

K-means聚類

知識點所用軟件：

Rstudio

操作目的：

使用K-means聚類對客戶分群

知識點素材（包括數據）：

data_scale.csv

操作步驟:

1.讀取之前保存的正則化數據

 

2.客戶聚類，設置聚類類別數為5

 

3.查看聚類結果

操作結果：

可以看到聚類結果還是比較均勻的，可以從每個聚類中心去分析每一類所代表的客戶類別，從而將其歸到相應的營銷策略中

知識點小結：

K均值聚類是根據歐幾里德距離對觀測進行分類的方法，屬于聚類中較為簡單常用的一種，聚類后的重點在于根據聚類中心結合業務知識應用到具體的情景中去，例如本案例對客戶分群。

學數據分析技能一定要了解的大廠入門券，CDA數據分析師認證證書！

CDA（數據分析師認證），與CFA相似，由國際范圍內數據科學領域行業專家、學者及知名企業共同制定并修訂更新，迅速發展成行業內長期而穩定的全球大數據及數據分析人才標準，具有專業化、科學化、國際化、系統化等特性。

同時，CDA全?？荚嚥季趾驼J證體系已得到教育部直屬中國成人教育協會認可，并由為IBM、華為等提供全球認證服務的Pearson VUE面向全球提供靈活的考試服務。

報名方式

登錄CDA認證考試官網注冊報名>>點擊報名

報名費用

Level Ⅰ：1200 RMB

Level Ⅱ：1700 RMB

Level Ⅲ：2000 RMB

考試地點

Level Ⅰ：中國區30+省市，70+城市，250+考場，考生可就近考場預約考試 >看看我所在的地哪里報名<

Level Ⅱ+Ⅲ：中國區30所城市，北京/上海/天津/重慶/成都/深圳/廣州/濟南/南京/杭州/蘇州/福州/太原/武漢/長沙/西安/貴陽/鄭州/南寧/昆明/烏魯木齊/沈陽/哈爾濱/合肥/石家莊/呼和浩特/南昌/長春/大連/蘭州>看看我所在的地哪里報名<

報考條件

業務數據分析師 CDA Level I >了解更多<

? 報考條件：無要求。

? 考試時間：隨報隨考。

建模分析師 CDA Level II >了解更多<

? 報考條件（滿足任一即可）：

1、獲得CDA Level Ⅰ認證證書；

2、本科及以上學歷，需從事數據分析相關工作1年以上；

3、本科以下學歷，需從事數據分析相關工作2年以上。

? 考試時間：

一年四屆 3月、6月、9月、12月的最后一個周六。

大數據分析師 CDA Level II >了解更多<

? 報考條件（滿足任一即可）：

1、獲得CDA Level Ⅰ認證證書；

2、本科及以上學歷，需從事數據分析相關工作1年以上；

3、本科以下學歷，需從事數據分析相關工作2年以上。

? 考試時間：

一年四屆 3月、6月、9月、12月的最后一個周六。

數據科學家  CDA Level III >了解更多<

? 報考條件（滿足任一即可）：

1、獲得CDA Level Ⅱ認證證書；

2、本科及以上學歷，需從事數據分析相關工作3年以上；

3、本科以下學歷，需從事數據分析相關工作4年以上。

? 考試時間：

一年四屆 3月、6月、9月、12月的最后一個周六。

（備注：數據分析相關工作不限行業，可涉及統計，數據分析，數據挖掘，數據庫，數據管理，大數據架構等內容。）

——熱門課程推薦：

想學習PYTHON數據分析與金融數字化轉型精英訓練營，您可以點擊>>>“人才轉型”了解課程詳情；

想從事業務型數據分析師，您可以點擊>>>“數據分析師”了解課程詳情；

想從事大數據分析師，您可以點擊>>>“大數據就業”了解課程詳情；

想成為人工智能工程師，您可以點擊>>>“人工智能就業”了解課程詳情；

想了解Python數據分析，您可以點擊>>>“Python數據分析師”了解課程詳情；

想咨詢互聯網運營，你可以點擊>>>“互聯網運營就業班”了解課程詳情； 

想了解更多優質課程，請點擊>>>