1.背景及目标

1.1背景

• 市场竞争激烈，从产品中心转化为客户中心。
• 对客户进行区分，进行精准营销，实现利润最大化。
• 建立客户价值评估模型，进行客户分类，是解决问题的办法

1.2目标

• 借助商家客户数据，对客户进行分类。
• 对不同分类的客户进行特征分析，比较不同类客户的客户价值
• 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，实现利润的最大化。

2 分析方法

识别客户的价值，使用RFM模型（消费时间间隔（Recency）,消费频率（Frequency）,消费金额（Monetary））

3数据分析

3.1 数据解读

InvoiceNo:发票编码     StockCode:库存代码  Description:描述      Quantity:数量  

InvoiceDate:开票日期  UnitPrice:单价            CustomerID:顾客ID  Country:国家

3.2 数据统计分析

3.3 数据处理

去重，删除单价和数量小于0的数据，查看缺失值，统计缺失值所占比例，转换数据格式

删除CustomerID为空的数据，并且添加一列表示总价格Sales

3.4 计算购买频率F和最后一次交易日期M

合并数据并按照总价格降序排列

4 可视化

4.1查看数据大概分布

直方图

直方图显示不适合用中位数分层。所以接下来分类。

5 数据分类

KMeans将用户分为8类，将质心的平均数分别作为划分客户的阈值。

不同类型的客户总数：

不同类型的客户销售份额：

1. 分析背景

这是一份某电商平台的销售数据，数据包含2010年4月22到2014年7月24的销售数据。分析该销售数据，可以发现客户价值。
现利用KMeans聚类实现LRFM模型来分析客户的价值，便于客户分群，针对性推广，提高销售额。
LRFM模型定义：
L:会员创建日期距离距离2014年7月25的时间间隔（单位：月 ）
R:会员最近一次购买时间距离2014年7月25的时间间隔（单位：月 ）
F:会员购买次数
M:会员的总购买金额

2. 分析流程

3. 数据探索

3.1 导入相关包和读取数据

import numpy as np
import pandas as pd 
import matplotlib.pyplot as plt
from sklearn import preprocessing
from datetime import datetime
from sklearn.cluster import KMeans

plt.rcParams['font.sans-serif'] = 'SimHei'
%matplotlib inline

# 读取数据
df = pd.read_csv(r'C:/Users/Administrator/Desktop/RFM分析1.csv',
                engine='python')
# 查看行列                
df.shape

输出：

3.2 查看表结构

从图可以看出这里的数据只有class2有缺失值，这里暂时不用提取这个指标，暂不清洗。

3.3 描述性分析查看

这里销售金额为负数的情况，数据清洗的时候得把这些异常值过滤。

4. 数据清洗

4.1 将销售额<0的过滤掉

# 销售金额有小于等于0的，直接过滤掉
# 这里有22542条数据
data = df[df['销售金额'] >0]
data.shape

输出：

4.2 会员创建日期、销售日期转换成datetime格式

data['会员创建日期'] = pd.to_datetime(data['会员创建日期'])
data['销售日期'] = pd.to_datetime(data['销售日期'])

# 查看是否转换成功
data.info()

输出：

5. 构建L、R、F、M指标

5.1 提取有用指标

L = 相对日期（这里我指定：2014年7月25） - 会员创建日期
R = 相对日期（这里我指定：2014年7月25） - 最晚（大）的销售日期
F = 用户购买的次数（这里针对流水号进行计数不同）
M = 用户购买的汇总金额
代买实现：

# 计算L,再转换成月，这里转换成月，直接除于30天，保留两位小数
# L是最早的购买日期距离会员创建日期
data1 = data.groupby('UseId').agg({'会员创建日期': ['min'],
                                    '销售日期': ['min', 'max'], 
                                   '销售金额':['sum'],
                                  '流水号':['nunique']})
data1

输出：

删除一层列名，并重新进行命名：

# 删除第一层的列名
data1.columns = [col[1] for col in data1.columns]
# 重新命名列名
data1.columns = ['会员创建日期', '最早销售日期', '最晚销售日期', 'M', 'F']
data1

输出：

M、F指标已经构建完成。

5.2 购买L、R指标

# 先计算L,R,再转化成单位月
data1['L'] = datetime.strptime('2014-7-25', '%Y-%m-%d') - data1['会员创建日期']
data1['R'] = datetime.strptime('2014-7-25', '%Y-%m-%d') - data1['最晚销售日期']

# 将L、R转换成月做为单位
data1['L'] = data1['L'].apply(lambda x: round(x.days/30,3))
data1['R'] = data1['R'].apply(lambda x: round(x.days/30,3))
data1

输出结果：

提取有用的指标：

LRFM_data = data1[['L', 'R', 'F', 'M']]

6. 进行L、R、F、M数据的Z-Score转换

ss = preprocessing.StandardScaler()
ss_LRFM_data = ss.fit_transform(LRFM_data)
ss_LRFM_data

输出：

7. 使用KMeans进行聚类分析

# n_clusters聚类的个数
kmodel = KMeans(n_clusters=5, n_jobs=4)
kmodel.fit(ss_LRFM_data)
#查看聚类中心
kmodel.cluster_centers_ 

输出：

将结果转成DataFrame

client_level = pd.DataFrame(kmodel.cluster_centers_, 
                            index=['客户群1', '客户群2', '客户群3', '客户群4', '客户群5'],
                           columns=['L', 'R', 'F', 'M'])
client_level

输出：

8. 针对结果进行客户群的分类

L越大，代表注册会员时间距离指定时间（2014年7月25）越长，代表老客户，该指标越大越好。
R越小，代表购买时间距离指定时间（2014年7月25）越短，R越小越好。
F越大，代表会员的购买次数越多。
M越大，代表会员购买的金额越多。
客户群1分析：
L大，R小，F大，M较大，这里判断是重要发展客户。
客户群2分析：
L大，R大，F小，M较小，这里判断是重要挽留客户。
客户群3分析：
L小，R小，F小，M小，这里判断是低价值客户。
客户群4分析：
L大，R大，F小，M小，这里判断是一般价值客户。
客户群5分析：
L大，R小，F大，M大，这里判断是重要保持客户。

目录

项目背景

原始数据情况

 挖掘目标

分析方法与过程

加载数据

数据预处理

构建模型 

项目背景

在企业的客户关系管理中，对客户分类，区分不同价值的客户。针对不同价值的客户提供个性化服务方案，采取不同营销策略，将有限营销资源集中于高价值客户，实现企业利润最大化目标。在竞争激烈的航空市场里，很多航空公司都推出了优惠的营销方式来吸引更多的客户。在此种环境下，如何将公司有限的资源充分利用，提示企业竞争力，为企业带来更多的利益。

广泛用于分析客户价值的是RFM模型，它是通过三个指标（最近消费时间间隔(Recency)、消费频率(Frequency)、消费金额(Monetary)）来进行客户细分，识别出高价值的客户。如果分析航空公司客户价值，此模型不再适用，存在一些缺陷和不足：

一：在模型中，消费金额表示在一段时间内，客业产品金额的总和。因航空票价受到运输距离、舱位等级等多种因素影响，同样消费金额的不同旅客对航空公司的价值是不同的。因此这个指标并不适合用于航空公司的客户价值分析。

二：传统模型分析是利用属性分箱方法进行分析如图，但是此方法细分的客户群太多，需要一一识别客户特征和行为,提高了针对性营销的成本。

原始数据情况

 挖掘目标

分析方法与过程

初步分析：提出适用航空公司的LRFMC模型

加载数据

# 导包
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
from sklearn import preprocessing
import warnings
warnings.filterwarnings('ignore') # 忽略警告
plt.rcParams['font.sans-serif'] = ['SimHei'] #解决中文显示
plt.rcParams['axes.unicode_minus'] = False   #解决符号无法显示

data = pd.read_csv('air_data.csv', sep=',')
data.shape

(62988, 44)

数据预处理

# 删除缺失值
data = data.dropna().reset_index(drop=True)
data.shape

(58255, 44)

# 删除票价为0、平均折扣率不为0、总飞行公里数大于0的数据
t1 = data['SUM_YR_1']==0
t2 = data['SUM_YR_2']==0
t3 = data['avg_discount']>0
t4 = data['SEG_KM_SUM']>0
tt = []
for f in range(len(t1)):
    if t1[f] & t2[f] & t3[f] & t4[f]==True :
       tt.append(f) 
data = data.drop(tt,axis=0) 
data = data.reset_index(drop = True)
data.shape

(58022, 44)

# 取出我们要分析的列数据
data1 = data[['LOAD_TIME','FFP_DATE','LAST_TO_END','FLIGHT_COUNT','SEG_KM_SUM','avg_discount']]
data1

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

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察窗口末端时长[单位：月]

F = FLIGHT_COUNT

客户在观测窗口内乘坐公司飞机的次数 = 观测窗口的飞行次数[单位：次]

M = SEG_KM_SUM

客户在观测时间内在公司累计的飞行里程 = 观测窗口总飞行公里数[单位：公里]

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]

# 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
m = (pd.to_datetime(data1['LOAD_TIME'])-pd.to_datetime(data1['FFP_DATE']))//30
data1['L']=m.dt.days
# 再取出我们最终模型需要的列数据
data2 = data1[['L','LAST_TO_END','FLIGHT_COUNT','SEG_KM_SUM','avg_discount']]
# 更换列名
data2 = data2.rename(columns={'L': 'ZL', 'LAST_TO_END': 'ZR','FLIGHT_COUNT':'ZF','SEG_KM_SUM':'ZM','avg_discount':'ZC'})

标准化处理

# 标准化处理
std_scale = preprocessing.StandardScaler().fit(data2[["ZL","ZR","ZF","ZM","ZC"]])
df_std = std_scale.transform(data2[["ZL","ZR","ZF","ZM","ZC"]])
df_data=pd.DataFrame(df_std)
df_data.columns=list(data2.columns)
df_data

构建模型 

采用K-Means聚类算法对客户数据进行分群，将其聚成五类（需要结合业务的理解与分析来确定客户的类别数量）。

# 聚类
model = KMeans(n_clusters=5) # 构造聚类器
model.fit(df_std) # 聚类
label_pred = model.labels_ # 获取聚类标签
r1 = pd.Series(model.labels_).value_counts() # 统计各类的个数
r2 = pd.DataFrame(model.cluster_centers_)  # 获取聚类中心
r = pd.concat([r2,r1],axis=1) # 合并
r.columns = list(data2.columns) + ['类别数目']  # 加上列名
r

r3 = pd.concat([df_data,pd.Series(model.labels_,index=df_data.index)],axis=1) # 给df_data加上一列按照df_data索引,标签为值值的列
r3.columns = list(data2.columns) + ['聚类类别'] # 加列名
r3

# 根据r2绘制雷达图
labels = np.array(['ZL','ZR','ZF','ZM','ZC'])
labels = np.concatenate((labels,[labels[0]]))

N = len(r2)
angles = np.linspace(0, 2 * np.pi, N, endpoint=False)
data = pd.concat([r2,r2.loc[:,0]],axis=1)
angles = np.concatenate((angles, [angles[0]]))
fig = plt.figure(figsize=(8,8)) 
ax = fig.add_subplot(111, polar=True)    # 参数polar, 以极坐标的形式绘制图形
# 画线
j=0
for i in range(0,5):
    j=i+1
    ax.plot(angles,data.loc[i,:],'o-',label="客户群"+str(j))
# 添加属性标签
ax.set_thetagrids(angles*180/np.pi,labels) 
plt.title(u'客户特征雷达图')
plt.legend(loc='lower right')
plt.show()