案例分享(五)|航空公司客户价值分析

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。

广泛用于分析客户价值的RFM模型，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。

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。

故选择客户在一定时间内累积的飞行里程 M和客户乘坐舱位折扣系数的平均值 C 两个指标代替消费金额。此外，考虑航空公司会员加入时间在一定程度上能够影响客户价值，所以在模型中增加客户关系长度 L ，作为区分客户的另一指标。

下面通过对一份航空公司客户数据进行分析实操，解密如何一步一步完成分析。

删除SUM_YR_1和SUM_YR_2票价都为空和为零的数据。

筛选平均折扣率和总飞行里程大于0的数据。

原始数据中属性太多，根据 LRFMC 模型，在右下方视图设置勾选保留与其相关的六个属性 LOAD_TIME、FFP_DATE、FLIGHT_COUNT、SEG_KM_SUM、LAST_TO_END、AVG_DISCOUNT。

最近乘机距今的时间长度 R = LAST_TO_END

飞行次数 F = FLIGHT_COUNT

总飞行里程 M = SEG_KM_SUM

平均折扣系数C = AVG_DISCOUNT

会员入会时长 L = 观测窗口的结束时间 - 入会时间 =LOAD_TIME - FFP_DATE

通过标准化函数依次对每个特征列去除数据中的量纲，保证每个特征对模型的贡献是平等的。

最终数据集

点击创建可视化节点，将客户特征传入可视化组件中进行聚类并可视化。

对聚类结果进行特征分析：

客户群1在平均折扣系数指数上最大，其余中等；

客户群2无突出的属性；

客户群3在入会时间指数最大，其余中等表现；

客户群4在乘坐次数、飞行里程最大，在最近乘机距今的时间长度最小；

客户群5上次乘机距今时间最长，其他属性不突出。

根据业务定义五个等级的客户类别：重要保持客户、重要发展客户、重要挽留客户、一般客户、低价值客户。

今天的案例分享到这里就结束啦，相关可视化组件已发布到组件市场中。

如果你对这个案例感兴趣，点击下方链接，打开小诺分享的数据集下载对应组件进行实操。如果有任何问题或者需要更多的帮助，欢迎随时联系我们。

长按识别下方二维码

加入用户交流群

一起提升数据技能

↓↓↓