航空公司客户价值分析.docxVIP

  1. 1、本文档共16页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

一、?背景与挖掘目标

属性中文

属性英文

备注

会员卡号

MEMBER_NO

入会时间

FFP_DATE

办理会员卡的开始的时间

第一次飞行日期

FIRST_FLIGHT_DATE

性别

GENDER

会员卡级别

FFP_TIER

工作地城市

WORK_CITY

工作地所在省份

WORK_PROVINCE

工作地所在国家

WORK_COUNTRY

年龄

age

观测窗口的结束时间

LOAD_TIME

选取样本的时间宽度,距离现在最近的时间。

飞行次数

FLIGHT_COUNT

频数

观测窗口总基本积分

BP_SUM

航空公里的里程就相当于积分,积累一定分数可以兑换奖品和免费里程。

第一年精英资格积分

EP_SUM_YR_1

第二年精英资格积分

EP_SUM_YR_2

第一年总票价

SUM_YR_1

第二年总票价

SUM_YR_2

观测窗口总飞行公里数

SEG_KM_SUM

观测窗口总加权飞行公里数(Σ舱位折扣×航段距离)

WEIGHTED_SEG_KM

末次飞行日期

LAST_FLIGHT_DATE

最后一次飞行时间

观测窗口季度平均飞行次数

AVG_FLIGHT_COUNT

观测窗口季度平均基本积分累积

AVG_BP_SUM

观察窗口内第一次乘机时间至MAX(观察窗口始端,入会时间)时长

BEGIN_TO_FIRST

最后一次乘机时间至观察窗口末端时长

LAST_TO_END

平均乘机时间间隔

AVG_INTERVAL

观察窗口内最大乘机间隔

MAX_INTERVAL

观测窗口中第1年其他积分(合作伙伴、促销、外航转入等)

ADD_POINTS_SUM_YR_1

观测窗口中第2年其他积分(合作伙伴、促销、外航转入等)

ADD_POINTS_SUM_YR_2

积分兑换次数

EXCHANGE_COUNT

平均折扣率

avg_discount

第1年乘机次数

P1Y_Flight_Count

第2年乘机次数

L1Y_Flight_Count

第1年里程积分

P1Y_BP_SUM

第2年里程积分

L1Y_BP_SUM

观测窗口总精英积分

EP_SUM

观测窗口中其他积分(合作伙伴、促销、外航转入等)

ADD_Point_SUM

非乘机积分总和

Eli_Add_Point_Sum

第2年非乘机积分总和

L1Y_ELi_Add_Points

总累计积分

Points_Sum

第2年观测窗口总累计积分

L1Y_Points_Sum

第2年的乘机次数比率

Ration_L1Y_Flight_Count

第1年的乘机次数比率

Ration_P1Y_Flight_Count

第1年里程积分占最近两年积分比例

Ration_P1Y_BPS

第2年里程积分占最近两年积分比例

Ration_L1Y_BPS

非乘机的积分变动次数

Point_NotFlight

试图实现以下目标:

(1)借助航空公司数据,对客户进行分类。

(2)对不同类别的客户进行特征分析,比较不同类别客户的价值分析。

(3)对不同价值的客户类别进行个性化服务,制定相应的营销策略。

二、分析方法

使用LRMFC模型来进行分析

RFM模型是衡量客户价值和客户创利能力的重要工具和手段,它通过一个客户的近期购买行为、购买的总体频次以及购买的总体金额三个指标来描述客户的价值状况。分别为:最近消费时间间隔(Recently)、消费频率(Frequency)、消费金额(Money)。

在RFM模型的基础上,结合具体的业务背景,来对航空公司进行客户价值分析。我们选择在一定时间内累积的飞行里程数(M)和客户在一定时间内乘坐舱位对应的折扣系数的平均值C来代替消费金额指标。此外,航空公司会员入会时间的长短在一定时间内会影响客户价值,模型中增加了客户关系长度指标L。

利用客户入会时长L、消费时间间隔R、消费频率F、飞行里程数M以及折扣系数的平均值C来作为航空公司识别客户价值指标,见表1,记为LRFMC模型。

采用聚类分析的方法识别客户价值。通过对航空公司客户价值LRFMC五个指标进行K-Means聚类,识别最有价值客户。

数据抽取

以2014年3月31日为结束时间,选取宽度为两年的时间段作为分析观测窗口,抽取观测窗口内有乘机记录的所有客户的详细数据形成历史数据。对于后续新增的客户详细信息,以后续新增数据中最新的时间点作为结束时间,采用上述同样的方法进行抽取,形成增量数据。

数据探索分析

主要是进行缺失值分析和异常值分析,通过对数据的观察,发现原始数据中存在票价为空值,票价最小值为0、折扣率最小值为0、总飞行公里数大于0的记录,这个都是属于缺失值和异常值的范畴。

#设置工作空间

#把“数据及程序”文件夹拷贝到F盘下,再用setwd设置工作空间

setwd(F:/数据及程序/chapter7/示例程序)

文档评论(0)

bookljh + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档