季杰 陳強(qiáng)仁 朱東

摘要：隨著各大航空公司的業(yè)務(wù)競爭越來越激烈，在知名度與航空服務(wù)的競爭已經(jīng)分不出太大差異的情況下，怎樣努力提高用戶客戶滿意度是當(dāng)前航空公司最要注重的問題，可在海量的用戶數(shù)據(jù)面前，傳統(tǒng)的方式顯然不夠用，所以筆者嘗試用機(jī)器學(xué)習(xí)技術(shù)處理航空公司客戶價(jià)值分析問題。解決方案就是使用K-Means聚類均值算法將現(xiàn)有航空公司客戶進(jìn)行分群，這樣航空公司就好針對不同的客戶群體進(jìn)行不同的營銷方案。

關(guān)鍵詞：機(jī)器學(xué)習(xí);客戶價(jià)值分析;K-Means算法

中圖分類號：TP3 文獻(xiàn)標(biāo)識碼：A

文章編號：1009-3044（2020）14-0238-02

1引言

在經(jīng)濟(jì)發(fā)展快速的現(xiàn)代社會，飛機(jī)出行已經(jīng)不是難事，各大航空公司的競爭也開始愈演愈烈，從價(jià)格戰(zhàn)轉(zhuǎn)到服務(wù)戰(zhàn)，但由于其之間差異又不是很大，導(dǎo)致競爭一直沒有分出個(gè)勝負(fù)。但隨著航空客戶體系越來越成熟，企業(yè)開始注重“以人為本”，注意到以前的營銷方式只會造成資源傾斜，所以新時(shí)代下不同的客戶要有不同的營銷方案。而本案例做的就是針對客戶以往的消費(fèi)以及飛行情況進(jìn)行分析，然后進(jìn)行分群，這樣航空公司就可以針對不同的客戶群體制定不同的個(gè)性化服務(wù)，從而達(dá)到留住客戶，吸引客戶的目的。

2航空客戶價(jià)值分析流程&數(shù)據(jù)預(yù)處理

2.1航空客戶價(jià)值分析流程

想要對客戶價(jià)值進(jìn)行分析，我們首先要對航空客戶信息數(shù)據(jù)進(jìn)行預(yù)處理操作，因?yàn)槠渲写嬖谝恍┊惓?shù)據(jù)，這些數(shù)據(jù)將會影響到我們的結(jié)果，而預(yù)處理結(jié)束后，我們就可以進(jìn)行特征構(gòu)建了，畢竟用戶信息那么多的情況下，我們必須選取出我們適用的特征指標(biāo)，所以我們采用了LRFMC模型來構(gòu)建特征模型，最后我們使用K-Means聚類算法來進(jìn)行客戶人群分類。

2.2航空客戶數(shù)據(jù)預(yù)處理

航空公司客戶數(shù)據(jù)中存在著少量的異常值，若是不處理的話會對之后結(jié)果產(chǎn)生影響。

1）通過對原始數(shù)據(jù)的觀察發(fā)現(xiàn)，在數(shù)據(jù)中有票價(jià)為0，折扣率為0，總飛行里程卻大于0的數(shù)據(jù)，這很顯然是不正常的，其中還有票價(jià)為空值的數(shù)據(jù)，這可能是客戶乘機(jī)記錄不存在導(dǎo)致的，所以我們將這類數(shù)據(jù)丟棄掉。

2）數(shù)據(jù)中也可能存在折扣為0，客戶乘坐0折飛機(jī)的情況發(fā)生，由于原始數(shù)據(jù)集數(shù)量大，所以我將這類數(shù)據(jù)也丟失掉，以免影響分析結(jié)果。

3構(gòu)建航空客戶價(jià)值模型

3.1客戶價(jià)值分析常青樹-RFM模型

想要對用戶進(jìn)行分群，除了進(jìn)行預(yù)處理以外，還要構(gòu)建用戶的特征模型，這樣我們好將用戶區(qū)分開來，而各行業(yè)最常用的客戶價(jià)值模型就是RFM模型。

1）R指的是客戶最后一次消費(fèi)與這次觀測結(jié)束時(shí)間的間隔。

2）F指客戶的消費(fèi)次數(shù)，消費(fèi)越多的自然客戶價(jià)值也就越大。

3）M指客戶的消費(fèi)金額，消費(fèi)金額越大的他們的消費(fèi)水平也自然越高。

3.2航空客戶價(jià)值分析-LRFMC模型

與尋常的客戶分析不同，RFM模型的客戶消費(fèi)金額并不能體現(xiàn)航空客戶的價(jià)值水平，所以本案例去掉了客戶的消費(fèi)金額，并選擇了客戶的飛行里程與購買機(jī)票的平均折扣系數(shù)，一共五個(gè)特征指標(biāo)，記為LRFMC模型。下面是特征詳細(xì)解釋：

1）客戶入會時(shí)間L：客戶第一次購買機(jī)票距離現(xiàn)在的時(shí)間;

2）消費(fèi)時(shí)間間隔R：客戶最近一次乘坐飛機(jī)距離現(xiàn)在的天數(shù);

3）消費(fèi)頻率F：客戶在觀測期間乘坐飛機(jī)的次數(shù);

4）飛行里程M：客戶在觀測期間飛行里程;

5）平均折扣系數(shù)C：客戶在觀測期間獲得的機(jī)票折扣的平均值。

4基于K-Means算法進(jìn)行客戶分群

之所以選擇K-Means算法，因?yàn)檫@是最普及的聚類算法，也是比較適合我這類新手的聚類算法，下面我簡單地介紹下步驟：1）Kmeans算法先要假設(shè)將數(shù)據(jù)分成多少類，我認(rèn)為航空客戶群體可以分為5類。2）隨機(jī)選取k個(gè)目標(biāo)點(diǎn)，它們作為聚類中心3）計(jì)算數(shù)據(jù)集中每個(gè)點(diǎn)到K個(gè)聚類中心的距離，然后將它們分配到距離它們最近的聚類中心，這樣就能形成5個(gè)簇。4）因?yàn)楸景咐臄?shù)據(jù)量比較大，所以以上步驟得到簇是比較散的，而我們要的結(jié)果是要相似的越接近，不相似的越遠(yuǎn)，所以算法會重復(fù)上面的步驟，直到得到合適的客戶群。

總體來說，K-Means算法的結(jié)果符合我的預(yù)期想法，我們可以從下圖中詳細(xì)地看出各類人群的人數(shù)以及他們分布的原因，比如圖中第三類客戶群體，他們折扣系數(shù)高，人數(shù)少，他們的其他特征指標(biāo)都不突出，但卻能帶來很多利益，所以航空公司要提升這類重要發(fā)展客戶的價(jià)值，又比如第5類人群，他們飛行里程高，飛行次數(shù)也多，為航空公司創(chuàng)造了很多價(jià)值，這類重要保持客戶群的高消費(fèi)水平是航空公司要穩(wěn)定保持的，平時(shí)要多給些優(yōu)惠和折扣讓他們對公司產(chǎn)生依賴，除了上面兩類人群外，航空公司還要防范重要挽留客戶的流水并積極進(jìn)行關(guān)系修復(fù)。至于一般客戶，平時(shí)公司可以給些小優(yōu)惠和福利折扣來進(jìn)行吸引消費(fèi)，但不用太多太勤，至于無價(jià)值客戶，建議航空公司不要在這類客戶群身上花功夫，趁早選擇保留還是放棄。

5結(jié)論

在本次航空客戶價(jià)值分析案例中，首先我對航空客戶數(shù)據(jù)進(jìn)行了探查與預(yù)處理，得到了無異常值的數(shù)據(jù)，確保之后的模型訓(xùn)練中不會影響結(jié)果，然后我根據(jù)客戶信息，選取并構(gòu)建特征指標(biāo)，構(gòu)建了LRFMC航空客戶價(jià)值模型，最后我通過K-Means聚類算法將航空公司客戶群體分為了特征需求比較明顯的五類。這次案例的結(jié)果符合我的預(yù)期，也符合市場銷售的法則，并且在流程結(jié)尾我也對航空公司怎樣針對這五類客戶群體進(jìn)行了建議，最后我感覺不管在哪個(gè)行業(yè)，在新時(shí)代對不同客戶群體進(jìn)行精準(zhǔn)營銷勢在必行。