利用KMeans聚类进行航空公司客户价值分析.docVIP

  • 42
  • 0
  • 约1.01万字
  • 约 16页
  • 2019-06-27 发布于浙江
  • 举报

利用KMeans聚类进行航空公司客户价值分析.doc

利用K-Means聚类进行航空公司客户价值分析 1.背景与挖掘目标1.1背景航空公司业务竞争激烈,从产品中心转化为客户中心。针对不同类型客户,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挖掘目标借助航空公司客户数据,对客户进行分类。对不同的客户类别进行特征分析,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。详情数据见数据集内容中的air_data.csv和客户信息属性说明2.分析方法与过程2.1分析方法首先,明确目标是客户价值识别。识别客户价值,应用最广泛的模型是三个指标(消费时间间隔(Recency),消费频率(Frequency),消费金额(Monetary))以上指标简称RFM模型,作用是识别高价值的客户消费金额,一般表示一段时间内,消费的总额。但是,因为航空票价收到距离和舱位等级的影响,同样金额对航空公司价值不同。因此,需要修改指标。选定变量,舱位因素=舱位所对应的折扣系数的平均值=C,距离因素=一定时间内积累的飞行里程=M。再考虑到,航空公司的会员系统,用户的入会时间长短能在一定程度上影响客户价值,所以增加指标L=入会时间长度=客户关系长度总共确定了五个指标,消费时间间隔R,客户关系长度L,消费频率F,飞行里程M和折扣系数的平均值C以上指标,作为航空公司识别客户价值指标,记为LRFMC模

文档评论(0)

1亿VIP精品文档

相关文档