《大数据分析与挖掘》实训教案——1.基于聚类分析（K-means）的快递客户群识别实验指导手册.docxVIP

基于聚类分析（K-Means）的快运客户群识别

一、操作环境

1.操作系统：windowAll

2.软件平台：LogisPMT,python3.4

二、业务场景

聚类是将数据集划分为若干相似对象组成的多个组或簇的过程，使得同一组中对象间的相似度最大化，不同组中对象间的相似度最小化。在商业上，聚类分析是细分市场的有效工具，基于消费者行为来区分不同类型的客户群，并刻画不同客户群的特征，以更好地提供个性化服务，提高客户满意度，减少高价值客户的流失。

某国内大型快运企业，服务客户对象主要是国内第三方电商卖家，集快运、快运、仓储服务为一体，主营公路运输业务，覆盖城市多达300多个，细分为同城快运、省内异地快运、省际快运等。该快运企业由于客户关系管理方面失当，所导致业务效率低下，客户投诉率居高不下，营销受阻等一系列问题，尤其是高价值客户的持续流失给企业带来难以估量的损失。希望通过利用聚类分析思想，精准识别特定客户群，提出具体解决方案。

目标：通过对快运客户的历史运单、业务量等数据集，挖掘出对企业产生不同价值的客户群，进而为企业的客户关系差异化服务和营销决策提供支撑。

三、数据

快运客户历史交易数据。时间跨度为：2015年7月至2016年1月。每一条记录表征客户在某个月份的业务数据，数据特征包括客户账号—表示快运客户的唯一标识，运单数、业务量、体积、计费重量、收益等数值型业务属