Python数据分析与应用-第7章 航空公司客户价值分析.ppt

Python数据分析与应用-第7章 航空公司客户价值分析.ppt

  1. 1、本文档共31页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(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)。
查看更多
Python数据分析与应用第7章航空公司客户价值分析(修订版).ppt

. . . . . . . . 航空公司客户价值分析 * * 目录 * 分析航空公司现状 1. 行业内竞争 民航的竞争除了三大航空公司之间的竞争之外,还将加入新崛起的各类小型航空公司、民营航空公司,甚至国外航空巨头。航空产品生产过剩,产品同质化特征愈加明显,于是航空公司从价格、服务间的竞争逐渐转向对客户的竞争。 * 分析航空公司现状 2. 行业外竞争 随着高铁、动车等铁路运输的兴建,航空公司受到巨大冲击。 * 目前航空公司已积累了大量的会员档案信息和其乘坐航班记录。 以2014-03-31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,44个特征,总共62988条记录。数据特征及其说明如右表所示。 分析航空公司现状 航空公司数据特征说明 ? 特征名称 特征说明 客户基本信息 MEMBER_NO 会员卡号 FFP_DATE 入会时间 FIRST_FLIGHT_DATE 第一次飞行日期 GENDER 性别 FFP_TIER 会员卡级别 WORK_CITY 工作地城市 WORK_PROVINCE 工作地所在省份 WORK_COUNTRY 工作地所在国家 AGE 年龄 * 航空公司客户数据说明 表 名 特征名称 特征说明 乘机信息 FLIGHT_COUNT 观测窗口内的飞行次数 LOAD_TIME 观测窗口的结束时间 LAST_TO_END 最后一次乘机时间至观测窗口结束时长 AVG_DISCOUNT 平均折扣率 SUM_YR 观测窗口的票价收入 SEG_KM_SUM 观测窗口的总飞行公里数 LAST_FLIGHT_DATE 末次飞行日期 AVG_INTERVAL 平均乘机时间间隔 MAX_INTERVAL 最大乘机间隔 积分信息 EXCHANGE_COUNT 积分兑换次数 EP_SUM 总精英积分 PROMOPTIVE_SUM 促销积分 PARTNER_SUM 合作伙伴积分 POINTS_SUM 总累计积分 POINT_NOTFLIGHT 非乘机的积分变动次数 BP_SUM 总基本积分 续表 * 原始数据中包含40多个特征,利用这些特征做些什么呢?我们又该从哪些角度出发呢? 思考 * 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,比较不同类别客户的客户价值。 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。 项目目标 结合目前航空公司的数据情况,可以实现以下目标。 * 公司收入的80%来自顶端的20%的客户。 20%的客户其利润率100%。 90%以上的收入来自现有客户。 大部分的营销预算经常被用在非现有客户上。 5%至30%的客户在客户金字塔中具有升级潜力。 客户金字塔中客户升级2%,意味着销售收入增加10%,利润增加50%。 这些经验也许并不完全准确,但是它揭示了新时代客户分化的趋势,也说明了对客户价值分析的迫切性和必要性。 了解客户价值分析 客户营销战略倡导者Jay Adam Curry从国外数百家公司进行了客户营销实施的经验中提炼了如下经验。 * 熟悉航空客户价值分析的步骤与流程 航空客户价值分析项目的总体流程如图所示。 * 目录 * 通过对数据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。票价为空值的数据可能是客户不存在乘机记录造成。 处理方法:丢弃票价为空的记录。 其他的数据可能是客户乘坐0折机票或者积分兑换造成。由于原始数据量大,这类数据所占比例较小,对于问题影响不大,因此对其进行丢弃处理。 处理方法:丢弃票价为0,平均折扣率不为0,总飞行公里数大于0的记录。 处理数据缺失值与异常值 航空公司客户原始数据存在少量的缺失值和异常值,需要清洗后才能用于分析。 * 本项目的目标是客户价值分析,即通过航空公司客户数据识别不同价值的客户,识别客户价值应用最广泛的模型是RFM模型。 R(Recency)指的是最近一次消费时间与截止时间的间隔。通常情况下,最近一次消费时间与截止时间的间隔越短,对即时提供的商品或是服务也最有可能感兴趣。 F(Frequency)指顾客在某段时间内所消费的次数。可以说消费频率越高的顾客,也是满意度越高的顾客,其忠诚度也就越高,顾客价值也就越大。 M(Monetary)指顾客在某段时间内所消费的金额。消费金额越大的顾客,他们的消费能力自然也就越大,这就是所谓“20%的顾客贡献了80%的销售额”的二八法则。 构建航空客户价值分析的关键特征 1. RFM模型介绍 * RFM模型包括三个特征,使用三维坐标系进行展示,如图所示。X轴表示Recency,Y轴表示Frequency,Z轴表示Monetary,每个轴一般会分成5级表示程度,1为最小,5为最大。 构

文档评论(0)

liuxiaoyu99 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档