聚类分析的应用案例（教你用聚类算法）

就连正月十五都已经过了，那么过年就算彻彻底底的结束了，无论你承不承认，2019年已经扑面而来。快乐的日子总是短暂的。不知道大家抢到了多少红包，收到了多少压岁钱呢？回想起这个春假，每一天都像是在刷副本，睡醒了聚会，聚会了吃，吃完了再逛，逛完了再吃…

但是，伴随着回家的也不只有美食与团聚，每年回家买票的忧愁总是让明媚的心情总飘散着挥散不去的阴霾，看看工作群里一个个因为买不到票请假早走晚回的同事们就知道，在春节前一个多月起，抢票这无声的战争就已经打响。无论是提前守护在电脑前也好，用各种各样的APP加速抢票也好，我与火车票就像是反函数与坐标轴，永远可望而不可即。

如果你想买飞机票来参与演出一下？那一定贵死你。

众所周知，飞机由于运量较小、建造和使用成本高等特点，属于交通运输的“奢侈品”。即便如此，飞机票也有两三百块，甚至比火车票还便宜的状态，它不像铁路运输采用政府垄断定价的固定价格模式，而是根据市场变化，浮动定价。同一条航线，不同的航空公司，飞行时间，不同的舱位，航班时间都会影响到机票价格。飞机票该如何定价？这无疑是航空公司最关心的问题。

国内外航空公司常用的一种定价方法是价格歧视。歧视价格的形式有很多。例如，美州航空公司1992年将纽约至伦敦间的经济舱分为五种价格：2084美元、918美元、599美元、439美元、379美元。根据航空客户价值分析特色LRFMC模型，将客户聚类为重要保持客户，重要发展客户，重要挽留客户，一般客户，低价值客户，从而针对每种类别的客户制定对应的价格和服务。

事实上，聚类分析是一种非常常见的数据分析手段，它根据样本之间的距离或者说是相似性（亲疏性），把越相似、差异越小的样本聚成一类（簇），最后形成多个簇，使同一个簇内部的样本相似度高，不同簇之间差异性高。简单来说就是尽量把类似的样本聚在一起，不同的样本分开。

聚类分析算法很多，比较经典的有K-Means算法和层次聚类法。

下面我们就以航空公司为例，使用行业内最常用的LRFMC模型，通过某航空公司多年的客户信息历史数据（6万余条），为大家介绍如何在实际工作中结合K-means聚类算法将客户价值进行分类，从而实现客户价值分析，进行精准的价格和服务设置。

数据分析工具选择

工欲善其事，必先利其器，我们做数据分析也是如此。Excel显然无法满足大数据量，聚类等相对复杂的数据分析的要求。因此在传统的数据分析中，常常使用Python编写代码进行数据清洗，数据转换，应用数据分析算法等等的操作。关于Python，同在数据分析领域的同学可能都不陌生，我们经常会使用Python提供的numpy、pandas、matplotlib等第三方库来对数据进行计算处理，同时最终生成所需要的可视化报告。

下图为使用Python进行聚类分析的部分代码：

是不是看起来就有些头疼？

本次的实战案例小编也自己使用Python编写代码实现了数据的清洗，处理，LRFMC模型的客户价值分析以及数据的可视化工作。但编写代码的难度较高不说，还要生成大量的中间数据文件，既费时又费力。考虑到不是所有想要进行数据分析的读者朋友都曾学习过Python，而且近几年，不少数据分析师已经开始用BI可视化工具来搭建这样的分析模型，因此本文将介绍大家使用一款BI工具——FineBI来进行LRFMC模型的搭建工作

FineBI是一个能快速洽搭建各种业务模型的自助式分析平台，企业级商业分析工具，常用于各种业务的数据分析。图表美观、上手简单，搭建模型也不需要很专业的数据挖掘技能。可以帮助业务人员用系统化的方法来规划、执行、测量和优化一个完整的、高度个性化的客户需求管理计划。

在本案例中，使用FineBI的自助数据集功能就可以完整的完成数据清洗-字段设置-增加计算列-聚类分析的操作，甚至在FineBI中还可以调用已经写好的Python代码进行数据处理，实在是方便又快捷。更为重要的是，个人用户使用FineBI是完全免费的，不得不说我们的国产BI软件真的很良心。

背景与挖掘目标

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，进行精准的价格与服务设置，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

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，制定相应的价格策略

分析方法与过程

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模型

如果采用传统的RFM模型，如下图。它是依据各个属性的平均值进行划分，但是，细分的客户群太多，精准营销的成本太高。

综上，这次案例，采用聚类的办法进行识别客户价值，以LRFMC模型为基础

LRFMC模型指标含义：

（1） L：会员入会时间距观测窗口结束的月数。

（2） R：客户最近一次乘坐公司飞机距离观测窗口结束的月数。

（3） F：客户在观测窗口内乘坐公司飞机的次数。

（4） M：客户在观测窗口内累计的飞行里程碑。

（5） C：客户在观测窗口内乘坐仓位所对应的折扣系数的平均值。

本案例，总体流程如下图：

2.数据说明

标记指标为本次案例使用到的相关数据

其中总票价用来进行数据过滤，其余数据经过处理后作为聚类用例

3.数据预处理

3.1数据加载

在FineBI中新建航空LRFMC模型业务包用于此次分析，将准备好的.csv格式的原始数据上传至业务包内。

通过观察可以看出，原始数据中存在票价为空值、票价为0、折扣率最小值为0、飞行公里数大于0的记录。票价为空值的原因可能是乘客不存在登机记录，其他数据可能是乘客乘坐0折机票或积分兑换造成。

3.2数据清洗

通过数据的探索分析发现数据中存在票价为空值、票价为0、折扣率最小值为0、飞行公里数大于0的记录。由于这块的数据所占比重较小，故采用丢弃的处理办法。

3.3属性约束

航空公司的客户价值模型为LRFMC，即入会时间、距最近乘机月数、飞行次数，飞行里程，平均折扣。原始数据中与LRFMC指标相关的6个属性为 FFP_DATE、 LOAD_TIME、 FLIGHT_COUNT、 avg_discount、 SEG_KM_SUM、 LAST_TO_END

我们需要在以上6个属性的基础之上，提取出LRFMC指标

L = （LOAD_TIME - FFP_DATE ）/ 30（会员入会时间距观测窗口结束的月数=观测窗口的结束时间-入会时间）

R = LAST_TO_END / 30（客户最近一次乘坐航班距观测窗口结束的月数）

F = FLIGHT_COUNT （观测窗口内的飞行次数）

M = SEG_KM_SUM （观测窗口内的总飞行里程）

C = avg_discount（平均折扣率）

3.4标准化处理

这时候我们已经完成了数据的过滤，计算，筛选操作，并得到了LRFMC模型的五个指标，但通过观察可以发现，这些数据之间的量级是不同的，差距甚至达到了千万倍的级别，量纲不同进行训练不能真实的反映数据的变动规律，想要建立建立正确的模型，还需要对数据进行标准化处理。因此FineBI数据挖掘的聚类功能已经内置了标准化计算的过程，无需额外设置即可完成标准化的处理。但是在这一步中，由于小编在之前已经写过了使用Python进行标准化的代码，这里正好尝试一下FineBI数据挖掘模块新增的直接调用Python代码的功能。

小编写的Python代码：

在我们的自主数据集中继续添加Python分析过程，将原代码中的输入输出由原来的excel文件改为FineBI中的数据流PY_INPUT和PY_OUTPUT即可。

标准化后的部分数据，可以看到指标之间已经在同一量级上。

至此我们已经完成了数据的预处理过程，下面就可以使用处理好的数据进行模型的构建了

4.构建模型及模型应用

4.1 客户聚类

在自助数据集中添加快速挖掘步骤，选取聚类，聚类指标全选CFMRL五个指标，聚类数填5，最大迭代次数使用默认的自动，距离函数使用默认的欧式距离。

新建一张仪表板，用来进行结果的查看

聚类结果如下表：

详细输出每一个客户所属类别，部分结果如下表。

4.2数据可视化

针对聚类结果，对各客户群进行特征的分析。

画出客户群体数目柱状图：

类似的，只需要在仪表板中新建组件，简单拖拽指标就可以使用FineBI完成一副可视化分析的dashboard啦。

4.3客户价值分析

将制作好的组件组合成一张仪表板进行分析：

我们重点关注的是L，F，M，从可视化dashboard中可以看到：

客户群1——12957人，重要保持客户：R（最近乘坐航班）低，F（乘坐次数）、C（平均折扣率高，舱位较高）、M（里程数）高。最优先的目标，进行差异化管理，提高满意度。

客户群0——13657人，重要发展客户：R（最近乘坐航班）低，F（乘坐次数）高，M（里程数）也不低，潜在价值客户。虽然说，当前价值不高，但是却有很大的发展潜力，促使这类客户在本公司消费和合作伙伴处消费。

客户群3——17392人，重要挽留客户：C（平均折扣率高，舱位较高）、F（乘坐次数）、M（里程数）较高，但是较长时间没有乘坐（R）小。增加与这类客户的互动，了解情况，采取一定手段，延长客户生命周期。

客户群4——7829人，一般与低价值客户：C、F、M、L都较低，但L高。他们可能是在公司打折促销时才会乘坐本公司航班。

客户群2——10464人，低价值客户：各方面的数据都是比较低的，属于一般或低价值用户

因此，针对这5类客户，航空公司可能采取的措施有：

会员可以分为，钻石，白金，金卡，银卡…

部分客户会因为不了解自身积分情况，错失升级机会，客户和航空公司都会有损失

在会员接近升级前，对高价值客户进行促销活动，刺激他们消费达到标准，双方获利

通过发行联名卡与非航空公司各做，使得企业在其他企业消费过程中获得本公司的积分，增强与本公司联系，提高忠诚度。

企业要获得长期的丰厚利润，必须需要大量稳定的、高质量的客户。

维持老客户的成本远远低于新客户，保持优质客户是十分重要的。

精准营销中，也有成本因素，所以按照客户价值排名，进行优先的，特别的营销策略，是维持客户的关键。

小结

本文，结合航空公司客户价值案例的分析，介绍了一种数据挖掘算法-K-Means聚类算法的应用。通过FineBI这款自助大数据分析软件， 针对传统RFM模型的不足，结合案例进行改造，设定了五个指标的LRFMC模型，利用无需编程即可实现数据加工的功能，令人耳目一新的拖拽式的方式，实现了强大的数据分析功能。最后通过聚类的结果，选出客户价值排行，并且制定相应策略，为企业节约成本，提升效率保驾护航。