分析方法与过程1、初步分析:提出适用航空公司的LRFMC模型2、总体流程 第一步:数据抽取第二步:探索性分析第三步:数据预处理第四步:构建模型总结和思考项目地址:Datamining_project: 数据挖掘实战项目代码一、背景和挖掘目标 在企业的客户关系管理中,对客户分类,区分不同价值的客户。
从航空公司,选择性抽取与新增数据抽取,形成历史数据和增量数据 对步骤一的两个数据,进行数据探索性分析和预处理,主要有缺失值与异常值的分析处理,属性规约、清洗和变换 利用步骤2中的已处理数据作为建模数据,基于旅客价值的LRFMC模型进行客户分群,对各个客户群再进行特征分析,识别有价值客户。 针对模型结果得到不同价值...
datafile= '../data/air_data.csv' # 航空原始数据,第一行为属性标签 resultfile = '../tmp/explore.csv' # 数据探索结果表 # 读取原始数据,指定UTF-8编码(需要用文本编辑器将数据装换为UTF-8编码) data = pd.read_csv(datafile, encoding = 'utf-8') # 包括对数据的基本描述,percentiles参数是指定计...
《Python数据分析与挖掘实战(第2版)》 第7章,页码:P187,代码略有改进 air_data.csv数据下载 分析过程 import numpy as np import matplotlib.pyplot as plt from datetime import datetime import seaborn as sns from sklearn.preprocessing import StandardScaler from sklearn.cluster import KMeans pd.set_option...
1、RFM模型缺点分析 广泛用于分析客户价值的是RFM 模型,它 是通过三个指标(最近消费时间间隔 (Recency) 、消费频率 (Frequency) 、消费金额 (Monetary) )来进行客户细分,识别出高价值的客户 。如果分析航空公司客户价值,此模型不再适用,存在一些缺陷和不足: ...
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。 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(Frequen...
前文传送门:数据挖掘实战1:利用LM神经网络算法进行电力窃漏电用户自动识别 本文是《Python数据分析与挖掘实战》一书的实战部分,在整理分析后的复现。 本篇文章是本书第七章的实战: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。
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 ...
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 ...