本篇主要以《R语言数据分析与挖掘实战》中的第7章案例讲起。
首先我们拿到的经加工的数据有：
观测窗口：已过去某个时间点为结束时间，某一时间长度为宽度，得到历史时间范围内的一个时间段。
-
客户基本信息
会员卡号，入会时间，第一次飞行日期，性别，会员卡级别，工作地城市，工作地省份，工作地所在国家
-
乘机信息（观测窗口内）
飞行次数，观测窗口的结束时间，最后一次乘机时间至观测窗口结束时长，平均折扣率，观测窗口内的票价收入，观测窗口内的总飞行公里数，末次飞行日期，平均乘机时间间隔，最大乘机时间间隔
-
积分信息
积分兑换次数，促销积分，合作伙伴积分，总累计积分，非乘机的积分变动次数，总基本积分
根据这些信息我们将实现以下目标：
- 对客户进行分类
- 对不同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
分析方法与过程
- 目标：通过历史数据识别不同价值的客户。
- 方法：我们常用的模型是RFM模型，即通过最近消费时间间隔Recency，消费频率Frequency，消费金额Monetary三个指标进行客户细分。
由于航空公司的票价受到距离、舱位等级等多种因素影响。因此消费金额指标不适用于航空公司客户价值分析，而本例用飞行里程,M和乘坐舱位对应的折扣系数的平均值C来代替消费金额。另外会员入会时长L在一定程度上也影响客户价值。本案例简称该模型为LRFMC模型。
接下来我们对LRFMC五个指标进行K-Means聚类来识别最具价值的客户。 - 挖掘步骤：
1、数据抽取：从数据源中选择性抽取与新增数据抽取分别形成历史数据和增量数据。
2、数据探索与预处理：对1中形成的两个数据集进行数据探索分析与预处理，包括数据缺失值与异常值得探索分析，数据的属性规约、清洗和变换。
3、建模与应用：利用2中形成的已完成数据预处理的建模数据，基于LRFMC模型进行客户分群，对每个客户群进行特征分析，识别有价值的客户。
4、结果反馈：针对不同的客户群采用不同的营销方案。
数据抽取
数据探索分析
datafile=read.csv('E:……\示例程序\data\air_data.csv',header=T)
col=c(15:18,20:29)
summary(datafile[,col])
得出导入62988条数据，但发现票价收入字段有空值，票价收入最小值为0，平均折扣率最小值为0，而总飞行里程最小值大于0。
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，因此对其做丢失处理。
数据清洗
1、丢弃票价为空的记录
2、丢弃票价为0、平均折扣率不为0、总飞行里程大于0的记录
3、保持清晰后的数据
delet_na=datafile[-which(is.na(datafile$SUM_YR_1)|is.na(datafile$SUM_YR_2)),]
col=c(15:18,20:29)
summary(delet_na[,col])
index=((delet_na$SUM_YR_1==0&delet_na$SUM_YR_2==0)(delet_na$avg_discount!=0)(delet_na$SEG_KM_SUM>0))
deletdata=delet_na[-which(index==1),]
col=c(15:18,20:29)
summary(deletdata[,col])
cleanedfile=deletdata
属性规约
原始数据中的属性太多，根据LRFMC模型。选择相关的属性：观测窗口的结束时间，入会时间，最后一次乘机时间至观测窗口结束时长，飞行次数，总飞行总里数，平均折扣率。
数据变换
L=观测窗口结束时间-入会时间；
R=最后一次乘机时间至观测窗口结束时长；
F=飞行次数；
M=总飞行总里数;
C=平均折扣率
由于5个指标取值范围数据差异比较大，需要做数据标准化处理。
zscoredata=scale(datafile2)
colnames(zscoredata)=c('ZL','ZR','ZF','ZM','ZC')
构建模型
result=kmeans(inputfile,5)
type=result$cluster
table(type)
centervec=result$center
客户价值分析
针对聚类结果进行特征分析，明确该类用户的营销方案。
