基于数据挖掘的航空公司客户价值分析 Analysis of airline customer value based on Data Mining
数据集来源：南方航空公司2012-2014年会员档案信息和乘坐航班记录数据
程序实现：通过Canopy+K-means实现对客户数据的聚类分析，划分出5类客户群
模型评估：“肘”方法+轮廓系数法
结论：针对5类客户群，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。每种客户类别的特征如图所示。
通过对每类客户进行关联分析，发现如下特点：
(1)重要保持客户主要是商务旅客和收入优越的中产阶级，一般对机票价格关心程度不大。
(2)重要发展客户一般是热爱户外运动或摄影的旅游爱好者和背包客，收入可观。
(3)重要挽留客户往往是旅游、探亲之类，关注机票优惠时间和程度。
(4)一般客户和低价值客户主要和时间段相联系，每年的飞行路线和次数相对稳定，波动性较大，订票次数相对较少。
对重要保持客户和重要发展客户实行常旅客计划，对重要挽留客户提供一定的个性化服务，并定期给予适当优惠或奖励，促使其下次消费，对一般客户和低价值客户提供良好的网络客户服务，快速处理投诉问题。从流失概率角度，非忠诚旅客主要为低价值客户和一般旅客，流失的概率相对较大，其他旅客包括重要挽留客户及以上客户也存在一定的流失可能性。因此也可以利用计算忠诚度的参量，来分析不同客户的流失概率，利用决策树方法建立流失模型，之后使用聚类分析得出不同类型客户群，对有争取可能性的旅客进行挽留和实施客户关怀，分析结果可以辅助制定市场策略。