数据分析：手把手教你做客户价值分群

当前各企业对客户关系管理(CRM)显得尤为关注，只有不断地保留并增加老客户黏性及挖掘潜客新客户，才能使企业生存的更好，更久。说到CRM，我刚开始接触的就是RFM模型，通过该模型将客户分为高价值、潜在价值和低价值。当每一个用户打上不同的价值标签时，就可以有针对性的实施营销策略，将有限的资源投入到高价值客户中，产生最大的利润。有关RFM模型，曾写过一篇实战: RFM模型使用(可点击查看)。

下文将有别于《实战: RFM模型使用》，在计算价值标签时，避免人为干扰，通过聚类的方法将目标人群分为三六九等。具体我们通过下面的实例来说明。

本文应用到的实例数据来源于《R语言数据分析与挖掘实战》一书，数据为某航空公司会员信息及乘机信息，通过构建LRFMC模型，实现客户价值分群。

我们说RFM模型由R(最近消费时间间隔)、F(消费频次)和M(消费总额)三个指标构成，通过该模型识别出高价值客户。但该模型并不完全适合所有行业，如航空行业，直接使用M指标并不能反映客户的真实价值，因为“长途低等舱”可能没有“短途高等舱”价值高；如网吧行业，可能“长在线时长低时单价”客户比“短在线时长高时单价”客户价值还高，因为网吧更希望看到是客户来的次数及上网时长。所以得根据实际行业灵活调整RFM模型的指标，本文就拿航空公司的数据为例，将RFM模型构建成L(入会至当前时间的间隔，反映可能的活跃时长)、R(最近消费时间距当前的间隔，反映当前的活跃状态)、F(乘机次数，反映客户的忠诚度)、M(飞行里程数，反映客户对乘机的依赖性)和C(舱位等级对应的折扣系数，侧面反映客户价值高低)5个指标。下面就利用这5个指标进行客户价值分群的实战：

#读取航空数据

flight <- read.csv(file = file.choose())

#查看数据结构及概览

dim(flight)

names(flight)

该数据集包含了62988条会员记录，涉及会员号、入会时间、首次登机时间、性别等44个字段。发现这么多字段中，正真能使用到的字段只有FFP_DATE(入会时间)、LOAD_TIME(观测窗口结束时间，可理解为当前时间)、FLIGHT_COUNT(乘机次数)、SUM_YR_1(票价收入1)、SUM_YR_2(票价收入2)、SEG_KM_SUM(飞行里程数)、LAST_FLIGHT_DATE(最后一次乘机时间)和avg_discount(舱位等级对应的平均折扣系数)。下面来看一下这些数据的分布情况：

vars <- c('FFP_DATE','LOAD_TIME','FLIGHT_COUNT','SUM_YR_1','SUM_YR_2','SEG_KM_SUM','LAST_FLIGHT_DATE','avg_discount')

flight2 <- flight[,vars]

summary(flight2)

发现数据中存在异常，如票价收入为空或0、舱位等级对应的平均折扣系数为0。这样的异常可能是由于客户没有实际登机造成，故考虑将这样的数据剔除。具体操作如下：

#剔除异常数据

attach(flight2)

clear_flight <- flight2[-which(SUM_YR_1==0 | SUM_YR_2==0 | is.na(SUM_YR_1)==1 | is.na(SUM_YR_2)==1 | avg_discount==0),]

#查看数据字段类型

str(clear_flight)

发现三个关于时间的字段均为因子型数据，需要将其转换为日期格式，用于下面计算时间差：

clear_flight$FFP_DATE <- as.Date(clear_flight$FFP_DATE)

clear_flight$LOAD_TIME <- as.Date(clear_flight$LOAD_TIME)

clear_flight$LAST_FLIGHT_DATE <- as.Date(clear_flight$LAST_FLIGHT_DATE)

数据清洗完后，需要计算上面提到的LRFMC五个指标，具体脚本如下：

#L:入会至当前时间的间隔

#R:最近登机时间距当前的间隔

clear_flight <- transform(clear_flight, L = difftime(LOAD_TIME,FFP_DATE, units = 'days')/30, R = difftime(LOAD_TIME,LAST_FLIGHT_DATE, units = 'days')/30)

str(clear_flight)

发现L和R这两个指标并不是数值型数据，而是difftime型，故需要将其转换为数值型：

clear_flight$L <- as.numeric(clear_flight$L)

clear_flight$R <- as.numeric(clear_flight$R)

#查看数据结构

summary(clear_flight)

发现缺失值，这里仍然将其剔除：

clear_flight <- clear_flight[-which(is.na(clear_flight$LAST_FLIGHT_DATE)==1),]

目前5个指标值都有了，下面就需要根据每个客户的5个值对其进行分群，传统的方法是计算综合得分，然后排序一刀切，选出高价值、潜在价值和低价值客户。现在所使用的方法是k-means聚类算法，避免了人为的一刀切。由于k-means聚类算法是基于距离计算类与类之间的差别，然而这5个指标明显存在量纲上的差异，故需要标准化处理：

#数据标准化处理

standard <- data.frame(scale(x = clear_flight[,c('L','R','FLIGHT_COUNT','SEG_KM_SUM','avg_discount')]))

names(standard) <- c('L','R','F','M','C')

标准化数据之后，就可以使用k-means聚类算法将客户进行聚类，问题是该聚为几类呢？根据传统的RFM模型，将价值标签分为8类，即：

不妨我们就将客户分类8个群体，即：

#k-means聚类，设置聚类个数为8

set.seed(1234)

clust <- kmeans(x = standard, centers = 8)

#查看8个类中各指标均值情况

centers <- clust$centers

centers

#查看8个类中的会员量

table(clust$cluster)

上图反馈了客户的聚类结果，但是从数据中很难快速的找出不同价值的客户，下面通过绘制雷达图来反映聚类结果：

#绘制雷达图

install.packages('fmsb')

library(fmsb)

max <- apply(centers, 2, max)

min <- apply(centers,2,min)

df = data.frame(rbind(max,min,centers))

radarchart(df = df, seg=5, plty=1,vlcex=0.7)

从图中可知，黄色线是价值最高的，F和M值对应最高，C值次高，属于第7组人群;价值次高的是绿色线人群，即第5组，该人群特征是C值最大；以此类推，灰色线人群的价值最低，雷达图所围成的面积最小。还有一种办法能够最快的识别出价值由高到低的8类人群，即对8个人群各指标均值求和排序即可，因为数据都是标准化的，不受量纲影响，可直接求和排序：

order(apply(centers,1,sum),decreasing = TRUE)

结果显示第7组人群最佳、其次是第5组人群，最差的是第8组人群。通过对比centers结果，能够很好的反映8组人群的价值高低：