航空公司客户流失分析

背景与分析方法

本文是接着航空公司客户价值分析，这是拓展考虑的部分，这里简单的将它做了一下。在客户管理中，客户流失也是一个非常重要的问题。客户流失对利润增长形成的负面影响非常大，客户与航空公司之间的关系越耐久，给航空公司带来的利润就回越高。所以流失一个客户，比获得一个新客户对公司的损失更大。
客户流失分析针对老客户停止分析预测，这里的老客户定义为飞行次数大于6次的客户。用航空公司客户信息数据来停止分类模型训练，预测将来客户的类别归属：未流失、准流失或已流失。

特征选择

这里直接采用之前清洗好的数据集来停止特征选择，这里选择的关键属性有：会员卡级别、客户类型、平均乘机时间间隔、平均折扣率、积分兑换次数、非乘机积分总和、单位里程票价以及单位里程积分等。其中客户类型需要停止挑选定义，单位里程票价和单位里程积分需要停止计算。
选择代码如下：

1. import pandas as pd
2. #读数据
3. input_file = '../data/cleaned.xls'
4. output_file = '../tmp/selected.xls'
5. data = pd.read_excel(input_file)
6. #选取特征
7. data['单位里程票价'] = (data['SUM_YR_1'] + data['SUM_YR_2'])/data['SEG_KM_SUM']
8. data['单位里程积分'] = (data['P1Y_BP_SUM'] + data['L1Y_BP_SUM'])/data['SEG_KM_SUM']
9. data['飞行次数比例'] = data['L1Y_Flight_Count'] / data['P1Y_Flight_Count'] #第二年飞行次数与第一年飞行次数的比例
10. #挑选出老客户(飞行次数大于6次的为老客户)
11. data = data[data['FLIGHT_COUNT'] > 6]
12. #选择特征
13. data = data[['FFP_TIER','飞行次数比例','AVG_INTERVAL',
14.              'avg_discount','EXCHANGE_COUNT','Eli_Add_Point_Sum','单位里程票价','单位里程积分']]
15. #导出
16. data.to_excel(output_file,index=None)

复制代码

然后停止客户类别的定义添加，代码如下：

1. import pandas as pd
2. input_file = '../tmp/selected.xls'
3. output_file = '../tmp/classfication.xls'
4. data = pd.read_excel(input_file)
5. data['客户类型'] = None
6. for i in range(len(data)):
7.     #第一、二年飞行次数比例小于50%的客户定义为已流失
8.     if data['飞行次数比例'][i] < 0.5:
9.         data['客户类型'][i] = 0 #0代表已流失
10.     #第一、二年飞行次数比例在[0.5,0.9)之间的客户定义为准流失
11.     if (data['飞行次数比例'][i] >= 0.5) & (data['飞行次数比例'][i] < 0.9) :
12.         data['客户类型'][i] = 1 #1代表准流失
13.     #第一、二年飞行次数比例大于等于90%的客户定义为未流失
14.     if data['飞行次数比例'][i] >= 0.9:
15.         data['客户类型'][i] = 2 #2代表未流失
16. #导出
17. data.to_excel(output_file,index=None)

复制代码

到这里根本上将可以用来训练的数据集准备好了，但是还需要一定的处置。

规范化处置

查看之前选择完的数据集，如下图所示，发现其跨度还是比较大，需要停止规范化处置。

处置的代码如下：

1. import pandas as pd
2. #读数
3. input_file = '../tmp/classfication.xls'
4. output_file = '../tmp/std.xls'
5. data = pd.read_excel(input_file)
6. #去掉飞行次数比例
7. data = data[['FFP_TIER','AVG_INTERVAL','avg_discount','EXCHANGE_COUNT',
8.              'Eli_Add_Point_Sum','单位里程票价','单位里程积分','客户类型']]
9. #规范化
10. data.loc[:,:'单位里程积分'] = (data.loc[:,:'单位里程积分'] - data.loc[:,:'单位里程积分'].mean(axis = 0)) \
11.        / (data.loc[:,:'单位里程积分'].std(axis = 0))
12. #导出
13. data.to_excel(output_file,index=None)

复制代码

到这里就把能用来停止模型训练的数据集准备好了，下面就需要停止模型的选择以及模型参数的选择了。

模型选择

在本文中主要对两个算法停止了测试，分别是决策树以及SVM算法。采用了交叉验证的方法，来测试哪个模型表现得好，主要代码如下所示：

1. import pandas as pd
2. from sklearn.model_selection import cross_val_score
3. from sklearn.tree import DecisionTreeClassifier
4. from sklearn.svm import SVC
5. input_file = '../tmp/std.xls'
6. data = pd.read_excel(input_file)
7. #划分X，y
8. X = data.loc[:,:'单位里程积分'].values
9. y = data.loc[:,'客户类型'].values
10. #模型选择使用交叉验证法来评估模型
11. model1 = DecisionTreeClassifier()
12. model2 = SVC(kernel='rbf')
13. score1 = cross_val_score(model1,X,y,cv=5)
14. score2 = cross_val_score(model2,X,y,cv=5)
15. print('决策树模型得分：{:.2f}'.format(score1.mean()))
16. print('SVM模型得分：{:.2f}'.format(score2.mean()))

复制代码

结果如下图所示：

可以看到在还没有对SVM停止参数选择优化的时候，SVM得分已经远远超越了决策树，所以在本次流失分析中，初步选择SVM模型停止此次的分类模型训练。

模型参数选择

在这里使用网格搜索法来选取SVM的最优参数，即确定C、gamma的值，代码如下：

1. import pandas as pd
2. from sklearn.model_selection import train_test_split
3. from sklearn.model_selection import GridSearchCV
4. from sklearn.svm import SVC
5. import joblib
6. #读取数据
7. input_file = '../tmp/std.xls'
8. output_file = '../tmp/loss.pkl'
9. data = pd.read_excel(input_file)
10. #划分训练集、测试集
11. X = data.loc[:,:'单位里程积分'].values
12. y = data.loc[:,'客户类型'].values
13. X_train,X_test,y_train,y_test =  train_test_split(X,y,train_size = 0.8)
14. #采用网格搜索法来寻找SVC的最优参数
15. svc = SVC(kernel='rbf')
16. params = {'gamma':[0.1,1.0,10.0],
17.           'C':[1.0,10.0,100.0]}
18. grid_search = GridSearchCV(svc,params,cv=5)
19. grid_search.fit(X_train,y_train)
20. print('模型最高分 {:.2f}'.format(grid_search.score(X_test,y_test)))
21. print('最优参数为: {}'.format(grid_search.best_params_))

复制代码

执行结果如下：

可以看到模型得分并不是很高，最佳参数也出来了，暂且就这样用用吧，接下来用最佳参数来训练模型并保管。

1. svc = SVC(kernel='rbf',C=1.0,gamma=1.0)
2. svc.fit(X_train,y_train)
3. joblib.dump(svc,output_file)

复制代码

这样就将模型保管好了，后面再用模型来停止预测。

模型预测

这里就只用测试集的一组数据停止测试了，看是否预测分类正确，代码如下：

1. import joblib
2. from model import X_test,y_test
3. #导入模型
4. model = joblib.load('../tmp/loss.pkl')
5. #预测分类
6. y_predict = model.predict([X_test[0]])
7. print(y_predict)
8. print(y_test[0])

复制代码

运行结果如下所示：

如上图所示，这一组预测是正确的，预测的结果是2代表未流失，实际结果也是未流失，说明预测正确，虽然这次的模型得分不高但主要是用来练一下手，有兴趣的可以下来看采用什么办法来进步模型得分。