旅游企业客户洞察案例
案例介绍
一家跨国旅游企业想对公司近8年历史消费客户做一个分析，了解客户的特征，从而针对不同客户的特征做出相对应的营销策略，最大化投入产出比。通过识别高价值、高潜力的客户，实行差异化的客户管理策略，优化客户体验。为了实现这一目标，通过客户分群术，将具有相似特性的客户聚到相同类中，为每个不同特点的客户群体提供具有针对性的、个性化的营销和管理活动。
数据集介绍
数据集下载：data_travel.csv
在对客户进行分群之前，先让我们来了解客户数据构成。该客户数据主要包括客户系统中存储的客户历史消费记录，以及在第三方渠道购买的个人基本信息、家庭经济情况、兴趣爱好等，字段含义如下表所示。
| 名称 | 说明 | 类型 |
|---|---|---|
| interested_travel | 旅行偏好 | 二分类 |
| computer_owner | 是否家有电脑 | 二分类 |
| age | 估计的年龄 | 连续 |
| home_value | 房产价格 | 连续 |
| loan_ratio | 贷款比率 | 连续 |
| risk_score | 风险分数 | 连续 |
| marital | 婚姻状况估计 | 连续 |
| interested_sport | 运动偏好 | 连续 |
| HH_grandparent | 户主祖父母是否建在 | 连续 |
| HH_dieting | 户主节食偏好 | 连续 |
| HH_head_age | 户主年龄 | 连续 |
| auto_member | 驾驶俱乐部估计 | 连续 |
| interested_golf | 高尔夫偏好 | 二分类 |
| interested_gambling | 博彩偏好 | 二分类 |
| HH_has_children | 户主是否有孩子 | 二分类 |
| HH_adults_num | 家庭成年人数量 | 连续 |
| interested_reading | 阅读偏好 | 有序分类 |
通过对数据的观察，以及对业务需求的分析，可以确定进行建模 分析的思路如下：
1、数据集中的变量较多，如果全部放入模型会导致模型解释 困难。因此，一方面我们对于有相关性的变量进行降维，减少变量数目；另一方面，基于业务理解，预先将变量进行分组，使得同一组的变量能尽量解释业务的一个方面。比如本案例中可以将变量分成两组，分别是用户的家庭基本情况和用户的爱好情况，通过对每组变量 分别进行聚类，获取用户一个方面的特征描述，再对两个聚类结果进行综合，以获得较完整的用户画像。
2、案例中数据类型复杂，包含了连续变量、等级变量和名义变量，而且数据的实际类型与通常业务理解的类型有出入。例如， 有些情况下变量虽是离散型的，但实际是以连续的分数形式给出的， 如婚姻状况【marital】、爱好运动【interested_sport】等，这是由于作为数据 提供的服务商，该公司并不一定知道这些客户的真实个人信息，部分 数据是通过模型预测、打分得到的。由于k-means仅用于连续型变量 聚类，因此需要对变量进行预处理。对于有序分类变量，如果分类水 平较多可以按连续变量处理，否则按无序分类变量处理，再进入模 型；无序分类变量数目较少时，可以使用其哑变量编码进入模型。本案例中由于有较多的二分类变量，又集中在用户爱好这一方面，因此我们将【interested_reading】这一有序分类变量二值化，再与其他几个二分类变量一起进行汇总，得到用户的“爱好广度”，使用“爱好广度”与其他连续型的爱好类变量进行聚类。
3、离散变量（如【HH_has_children】）一般不参与聚类，因为其本身就可以视作是簇的标签；如果为了后期解释模型时简化处理，在离散变量不多的情况之下，也可以做哑变量变换后进入模型。
案例操 作
使用“主成分分析”和“交互式K-Means”组件进行分类工作的流程如下图所示：
1、使用“加载文件”组件加载数据集，在“手动上传”tab页点击“选择文件”来上传本案例所需数据集，并按照“数据集介绍”开头的字段介绍进行默认参数设置，若字段类型为二分类则将其的类型设置为“categorical”，若字段类型为连续则将其的类型设置为“numeric”，具体如下图所示：
2、通过观察数据信息，我们发现数据中存在缺失值，需要对缺失值进行处理，将“加载文件”连接到“缺失值处理”组件，填补缺失值，这里我们使用使用平均值/频繁值填补。
3、再将“缺失值处理”连接到“特征构建”组件，修正错误值，错误值需要结合案例背景与数据对应的业务情况来进行修正。在该数据集当中，【HH_has_children】的分类水平以字符形式表示，需要转换为整型，同时其中的缺失值应当表示没有小孩，因此替换为0；阅读爱好【interested_reading】中包含错误值“.”，将其以0进行替换，代表该用户对阅读没有兴趣。
点击“新建属性”，分别填入下述内容，共计需要需要新建两个属性 1、属性名：fliter_interested_reading 表达式：0 if interested_reading==0 else 1 if interested_reading==1 else 2 if interested_reading==2 else 3 if interested_reading==3 else 0 2、属性名：fliter_HH_has_children 表达式：0 if HH_has_children=="N" else 1 if interested_reading=="Y" else 0
4、结合本案例场景中客户的经济文化以及消费水平、生活习惯等，可以将旅行、电脑、高尔夫、博彩、阅读这几个分类型变量综合 成一个“爱好广度”指标，其代表了用户休闲娱乐爱好；而连续型的 【interested_sport】、【HH_dieting】属于健康类爱好，【auto_member】属于奢侈型爱好。因此，将“特征构建”连接到“特征构建”组件。整合函数：interest = interested_travel + computer_owner + interested_golf + interested_gambling + fliter_interested_reading。
点击“新建属性”，填入下述内容： 属性名：interest 表达式：interested_travel + computer_owner + interested_golf + interested_gambling + fliter_interested_reading
5、在建模的过程中，并不需要所有特征都参与，因此将“特征构建”连接到“属性选择”组件，选择需要的特征，剔除冗余的特征，如图所示：
6、为了消除特征数据的范围相差较大给建模带了的影响，我们还需对数据进行预处理，将“属性选择”连接到“数据预处理”组件，选择“标准化属性”，对数据进行标准化处理。
7、然后将“数据预处理”连接到“数据信息”组件，我们可以查看处理后数据情况。
8、并将“数据预处理”连接到“主成分分析”组件，进行主成分分析。我们将主成分占比设置为0.7，其余参数设置选择默认参数。
9、将“主成分分析”连接到“查看数据”组件。查看每一个主成分对应特征权重分析情况。
10、最后，将“主成分分析”连接到“交互式k-Means”组件，选择类别为4，查看K-Means聚类分析的结果。
