導(dǎo)語：CART算法對(duì)航空公司客戶流失的應(yīng)用一文來源于網(wǎng)友上傳，不代表本站觀點(diǎn)，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

【摘要】為了降低客戶的流失造成公司的巨大損失，構(gòu)建了客戶流失模型。通過航空公司的客戶信息、數(shù)據(jù)預(yù)處理、屬性規(guī)約、數(shù)據(jù)離散化以及樣本選取構(gòu)建數(shù)據(jù)集，并利用cart算法進(jìn)行客戶流失的預(yù)測(cè)，利用混淆矩陣和ROC曲線評(píng)估模型的性能，證明該模型的可行性和良好性，為航空公司開展持續(xù)改進(jìn)的營(yíng)銷活動(dòng)提供參考。

【關(guān)鍵詞】客戶流失；分類預(yù)測(cè)；混淆矩陣；ROC曲線；CART算法

1引言

隨著大數(shù)據(jù)時(shí)代的到來，航空公司掌握隱藏在數(shù)據(jù)的有價(jià)值信息成為獲取商機(jī)的關(guān)鍵因素，客戶流失是造成公司利潤(rùn)損失的重要原因?？蛻襞c公司保持的關(guān)系越良好，帶給公司的利潤(rùn)就越高。但是不少客戶成為新客戶的同時(shí)，又有一大批的客戶流失，一個(gè)老客戶的關(guān)系維護(hù)比獲取一個(gè)新客戶的成本更小[1]。這就需要預(yù)測(cè)的方法，如何在客戶即將流失前有效地發(fā)現(xiàn)，并對(duì)客戶特征進(jìn)行準(zhǔn)確的分析，從而幫助營(yíng)銷部門確定可能流失的目標(biāo)客戶群體，制定有針對(duì)性的策略是關(guān)注重點(diǎn)?；跊Q策樹建立航空公司客戶流失模型，將具有不同特征的客戶劃分為不同客戶類型，分析不同客戶群體特征，為制定營(yíng)銷策略提供參考。

2準(zhǔn)備工作

2.1客戶流失類型

由于不同的業(yè)務(wù)所對(duì)應(yīng)的客戶流失的定義不一，這里對(duì)客戶流失類型的定義：把客戶類型MEMBER_TYPE分為三類。第一類：第二年飛行次數(shù)和第一年飛行次數(shù)的比例大于或者等于90%的客戶為未流失客戶，標(biāo)記為0；第二類：第二年飛行次數(shù)和第一年飛行次數(shù)的比例大于或者等于50%小于90%的客戶為準(zhǔn)流失客戶，標(biāo)記為1；第三類：第二年飛行次數(shù)和第一年飛行次數(shù)的比例小于50%的客戶為已流失客戶，標(biāo)記為2.

2.2預(yù)測(cè)客戶流失的重要性

獲得新客戶，一般需要在銷售、市場(chǎng)、廣告和人力等方面花費(fèi)很多，然而大多數(shù)新客戶白喉產(chǎn)生的利潤(rùn)往往不如流失的老客戶。然而，在航空市場(chǎng)競(jìng)爭(zhēng)日益激烈的今天，航空公司在客戶流失方面應(yīng)該引起自購的重視，如何改善流失問題，進(jìn)一步提升客戶的滿意度。忠誠(chéng)度是航空公司保持自身核心競(jìng)爭(zhēng)力的一大關(guān)鍵因素。因此，航空公司要做好客戶流失預(yù)測(cè)工作。

2.3CART決策樹

決策樹是由內(nèi)部節(jié)點(diǎn)、分支和葉子組成一種樹狀結(jié)構(gòu)。由根節(jié)點(diǎn)開始，葉節(jié)點(diǎn)結(jié)束。決策樹在數(shù)據(jù)分類和預(yù)測(cè)中是最簡(jiǎn)單易懂的數(shù)據(jù)挖掘方法，同時(shí)也是一種非常有效的分類算法。CART算法可用于分類和回歸，相對(duì)ID3算法和C4.5算法應(yīng)用更加廣泛，目前已經(jīng)成功應(yīng)用于醫(yī)學(xué)疾病預(yù)測(cè)[2,3]、魚種豐富度預(yù)測(cè)[4]、客戶流失分析[5-7]、土壤濕度分析[8]等多個(gè)領(lǐng)域。

3分析方法與過程

大數(shù)據(jù)時(shí)代的迅猛發(fā)展，使得公司客戶數(shù)據(jù)呈數(shù)量級(jí)增長(zhǎng)，如何快速并有效地發(fā)掘隱藏在數(shù)據(jù)的價(jià)值，是公司必抓的重點(diǎn)之一。目前航空公司客戶數(shù)據(jù)主要表現(xiàn)出為數(shù)據(jù)量大、屬性多而余。由于客戶信息包括了MEMBER_NO、GFFP_TIER、SUM_YR_1、SUM_YR_2等44個(gè)屬性。從系統(tǒng)中直接抽取的數(shù)據(jù)不能直接表示客戶的流失特征，需要對(duì)樣本數(shù)據(jù)進(jìn)行探索性分析與預(yù)處理，包括數(shù)據(jù)缺失值與異常值探索行分析，數(shù)據(jù)的屬性構(gòu)造、清洗和變換等、對(duì)已完成預(yù)處理的數(shù)據(jù)進(jìn)行建模，構(gòu)建客戶流失模型、評(píng)估模型性能、調(diào)用模型實(shí)現(xiàn)實(shí)時(shí)診斷，逐漸完善該模型。

3.1數(shù)據(jù)來源

從某個(gè)航空公司抽取了2012-04-01至2014-03-31的客戶數(shù)據(jù)，共有62,988條記錄，其中包含了44個(gè)屬性，由于篇幅限制，給出部分屬性名稱以及說明如表1所示。

3.2數(shù)據(jù)探索性分析

原始數(shù)據(jù)中存在大量的缺失值與異常值，需要分析數(shù)據(jù)的分布規(guī)律。數(shù)據(jù)探索結(jié)果如表3所示。原始數(shù)據(jù)中存在票價(jià)為空值，最小票價(jià)為0，最小票價(jià)折扣率為0，總飛行公里數(shù)大于0的情況。票價(jià)是空值可能是客戶沒有乘機(jī)記錄，其他的可能是客戶乘坐免費(fèi)機(jī)票或者積分兌換造成的。原始數(shù)據(jù)中某些屬性數(shù)據(jù)的取值范圍差異比較大，為了消除數(shù)量級(jí)數(shù)據(jù)造成的影響以及數(shù)據(jù)變換的屬性取值分級(jí)，所以需要對(duì)數(shù)據(jù)進(jìn)行離散化（3.3.2小節(jié)提及）。

3.3數(shù)據(jù)預(yù)處理

客戶流失分析一般是針對(duì)老客戶而言，這里定義飛行次數(shù)FIGHT_COUNT大于6次的客戶為老客戶。由于客戶類型MEMBER_TYPE是由第二年飛行次數(shù)以及第一年飛行次數(shù)的比例確定的，則第一年飛行次數(shù)等于0的記錄不滿足分母不為零的條件。發(fā)現(xiàn)數(shù)據(jù)中存在缺失值，原始數(shù)據(jù)中存在票價(jià)為空值，最小票價(jià)為0，最小票價(jià)折扣率為0，總飛行公里數(shù)大于0的情況。由于原始數(shù)據(jù)量很大，這類數(shù)據(jù)占比比較小，對(duì)于問題的分析影響很小，所以對(duì)這些記錄直接刪除，即刪除票價(jià)為空的記錄；刪除票價(jià)是0、平均折扣率是0、總公里數(shù)大于0的數(shù)據(jù)。經(jīng)過數(shù)據(jù)的簡(jiǎn)單處理后，剩余數(shù)據(jù)是31,272條記錄。3.3.1屬性規(guī)約原始數(shù)據(jù)中包含了太多的屬性，選取客戶的關(guān)鍵屬性。即需要選取與MEMBER_TYPE相關(guān)性比較強(qiáng)的變量，計(jì)算不同的變量與MEMBER_TYPE的相關(guān)性。對(duì)原始數(shù)據(jù)集中數(shù)值型變量，通過雙變量Pearson相關(guān)性檢驗(yàn)來說明變量間的相關(guān)性。從44個(gè)屬性中選取相關(guān)性比較高的20個(gè)屬性（這里選取相關(guān)性的絕對(duì)值大于等于0.13），如表4所示。其他屬性對(duì)MEM⁃BER_TYPE的影響很小，可以忽略不計(jì)，因此直接剔除。3.3.2數(shù)據(jù)變換數(shù)據(jù)變換目的是將數(shù)據(jù)轉(zhuǎn)化成“合適的”格式，以便適應(yīng)數(shù)據(jù)挖掘的需要。這里采用的是屬性構(gòu)造以及數(shù)據(jù)離散化，采用聚類算法的方式將除了客戶級(jí)別、客戶類型的其他屬性分成3類。3.3.2.1屬性構(gòu)造為了降低屬性的維度，通過原始數(shù)據(jù)計(jì)算以下指標(biāo)。5）綜上，最終確定的數(shù)據(jù)屬性個(gè)數(shù)為12，第13列為標(biāo)簽列。3.3.2.2數(shù)據(jù)離散化通過聚類算法將數(shù)據(jù)集進(jìn)行離散化處理，每個(gè)屬性（除了客戶級(jí)別）分成3類，其離散表如表5所示。3.3.3樣本平衡對(duì)于訓(xùn)練的數(shù)據(jù)，數(shù)據(jù)正負(fù)樣本比例并非一定是相同或等比的才是樣本平衡。這里最終得到的數(shù)據(jù)一共31272條記錄，標(biāo)記為0的數(shù)據(jù)未流失客戶為17396，標(biāo)記為1的數(shù)據(jù)準(zhǔn)流失客戶是7252，標(biāo)記為2的數(shù)據(jù)已流失客戶是6624，樣本比例大致是：2.6∶1∶1，決策樹正負(fù)樣本比例最佳時(shí)1∶2.5[9]接近數(shù)據(jù)樣本最佳比例，所以直接用數(shù)據(jù)進(jìn)行訓(xùn)練以及測(cè)試。

4模型的建立以及實(shí)現(xiàn)

混淆矩陣是表示真實(shí)屬性與識(shí)別結(jié)果類型之間關(guān)系的一種常用表達(dá)形式，也是評(píng)價(jià)分類器性能的一種常用方式。經(jīng)過數(shù)據(jù)準(zhǔn)備工作，預(yù)處理后的樣本數(shù)據(jù)達(dá)到了建模數(shù)據(jù)質(zhì)量要求，在此基礎(chǔ)上直接通過PYTHON包含的Scikit_Learn利用訓(xùn)練樣本構(gòu)造CART算法決策樹模型，建立客戶流失預(yù)測(cè)模型，默認(rèn)葉子節(jié)點(diǎn)包含的最小樣本數(shù)為2。選擇10-fold交叉驗(yàn)證方式，即隨機(jī)選擇80%為訓(xùn)練樣本，20%為測(cè)試樣本，得到混淆矩陣，即可獲得分類器的正確識(shí)別率和錯(cuò)誤識(shí)別率。由圖1可知，隨機(jī)選擇訓(xùn)練樣本為25017，則整體分類準(zhǔn)確率是（14998+6012+2977）/25017=95.88%。第一行說明，有12998個(gè)樣本分類準(zhǔn)確，占據(jù)99.04%，屬于未流失客戶，有141個(gè)樣本被誤判為準(zhǔn)流失客戶，有5個(gè)樣本為誤判為已流失客戶；第二行說明，有6012個(gè)樣本分類準(zhǔn)確87.23%，屬于準(zhǔn)流失客戶，有675個(gè)樣本被誤判為未流失客戶，有205個(gè)樣本被誤判為已流失客戶；第三行說明有2977個(gè)樣本分類準(zhǔn)確，占據(jù)99.87%，屬已流失客戶，有1個(gè)樣本被誤判為未流失客戶，有3個(gè)樣本被誤判為準(zhǔn)流失客戶。三類客戶類型的平均正確識(shí)別率為95.88%，說明該模型效果良好。

4.1模型評(píng)估

受試者工作特性ROC曲線[10]反映了分類器正確的體積概率，其值越是接近1說明該結(jié)果越好。為了進(jìn)一步評(píng)估模型分類的性能，用測(cè)試樣本對(duì)其采用ROC曲線進(jìn)行評(píng)估，一個(gè)優(yōu)秀的分類器所對(duì)應(yīng)的ROC曲線應(yīng)該是盡可能的靠近左上角。由圖2可知，該模型效果優(yōu)良，對(duì)客戶流失預(yù)測(cè)是合理、準(zhǔn)確的。

4.2模型應(yīng)用

航空公司客戶流失分析的最終目標(biāo)是要給公司的營(yíng)銷計(jì)劃給予指導(dǎo)，從以下幾方面進(jìn)行闡述。由于本模型采用歷史的數(shù)據(jù)進(jìn)行建模與預(yù)測(cè)，對(duì)于新增的老客戶信息，如果預(yù)測(cè)結(jié)果與實(shí)際情況差別大的話，需要航空公司重點(diǎn)分析，查看實(shí)際的原因以及確定模型的穩(wěn)定性。如果模型穩(wěn)定性變化大，則需要重新訓(xùn)練模型。一般建議每隔半年訓(xùn)練一次[11]。整個(gè)客戶流失分析的過程應(yīng)該是一個(gè)可持續(xù)循環(huán)利用的過程。確定客戶類型，特別是準(zhǔn)流失客戶?？梢酝ㄟ^客戶流失概率來確定可能流失的客戶，并對(duì)該客戶群進(jìn)行追蹤與關(guān)懷。會(huì)員級(jí)別的升級(jí)與保留。如今對(duì)于會(huì)員級(jí)別的管理，基本是大同小異的。在航空行業(yè)，一般要求客戶在規(guī)定時(shí)間，如一年，累計(jì)達(dá)到相對(duì)應(yīng)的飛行里程或單位里程票價(jià)，達(dá)到此要求后在有效期內(nèi)（通常為兩年）可進(jìn)行會(huì)員級(jí)別的升級(jí)，以便享受更人性化的服務(wù)。有效期結(jié)束時(shí)，根據(jù)一定的評(píng)價(jià)方式，對(duì)客戶的級(jí)別進(jìn)行調(diào)整。但是大部分客戶往往不關(guān)注或者無法獲取航空公司對(duì)會(huì)員級(jí)別調(diào)整制度，而導(dǎo)致錯(cuò)過以至于對(duì)航空公司的不滿而轉(zhuǎn)向在其他公司消費(fèi)。因此，航空公司可以在有效期結(jié)束之前對(duì)即將滿足評(píng)價(jià)要求的客戶進(jìn)行提示以及采取相應(yīng)的促銷，如降低折扣，刺激客戶消費(fèi)。積分兌換。航空公司可以通過累計(jì)的飛行里程或單位里程積分來兌換免機(jī)票或者升級(jí)艙位，特別是首次兌換，當(dāng)達(dá)到航空公司的標(biāo)準(zhǔn)，首次兌換的力度往往會(huì)比其他營(yíng)銷活動(dòng)力度要大。但是，航空公司也對(duì)客戶積分的進(jìn)行削減，一般會(huì)在年末進(jìn)行清零，導(dǎo)致了很多客戶好不容易積累的積分白白損失，總是難以達(dá)到首次兌換的標(biāo)準(zhǔn)，造成客戶的不滿。可以對(duì)即將滿足首次兌換的客戶進(jìn)行提示或者進(jìn)行促銷活動(dòng)，積分兌換實(shí)際上在一定程度上實(shí)現(xiàn)了成本轉(zhuǎn)移，因?yàn)橥俅畏e分兌換的客戶在本公司比在其他公司消費(fèi)的可能性大。捆綁銷售。增強(qiáng)與非航公司的合作，使得客戶在其他公司消費(fèi)的同時(shí)獲得本航空公司的積分或其他福利。與客戶的互動(dòng)價(jià)值往往高于獲取新客戶的價(jià)值，也避免了客戶流失的利潤(rùn)直接損失。

5結(jié)束語

論文利用CART決策樹算法結(jié)合航空公司客戶數(shù)據(jù)進(jìn)行客戶流失分析，研究航空公司客戶流失的行為特征，利用屬性構(gòu)造等方式總結(jié)出客戶流失的特征屬性，根據(jù)CART決策樹算法在航空公司的識(shí)別效果，采用ROC曲線進(jìn)行模型評(píng)估，對(duì)客戶進(jìn)行建模分析能很好的預(yù)測(cè)其流失情況，利用CART決策樹算法進(jìn)行航空公司客戶流失預(yù)測(cè)分析具有現(xiàn)實(shí)意義。

作者：余思東 黃欣 單位：廣西農(nóng)業(yè)職業(yè)技術(shù)學(xué)院信息與機(jī)電工程系