第一届挑战赛A2-关于航空客户的信息挖掘

为了提高航空的上座率，对样本数据进行挖掘进行客户流失预测、客户细分及客户价值评估。基于logistic回归分析建立客户流失预测模型，得出每个客户的流失倾向概率。定义一阈值为0.5，若流失倾向概率大于0.5，则该客户的预测状态为流失；反之，则非流失。 建立RFM模型将客户划分为重要保持客户、重要发展客户、重要挽留客户、忠诚型一般客户、低价值客户五个类别。最后，综合分析客户的类型和流失状态，分析不同客户的特征，得到以下结果：

● 不同类别客户的指标平均值都不相近，易识别；

● 单从各个类别客户来讲，各指标情况在流失客户与非流失客户中有一定的差异。

针对不同的客户，可以采取不同的营销活动来提高上座率：

● 针对重要保持客户，进行客户保持。

● 针对重要发展客户，进行客户发展。

● 针对重要挽留客户，进行流失预警。

● 针对忠诚型一般客户，进行交叉销售。