航空客户价值识别很困难？两个模型帮你解决

近年来，随着数字管理的逐步深化，企业的营销重点逐渐从产品中心转向客户中心，客户关系管理已成为企业管理的重要组成部分。客户关系管理的关键问题是客户分类，通过客户分类，为不同价值客户制定优化的个性化服务计划，采取不同的营销策略，将有限的营销资源集中在高价值客户身上，实现企业利润最大化。

这是我们今天要学习的一个关键词——客户价值识别，即通过航空公司的客户数据识别不同价值的客户。识别客户价值应用最广泛的模型有三个指标:最近的消费时间间隔(Recency)、消费频率(Frequency)和消费金额(Monetary)，利用上述三个指标细分客户，识别高价值客户，简称RFM模型。

Recency：最新消费时间和截止日期之间的间隔

一般情况下，客户最近的消费时间和截止日期之间的间隔越短，越有可能对即时商品或服务感兴趣。这就是为什么消费时间间隔为0-6个月的客户收到的沟通信息超过1年。

如果分析报告显示，近期消费时间的客户数量正在增加，则表明该公司是一家稳步上升的公司。相反，近期消费时间的客户越来越少，这表明公司需要发现问题，及时调整营销策略。

Frequency:客户在一定时间内消费的次数

我们可以这样理解，消费频率越高，客户满意度越高；忠诚度越高，客户价值越大。增加客户购买的次数意味着从竞争对手那里窃取市场份额并赚取营业额。企业需要做的是通过各种营销方式不断刺激客户消费，提高他们的消费频率，提高商店的回购率。

Monetary：客户在一定时间内消费的金额

消费量越大，客户的消费能力自然越大，这就是所谓的“二八定律”。特别是在企业早期资源不足时，这些客户必须是企业在营销活动中需要特别照顾的群体。

在RFM模型中，消费金额是指客户在一段时间内购买企业产品的总金额。由于航空票价受到运输距离、机舱等级等多种因素的影响，不同消费金额的乘客对航空公司的价值不同。

例如，与购买短途航线和高级机舱机票的乘客相比，购买长途航线和低级机舱机票的乘客对航空公司更有价值。因此，该特征不适用于航空公司的客户价值分析。在这种情况下，选择客户在一定时间内积累的飞行里程M和客户在一定时间内乘坐机舱相应均折扣系数C，而不是消费金额。

此外，航空公司会员入会时间的长度会在一定程度上影响客户价值，因此增加客户关系长度L作为区分客户的另一个特征。也就是航空公司客户价值分析的LRFMC（Recency-Frequency-Monetary）模型。

L:会员入会时间距观察窗口结束月数

R:R:客户最近一次乘坐公司飞机离观测窗口结束的月数

F:客户在观测窗口乘坐公司飞机的次数

M:客户在观测窗口积累的飞行里程碑

C:客户在观察窗口内乘坐相应的折扣系数的平均值

熟悉以上两个模型之后我们便可以根据下面这个步骤在Smartbi等智能BI工具对收集来的数据进行建模，继而对客户进行区分，筛选出目标用户。

1)提取航空公司的数据

2)对提取的数据进行数据探索分析和预处理，包括数据缺失值和异常值的探索分析、数据清理、特征构建、标准化等操作

3)基于RFM模型，使用K-Means算法进行客户分组

4)为模型结果获得不同价值的客户提供定制服务