数据挖掘 | 航空公司客户流失预测

之前的一篇博客介绍了关于，今天的这篇博客将对航空公司的客户的流失进行预测。采用的是相同的数据集。

1. 背景

因此，在国内航空市场竞争日益激烈的背景下，航空公司在客户流失方面应该高度重视。本次项目的目的是根据航空公司的数据对老客户的流失做出预测。

2. 建模前

客户流失预测主要针对老客户。这里的老客户的界定是飞行次数大于 6 次。

2.1 类别标记

接下来给老客户打标签，将第二年飞行次数与第一年飞行次数相比比例小于50%的标记为流失客户，记为 1；将第二年飞行次数与第一年飞行次数相比比例大于等于50%的标记为非流失客户，记为 0。

用Python实现的方法如下：

airline[class] = airline[L1Y_Flight_Count] / airline[P1Y_Flight_Count]

def class(x):
    if x >= 0.5: return 0
    else: return 1
        
airline[class] = airline[class].apply(class)

2.2 特征选择

选择如下变量作为预测的特征：

FFP_TIER
AVG_INTERVAL
avg_discount
BP_SUM
WEIGHTED_SEG_KM
EXCHANGE_COUNT
Points_Sum
Point_NotFlight
Eli_Add_Point_Sum
FLIGHT_COUNT
SEG_KM_SUM
EP_SUM
ADD_Point_SUM

2.3 数据预处理

这里的数据预处理主要包括两个：

对 FFP_TIER 进行onehot编码

train_data = airline.iloc[1:,0:13]
tmp = np.array(train_data.iloc[:,0:1])
tmp2 = OneHotEncoder(sparse=False).fit_transform(tmp[:, (0,)])
X = np.hstack((train_data.iloc[:,1:], tmp2))

对数据进行标准化处理

3. 建模

对客户流失预测可选择的机器学习方法有很多，本案例采用随机森林进行建模预测。

3.1 训练集预测集划分

按照 8 : 2 的比例对数据集进行划分

train_x, test_x, train_y, test_y = train_test_split(X, y, test_size = 0.2, random_state = 123)

3.2 训练模型

from sklearn.ensemble import RandomForestClassifier
clf = RandomForestClassifier()
clf.fit(train_x, train_y)

3.3 训练结果

准确率

acc = clf.score(test_x, test_y)
print(acc)
>> 0.769384308306464

混淆矩阵

from sklearn.metrics import confusion_matrix, precision_recall_curve
cm = confusion_matrix(test_y, predict_y)
print(cm)
# 输出
[[4831  140]
 [1362  180]]

混淆矩阵可视化 PR曲线 特征重要性 随机森林模型可以对特征的重要性进行排序，得到的结果如下图。

结论

从结果来看，客户的流失率预测的准确率并不高。可以通过如下方法来尝试提高预测准备率：

1. 寻找最佳的超参数，在本案例中并没有对参数进行调整，采用的是默认参数。
2. 尝试其他不同的模型，常见的表现不错的模型有：Logistic Regression, SVM, xgboost等。
3. 特征选择，重新选择特征，可以采用加入特征或删除特征的方法来看对结果的贡献。