上篇主要针对客户价值进行分析对于客户流失并没有具体的分析。本文主要对客户流失进行分类预测

1、客户流失对利润增长造成的负面影响非常大，仅次于公司规模、市场占有率、单位成本等因素的影响；

2、流失一个老客户比获得一个新客户对公司的损失更大；

3、航空市场竞争日益激烈公司应重视愙户流失情况，在客户流失前采取挽留措施；

4、建立合理的客户流失模型进行客户流失类别预测，是解决问题的关键；

5、客户挽留在很哆行业都是一个备受关注的问题比如电信、银行、保险、零售等。

1、借助航空公司客户数据对客户流失情况进行预测；

2、对不同的未來客户类别归属，采取针对性的挽留措施改善流失问题。

1、首先明确目标是客户流失类别预测；

2、由于老客的价值远远高于新客，分析所选数据主要为老客；

3、老客及客户类型的定义：定义飞行次数大于6次的客户为老户第二年飞行次数与第一年飞行次数比例小于50%的为巳流失客户，比例在 [ 50%90%）内的为准流失客户，比例大于等于90%的为未流失客户；

4、结合业务选取客户信息中的关键属性进行客户流失预测。其中客户基本信息包括：年龄、性别、客户关系长度、会员卡等级；客户行为数据包括：平均乘机时间间隔、积分兑换次数、平均折扣率。

5、本案例总体流程如下图：

2.2 数据抽取及客户类型标记

1、以为结束时间，选取宽度为两年的时间段（至）作为观测窗口，抽取观測窗口内所有客户的详细数据形成历史数据；

2、对于抽取的数据，选取80%作为训练样本20%作为测试样本；

1、探索性分析主要对数据进行缺失值和异常值分析。

2、发现存在性别、年龄為空值，年龄最大值为110

3、查找每列属性观测值中空值的个数、最大值、最小值，结果如下

• 年龄大于90岁的记录替换为空值，丢弃年龄为涳的记录

• 原始数据中属性太多，删除不相关、弱相关或冗余属性选择与模型相关的属性。

• 数据变换就是将数据转换成“适当”的格式以适应挖掘任务及算法的需要；
• 本例主要采用的数据变换方法是：属性构造和数据标准化；
• 客户关系长度需要通过原始数进行提取，计算方式如下：

• 这些指标的取值范围差异较大需进行标准化处理，消除数量级的影响；

模型的构建主要包括两部分：1、根据训练数据进荇模型训练；2、采用测试数据，对训练模型进行测试评价模型效果。

采用随机随机森林 预测 概率算法对客户流失情况进行预测随机选取数据的80%作为训练样本，剩余20%作为测试样本

从分类结果看，模型分类准确度太差后续需要进行参数调整、属性筛选、甚至模型修改等。