浙旅大数据挖掘案例

基于“用户画像”挖掘的精准营销

用户画像的核心工作是为用户打标签。打标签的重要目的之一是为了让人能够理解并且方便计算机处理，如.可以做分类统计：旅游中喜欢的报旅行社的用户有多少？喜欢报旅行社的人群中，男、女比例是多少，入住习惯是什么？用户画像完成后，进一步的我们可以做数据挖掘工作：客户分群、搜索引擎、推荐引擎、广告投放等各种应用领域，都将能进一步提升精准度，提高信息获取的效率。所以，在大数据应用中，用户画像极为关键。

 

浙旅客户价值分群

1）构建K-Means聚类，LRFTC优化模型对用户价值识别

客户价值识别算法升级：

1. 模型目标就是对浙旅集团会员价值识别，即通过浙旅集团会员画像数据识别出不同价值的客户。识别会员价值应用最广泛的模型是通过三个指标（最近消费时间间隔（Recency）、消费频率（Frequency）和消费金额（Monetary））来进行会员细分，识别出高价值的会员客户，简称RFM.
2. 但是，针对浙旅集团LRFTC模型，如果采用传统的RFM模型分析的属性分箱方法，如图一所示，（它是依据属性的平均值进行划分，其中大于平均值的表示↑，小于平均值的表示为↓），虽然也能识别最有价值的客户，但是细分的客户群太多，提高了针对性营销的成本。因此，我们对传统模型进行改进，找到适用于集团客户模型。通过对浙旅集团客户价值的LRFTC模型的五个指标进行K-Means聚类，识别出最有价值会员客户。

LRFTC模型就是基于浙旅集团多模块业务特性优化而来，我们将会员关系长度L、消费间隔R、消费频率F、会员与浙旅业务消费粘粘性T和购买服务累计金额C五个指标作为浙旅识别客户价值指标（见下表）

 

表：指标含义

模型