《Python机器学习编程与实战》第7章-餐饮企业综合分析ppt课件.pptx

上传人:飞****2 文档编号:92479556 上传时间:2023-06-05 格式:PPTX 页数:56 大小:572.92KB
返回 下载 相关 举报
《Python机器学习编程与实战》第7章-餐饮企业综合分析ppt课件.pptx_第1页
第1页 / 共56页
《Python机器学习编程与实战》第7章-餐饮企业综合分析ppt课件.pptx_第2页
第2页 / 共56页
点击查看更多>>
资源描述

《《Python机器学习编程与实战》第7章-餐饮企业综合分析ppt课件.pptx》由会员分享,可在线阅读,更多相关《《Python机器学习编程与实战》第7章-餐饮企业综合分析ppt课件.pptx(56页珍藏版)》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。

1、为了规范事业单位聘用关系,建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度,保障用人单位和职工的合法权益大数据,成就未来大数据,成就未来餐饮企业综合分析为了规范事业单位聘用关系,建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度,保障用人单位和职工的合法权益 2大数据挖掘专家1数据准备目录餐饮企业分析需求2使用K-means算法进行客户价值分析3使用决策树算法实现餐饮客户流失预测4小结5为了规范事业单位聘用关系,建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度,保障用人单位和职工的合法权益 3大数据挖掘专家餐饮行业作为我国第三产业中的一个传统服务性行业,始终保

2、持着旺盛的增长势头,取得了突飞猛进的发展,展现出繁荣兴旺的新局面。与此同时,我国餐饮业发展的质量和内涵也发生了重大变化。根据国家统计局数据显示,餐饮行业餐费收入从2006到2015年都处于增长的趋势,但是同比增长率却有很大的波动,如右图所示。某餐饮企业正面临着房租价格高、人工费用高、服务工作效率低等问题。企业经营最大的目的就是盈利,而餐饮企业盈利的核心是其菜品和客户,也就是其提供的产品和服务对象。如何在保证产品质量的同时提高企业利润,成为某餐饮企业急需解决的问题。餐饮餐饮企业现状与企业现状与需求需求为了规范事业单位聘用关系,建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度,保障用人

3、单位和职工的合法权益 4大数据挖掘专家某餐饮企业的系统数据库中积累了大量的与客户用餐相关的数据,包括客户信息表、菜品详情表、订单表和订单详情表,其中客户信息表(users)的数据说明如下表所示。餐饮企业数据基本状况餐饮企业数据基本状况名称含义名称含义USER_ID客户IDDESCRIPTION备注MYID客户自编码QUESTION_ID问题代码ACCOUNT账号ANSWER回复NAME姓名ISONLINE是否在线ORGANIZE_ID组织代码CREATED创造日期ORGANIZE_NAME组织名称LASTMOD修改日期DUTY_ID称位代码CREATER创建人TITLE_ID职等代码MODIF

4、YER修改人为了规范事业单位聘用关系,建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度,保障用人单位和职工的合法权益 5大数据挖掘专家餐饮企业数据基本状况餐饮企业数据基本状况名称含义名称含义PASSWORD密码TEL电话EMAIL电子邮箱stuNo学号LANG语言qqQQTHEME样式weixin微信FIRST_VISIT第一次登录meal_arithmetic_id算法IDPREVIOUS_VISIT上一次登录arithmetic_name算法名称LAST_VISITS最后一次登录sex性别LOGIN_COUNT登录次数poo籍贯ISEMPLOYEE是否是职工address地址S

5、TATUS状态age年龄IPIP地址为了规范事业单位聘用关系,建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度,保障用人单位和职工的合法权益 6大数据挖掘专家订单表(meal_order_info)的数据说明如下表所示。餐饮企业数据基本状况餐饮企业数据基本状况名称含义名称含义info_id订单IDlock_time锁单时间emp_id客户IDcashier_id收银IDnumber_consumers 消费人数pc_id终端IDmode消费方式order_number订单号dining_table_id桌子IDorg_id门店IDdining_table_name桌子名称print

6、_doc_bill_num打印doc账单的编码expenditure消费金额lock_table_info桌子关闭信息dishes_count总菜品数order_status0:未结算;1:结算;2:已锁单accounts_payable付费金额phone电话use_start_time开始时间name名字check_closed支付结束为了规范事业单位聘用关系,建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度,保障用人单位和职工的合法权益 7大数据挖掘专家通过对某餐饮企业的数据进行分析,最终为餐饮企业提出改善的建议。主要步骤如下图所示。餐饮企业数据分析的步骤与流程餐饮企业数据分析

7、的步骤与流程为了规范事业单位聘用关系,建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度,保障用人单位和职工的合法权益 8大数据挖掘专家从系统数据库中迁移与分析相关的数据到分析数据库中,包括客户信息、菜品详情、订单表和订单详情等。对数据进行预处理,统计菜品数据中的每日用餐人数、每日销售额并进行数据清洗等。进行特征工程,构建RFM特征和客户流失特征。使用K-means算法,对客户进行聚类分析,并基于聚类结果进行客户价值分析。使用决策树算法构建客户流失预测模型,并对模型性能进行评价。餐饮企业数据分析的步骤与流程餐饮企业数据分析的步骤与流程为了规范事业单位聘用关系,建立和完善适应社会主义市

8、场经济体制的事业单位工作人员聘用制度,保障用人单位和职工的合法权益 9大数据挖掘专家1数据准备目录餐饮企业分析需求2使用K-means算法进行客户价值分析3使用决策树算法实现餐饮客户流失预测4小结5为了规范事业单位聘用关系,建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度,保障用人单位和职工的合法权益 10大数据挖掘专家订单表(meal_order_info.csv)和客户信息表(users.csv)中包含2016年8月份的订单和对应客户的数据,将使用该部分数据进行客户价值聚类分析。历史订单表(info_new)和历史客户信息表(user_loss)包含2016年17月份的订单和对

9、应客户的数据,将使用该部分数据构建客户流失预测模型。数据准备数据准备为了规范事业单位聘用关系,建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度,保障用人单位和职工的合法权益 11大数据挖掘专家统计订单表和历史订单表中每日用餐人数与销售额,其中订单状态为1的记录才是完成订单的记录,所以只统计订单状态为1的数据,如下代码所示。统计统计每日用餐人数与销售额每日用餐人数与销售额In1:importpandasaspdimportmatplotlib.pyplotasplt#导入数据info=pd.read_csv(./data/meal_order_info.csv,encoding=ut

10、f-8)info_before=pd.read_csv(./data/info_new.csv,encoding=utf-8)#合并数据info_all=pd.concat(info_before,info)print(查看各表的维数:n,info.shape,info_before.shape,info_all.shape)Out1:查看各表的维数:(945,21)(6611,21)(7556,21)为了规范事业单位聘用关系,建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度,保障用人单位和职工的合法权益 12大数据挖掘专家统计统计每日用餐人数与销售额每日用餐人数与销售额In2:#

11、提取订单状态为提取订单状态为1的数据的数据info=info_allinfo_allorder_status.isin(1)info=info.reset_index(drop=True)#统计每日用餐人数与营业额统计每日用餐人数与营业额for i,k in enumerate(infouse_start_time):y=k.split()y=pd.to_datetime(y0)info.loci,use_start_time=ygroupbyday=infouse_start_time,number_consumers,accounts_payable.groupby(by=use_star

12、t_time)sale_day=groupbyday.sum()sale_day.columns=人数人数,销量销量#每日用餐人数折线图每日用餐人数折线图#解决中文显示问题解决中文显示问题plt.rcParamsfont.sans-serif=SimHeiplt.rcParamsaxes.unicode_minus=Falseplt.figure(figsize=(12,6)plt.title(每日用餐人数折线图每日用餐人数折线图)plt.xlabel(日期日期)plt.ylabel(用餐人数用餐人数)plt.plot(sale_day人数人数)plt.close为了规范事业单位聘用关系,建立

13、和完善适应社会主义市场经济体制的事业单位工作人员聘用制度,保障用人单位和职工的合法权益 13大数据挖掘专家统计统计每日用餐人数与销售额每日用餐人数与销售额Out2:为了规范事业单位聘用关系,建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度,保障用人单位和职工的合法权益 14大数据挖掘专家统计统计每日用餐人数与销售额每日用餐人数与销售额In3:#画出每日销售额的折线图#新建画板plt.figure(figsize=(12,6)plt.title(每日销售额的折线图)plt.xlabel(日期)plt.ylabel(销售额)plt.plot(sale_day销量)plt.close为了

14、规范事业单位聘用关系,建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度,保障用人单位和职工的合法权益 15大数据挖掘专家统计统计每日用餐人数与销售额每日用餐人数与销售额Out3:为了规范事业单位聘用关系,建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度,保障用人单位和职工的合法权益 16大数据挖掘专家原始数据中的客户信息表(users.csv)没有直接给出客户最后一次消费的时间,订单表(meal_order_info.csv)中存在未完成的订单,如订单状态为0或2,且存在其不相关、弱相关或冗余的特征,所以需要先对原始数据进行预处理,如下代码所示。数据预处理1.客户价值分

15、析预处理In1:importpandasaspdimportnumpyasnpinfo_august=pd.read_csv(./data/meal_order_info.csv,encoding=utf-8)users_august=pd.read_csv(./data/users.csv,encoding=gbk)#提取订单状态为1的数据info_august_new=info_augustinfo_augustorder_status.isin(1)info_august_new=info_august_new.reset_index(drop=True)print(提取的订单数据维数:

16、,info_august_new.shape)info_august_new.to_csv(./tmp/info_august_new.csv,index=False,encoding=utf-8)Out1:提取的订单数据维数:(933,21)为了规范事业单位聘用关系,建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度,保障用人单位和职工的合法权益 17大数据挖掘专家数据预处理1.客户价值分析预处理In2:#匹配用户的最后一次用餐时间foriinrange(1,len(info_august_new):num=users_augustusers_augustUSER_ID=info_

17、august_new.iloci-1,1.index.tolist()users_august.ilocnum0,14=info_august_new.iloci-1,9users_august.ilocnum0,14=info_august_new.iloci-1,9user=users_augustuserLAST_VISITS=userLAST_VISITS.fillna(999)user=user.drop(useruserLAST_VISITS=999.index.tolist()user=user.iloc:,0,2,12,14print(user.head()user.to_cs

18、v(./tmp/users_august.csv,index=False,encoding=utf-8)为了规范事业单位聘用关系,建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度,保障用人单位和职工的合法权益 18大数据挖掘专家数据预处理1.客户价值分析预处理Out2:USER_IDACCOUNTFIRST_VISITLAST_VISITS2982叶亦凯2014/8/1821:41:572016/8/2613:53:463983邓彬彬2015/8/2313:47:172016/8/2117:16:004984张建涛2014/12/2419:26:302016/8/2511:32:5

19、96986莫子建2014/9/1111:38:102016/8/2011:15:067987易子歆2015/2/2421:25:342016/8/2812:34:59为了规范事业单位聘用关系,建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度,保障用人单位和职工的合法权益 19大数据挖掘专家在选取的历史客户信息表(user_loss.csv)中,客户最后一次登录时间需要结合历史订单表(info_new.csv)进行统计。此外,在原始数据中,有很多特征并没有用到,所以在合并客户信息表和订单表之前需要选取与本案例中相关的特征,如下代码所示。数据预处理2.客户流失预测预处理In1:impo

20、rtpandasaspdimportnumpyasnp#读取数据users=pd.read_csv(./data/user_loss.csv,encoding=gbk)info=pd.read_csv(./data/info_new.csv,encoding=utf-8)print(历史客户信息表的维数:,users.shape)print(历史订单表的维数:,info.shape)Out1:历史客户信息表的维数:(2431,38)历史订单表的维数:(6611,21)为了规范事业单位聘用关系,建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度,保障用人单位和职工的合法权益 20大数据

21、挖掘专家数据预处理2.客户流失预测预处理In2:#将时间转为时间格式usersCREATED=pd.to_datetime(usersCREATED)infouse_start_time=pd.to_datetime(infouse_start_time)infolock_time=pd.to_datetime(infolock_time)#匹配用户的最后一次用餐时间foriinrange(len(users):info1=info.ilocinfoinfoname=users.iloci,2.index.tolist(),:ifsum(infoname=users.iloci,2)!=0:u

22、sers.iloci,14=max(info1use_start_time)#特征选取#提取有效订单info=info.locinfoorder_status=1,emp_id,number_consumers,expenditureinfo=info.rename(columns=emp_id:USER_ID)#修改列名print(info.head()为了规范事业单位聘用关系,建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度,保障用人单位和职工的合法权益 21大数据挖掘专家数据预处理2.客户流失预测预处理Out2:USER_IDnumber_consumersexpenditu

23、re03556442311874711012348454373363922514383523In3:user=users.iloc:,0,2,14,37print(user.head()Out3:USER_ID ACCOUNTLAST_VISITStype03300艾朵2016-05-2321:14:00非流失13497艾国真2016-07-1813:40:00非流失22863艾锦程2016-04-1620:51:00已流失33006艾穹2016-03-2620:47:00已流失43160艾融乐2016-07-1711:40:00非流失为了规范事业单位聘用关系,建立和完善适应社会主义市场经济体

24、制的事业单位工作人员聘用制度,保障用人单位和职工的合法权益 22大数据挖掘专家数据预处理2.客户流失预测预处理In4:#合并两个表info_user=pd.merge(user,info,left_on=USER_ID,right_on=USER_ID,how=left)info_user.to_csv(./tmp/info_user.csv,index=False,encoding=utf-8)print(info_user.head()Out4:USER_ID ACCOUNTLAST_VISITStypenumber_consumersexpenditure03300艾朵2016-05-2

25、321:14:00非流失10.01782.013300艾朵2016-05-2321:14:00非流失2.0345.023300艾朵2016-05-2321:14:00非流失10.01295.033300艾朵2016-05-2321:14:00非流失6.0869.043497艾国真2016-07-1813:40:00非流失3.0589.0为了规范事业单位聘用关系,建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度,保障用人单位和职工的合法权益 23大数据挖掘专家1数据准备目录餐饮企业分析需求2使用K-means算法进行客户价值分析3使用决策树算法实现餐饮客户流失预测4小结5为了规范事业

26、单位聘用关系,建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度,保障用人单位和职工的合法权益 24大数据挖掘专家聚类可以从消费者中区分出不同的消费群体,并且概括出每一类消费者的消费模式或消费习惯,其中,K-Means算法是最为经典的基于划分的聚类方法。识别客户价值应用最广泛的模型是RFM模型,根据RFM模型,本案例中客户价值分析的关键特征,如下表所示。使用使用K-means算法进行客户价值分析算法进行客户价值分析特征名称含义R客户最近一次消费距观测窗口结束的天数。F客户在观测窗口内总消费次数。M客户在观测窗口内总消费金额。为了规范事业单位聘用关系,建立和完善适应社会主义市场经济体制

27、的事业单位工作人员聘用制度,保障用人单位和职工的合法权益 25大数据挖掘专家结合预处理后的数据构建R、F、M特征,如下代码所示。构建构建RFM特征特征In1:importpandasaspdfromsklearn.preprocessingimportStandardScalerimportnumpyasnpinfo=pd.read_csv(./tmp/info_august_new.csv,encoding=utf-8)user=pd.read_csv(./tmp/users_august.csv,encoding=utf-8)#构建RFM特征#构建F特征#统计每个人的用餐次数user_va

28、lue1=pd.DataFrame(infoemp_id.value_counts().reset_index()user_value1.columns=USER_ID,F#修改列名print(F特征的最大值:,max(user_value1F)print(F特征的最小值:,min(user_value1F)Out1:F特征的最大值:10F特征的最小值:1为了规范事业单位聘用关系,建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度,保障用人单位和职工的合法权益 26大数据挖掘专家构建构建RFM特征特征In2:#构建M特征user_value2=infoemp_id,expenditu

29、re.groupby(by=emp_id).sum()user_value2=pd.DataFrame(user_value2).reset_index()user_value2.columns=USER_ID,Muser_value=pd.merge(user_value1,user_value2,on=USER_ID)print(M特征的最大值:,max(user_valueM)print(M特征的最小值:,min(user_valueM)Out2:M特征的最大值:6037M特征的最小值:80为了规范事业单位聘用关系,建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度,保障用人单

30、位和职工的合法权益 27大数据挖掘专家构建构建RFM特征特征In3:#构建R特征user_value=pd.merge(user_value,user,on=USER_ID)#合并两个表#转换时间格式fori,kinenumerate(user_valueLAST_VISITS):y=k.split()y=pd.to_datetime(y0)user_value.loci,LAST_VISITS=ylast_time=pd.to_datetime(user_valueLAST_VISITS)deadline=pd.to_datetime(2016-8-31)#观测窗口结束时间user_valu

31、eR=deadline-last_timeprint(R特征的最大值:,max(user_valueR)print(R特征的最小值:,min(user_valueR)Out3:R特征的最大值:30days00:00:00R特征的最小值:0days00:00:00为了规范事业单位聘用关系,建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度,保障用人单位和职工的合法权益 28大数据挖掘专家各个特征数据分布情况如下表所示。构建构建RFM特征特征指标名称RFM最小值0180最大值30106037为了规范事业单位聘用关系,建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度,保障用人单

32、位和职工的合法权益 29大数据挖掘专家通过上表中的数据可以发现,各个指标的取值范围数据差异较大,为了消除数量级数据带来的影响,需要对数据进行标准化处理,如下代码所示。构建构建RFM特征特征In4:#特征提取user_value=user_value.iloc:,0,3,6,1,2user_value.to_csv(./tmp/user_value.csv,encoding=utf-8_sig,index=False)USER_ID=user_valueUSER_IDACCOUNT=user_valueACCOUNTuser_value=user_value.iloc:,2,3,4user_va

33、lue.iloc:,0=i.daysforiinuser_value.iloc:,0#标准差标准化standard=StandardScaler().fit_transform(user_value)np.savez(./tmp/standard.npz,standard)print(standard)为了规范事业单位聘用关系,建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度,保障用人单位和职工的合法权益 30大数据挖掘专家构建构建RFM特征特征Out4:-1.660127175.056806985.74031189-1.183044053.79428773.05131992-1.

34、540856393.79428774.17910811.0.60601762-0.62452979-0.977629641.08310074-0.62452979-0.22198886-0.3481486-0.624529790.02535301为了规范事业单位聘用关系,建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度,保障用人单位和职工的合法权益 31大数据挖掘专家建模之前需要确定聚类合理个数,一般要求簇内距离尽可能小,簇间距离尽可能大。基于标准化之后的数据,聚类数目设为3,构建K-Means模型,如下代码所示。构建构建K-Means模型模型In1:importnumpyasnp

35、importpandasaspdfromsklearn.clusterimportKMeansstandard=np.load(./tmp/standard.npz)arr_0k=3#聚类中心数#构建模型kmeans_model=KMeans(n_clusters=k,n_jobs=3,random_state=123)fit_kmeans=kmeans_model.fit(standard)#模型训练print(聚类中心:n,kmeans_model.cluster_centers_)Out1:聚类中心:-0.46247917-0.30329708-0.31029264-1.22280098

36、1.709815761.630723290.95856801-0.55335836-0.51034304为了规范事业单位聘用关系,建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度,保障用人单位和职工的合法权益 32大数据挖掘专家构建构建K-Means模型模型In1:print(样本的类别标签:n,kmeans_model.labels_)Out1:样本的类别标签:1,1,1,1,1,1,1,2,2,0,2,2,2,0In3:#统计不同类别样本的数目r1=pd.Series(kmeans_model.labels_).value_counts()print(最终每个类别的数目为:n,

37、r1)Out3:最终每个类别的数目为:22040169196为了规范事业单位聘用关系,建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度,保障用人单位和职工的合法权益 33大数据挖掘专家采用K-Means聚类算法对客户进行分群,聚成3类后,每一类的聚类中心如下表所示。构建构建K-Means模型模型聚类类别聚类中心客户群1-0.46247917-0.30329708-0.31029264客户群2-1.222800981.709815761.63072329客户群30.95856801-0.55335836-0.51034304为了规范事业单位聘用关系,建立和完善适应社会主义市场经济体制

38、的事业单位工作人员聘用制度,保障用人单位和职工的合法权益 34大数据挖掘专家针对聚类结果绘制雷达图,如下代码所示。K-Means模型结果分析模型结果分析In4:%matplotlibinlineimportmatplotlib.pyplotasplt#中文和负号的正常显示plt.rcParamsfont.sans-serif=SimHeiplt.rcParamsaxes.unicode_minus=False#绘制雷达图N=len(kmeans_model.cluster_centers_0)#设置雷达图的角度,用于平分切开一个圆面angles=np.linspace(0,2*np.pi,N,

39、endpoint=False)#为了使雷达图一圈封闭起来angles=np.concatenate(angles,angles0)#绘图fig=plt.figure(figsize=(7,7)ax=fig.add_subplot(111,polar=True)sam=r,g,blstype=-,-,-.为了规范事业单位聘用关系,建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度,保障用人单位和职工的合法权益 35大数据挖掘专家K-Means模型结果分析模型结果分析In4:lab=foriinrange(len(kmeans_model.cluster_centers_):values

40、=kmeans_model.cluster_centers_ifeature=R,F,Mvalues=np.concatenate(values,values0)#绘制折线图ax.plot(angles,values,sami,linestyle=lstypei,linewidth=2,markersize=10)ax.fill(angles,values,alpha=0.5)#填充颜色ax.set_thetagrids(angles*180/np.pi,feature,fontsize=15)#添加每个特征的标签plt.title(客户群特征分布图)#添加标题ax.grid(True)lab

41、.append(客户群+str(i+1)plt.legend(lab)plt.show()plt.close为了规范事业单位聘用关系,建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度,保障用人单位和职工的合法权益 36大数据挖掘专家K-Means模型结果分析模型结果分析Out4:为了规范事业单位聘用关系,建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度,保障用人单位和职工的合法权益 37大数据挖掘专家由上代码可知,客户群2的F、M特征值最大,R特征值最小;客户群1的F、M、R特征值较小;客户群3的R特征值最大,F、M特征值最小。结合业务分析,通过比较各个特征在群间的大小

42、对某一个群的特征进行评价分析。如客户群2的F、M特征值最大,R特征值最小,则可以认为F、M在群2是优势特征;以此类推,F、M在群3是劣势特征。从而总结出每个群的优势和弱势特征,具体结果如下表所示。K-Means模型结果分析模型结果分析群类别优势特征弱势特征客户群2FMR客户群3FMR客户群1RFM为了规范事业单位聘用关系,建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度,保障用人单位和职工的合法权益 38大数据挖掘专家通过上代码和上表可以看出,每个客户群的都有显著不同的表现特征,基于该特征描述,本案例定义3个等级的客户类别:重要保持客户、一般价值客户、低价值客户。每个客户类别的特征

43、如下。(1)重要保持客户。这类客户用餐的次数(F)和用餐总花费(M)较高,且最近在餐厅消费时间长度(R)低。他们是餐饮企业的高价值客户,是最为理想的客户类型,对企业的贡献最大,但是所占比例却最小。对这类客户,餐饮企业可以制定一对一的服务,以提高这类客户的忠诚度与满意度,尽可能延长这类客户的高水平消费。(2)一般价值客户。这类客户用餐的次数(F)和用餐总花费(M)较低,且最近在餐厅消费时间长度(R)较低。他们是一般价值客户,虽然当前价值并不是特别高,但却有较大的发展潜力。餐饮企业可以不定期的制定相应的营销策略,刺激这类客户的消费,加强这类客户的满意度。K-Means模型结果分析模型结果分析为了规

44、范事业单位聘用关系,建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度,保障用人单位和职工的合法权益 39大数据挖掘专家(3)低价值客户。这类客户用餐的次数(F)和用餐总花费(M)较低,且最近在餐厅消费时间长度(R)较高。他们是餐饮企业的低价值客户,可能是某一次经过顺便消费的,也可能是因为刚开业时有折扣所以才来本店消费,之后来消费的概率比较小。客户群分类排序结果如下表所示。K-Means模型结果分析模型结果分析客户群排名排名含义客户群12一般价值客户客户群21重要保持客户客户群33低价值客户为了规范事业单位聘用关系,建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度,保障用

45、人单位和职工的合法权益 40大数据挖掘专家1数据准备目录餐饮企业分析需求2使用K-means算法进行客户价值分析3使用决策树算法实现餐饮客户流失预测4小结5为了规范事业单位聘用关系,建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度,保障用人单位和职工的合法权益 41大数据挖掘专家客户流失是指客户与企业不再有交易互动关系。在激烈的市场竞争环境中,客户拥有更多的选择空间和消费渠道。如何提高客户的忠诚度是现代企业营销人员在一直讨论的问题。大规模客户的异常变动,往往意味着一个市场的变更和调整,一不小心甚至会对局部(区域)市场带来致命的打击。在本案例中,客户流失因素主要有以下4个。菜品因素。

46、菜品味道不好,菜品单一或不齐全,菜品不新鲜等。服务因素。服务环境脏,服务秩序乱,服务态度差,服务效率低,服务能力弱,收费不合理等。客户自身因素。客户往往对菜品或服务期望太高,而实际的消费体验比较差,导致心里不平衡,产生了不满情绪;客户消费的多样化,多层次化,复杂多变性和非理性化,因此,客户在消费时,并不承诺放弃尝试其他餐厅的就餐体验;客户工作和生活地点变更,采取就近原则。竞争者因素。其他餐饮企业通过优惠活动或广告宣传等建立了某种竞争优势,吸引更多客户。使用决策树算法实现餐饮客户流失预测使用决策树算法实现餐饮客户流失预测为了规范事业单位聘用关系,建立和完善适应社会主义市场经济体制的事业单位工作人

47、员聘用制度,保障用人单位和职工的合法权益 42大数据挖掘专家在餐饮企业中,客户流失的特征主要体现在以下4个方面。用餐次数越来越少。很长时间没有来店里消费。平均消费水平越来越低。总消费金额越来越少。构建构建客户流失特征客户流失特征为了规范事业单位聘用关系,建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度,保障用人单位和职工的合法权益 43大数据挖掘专家基于这4个方面,本案例需要构造4个相关客户流失特征。总用餐次数(frequence)。即观测时间内每个客户的总用餐次数。客户最近一次用餐的时间距离观测窗口结束的天数(recently)。客户在观测时间内用餐人均销售额(average)。

48、即客户在观察时间内的总消费金额除以用餐总人数。客户在观测时间内的总消费金额(amount)。构建构建客户流失特征客户流失特征为了规范事业单位聘用关系,建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度,保障用人单位和职工的合法权益 44大数据挖掘专家基于合并后的历史客户信息表和历史订单表,使用分组聚合的方法构建这4个特征,如下代码所示。构建构建客户流失特征客户流失特征In1:importpandasaspdimportnumpyasnp#构建特征info_user=pd.read_csv(./tmp/info_user.csv,encoding=utf-8)#提取info表的用户名和

49、用餐时间,并按人名对用餐人数和金额进行分组求和info_user1=info_userUSER_ID.value_counts()#统计每个人的用餐次数info_user1=info_user1.reset_index()info_user1.columns=USER_ID,frequence#修改列名#求出每个人的消费总金额#分组求和info_user2=info_usernumber_consumers,expenditure.groupby(info_userUSER_ID).sum()info_user2=info_user2.reset_index()info_user2.colum

50、ns=USER_ID,numbers,amount为了规范事业单位聘用关系,建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度,保障用人单位和职工的合法权益 45大数据挖掘专家构建构建客户流失特征客户流失特征In1:#合并两个表info_user_new=pd.merge(info_user1,info_user2,left_on=USER_ID,right_on=USER_ID,how=left)#对合并后的数据进行处理info_user=info_user.iloc:,:4info_user=info_user.groupby(USER_ID).last()info_user=i

展开阅读全文
相关资源
相关搜索

当前位置:首页 > 教育专区 > 教案示例

本站为文档C TO C交易模式,本站只提供存储空间、用户上传的文档直接被用户下载,本站只是中间服务平台,本站所有文档下载所得的收益归上传人(含作者)所有。本站仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。若文档所含内容侵犯了您的版权或隐私,请立即通知淘文阁网,我们立即给予删除!客服QQ:136780468 微信:18945177775 电话:18904686070

工信部备案号:黑ICP备15003705号© 2020-2023 www.taowenge.com 淘文阁