《《R语言数据分析》课程教案—03航空公司客户价值分析》由会员分享，可在线阅读，更多相关《《R语言数据分析》课程教案—03航空公司客户价值分析（4页珍藏版）》请在金锄头文库上搜索。
1、第3章 航空公司客户价值分析教案一、 材料清单（1） R语言商务数据分析实战教材。（2） 配套PPT。（3） 引导性提问。（4） 探究性问题。（5） 拓展性问题。二、 教学目标与基本要求1. 教学目标结合航空公司客户价值分析的案例，重点介绍数据分析算法中K-Means聚类算法在客户价值分析中的应用。针对RFM客户价值分析模型的不足，使用K-Means算法构建航空客户价值分析LRFMC模型，详细描述数据分析的整个过程。2. 基本要求（1） 熟悉航空公司客户价值分析的步骤与流程。（2） 了解RFM模型的基本原理，以及K-Means算法的基本原理。（3） 构建航空客户价值分析的关键特征。（4） 比较
2、不同类别客户的客户价值，制定相应的营销策略。三、 问题1. 引导性提问引导性提问需要教师根据教材内容和学生实际水平，提出问题，启发引导学生去解决问题，提问，从而达到理解、掌握知识，发展各种能力和提高思想觉悟的目的。（1） 客户价值分析是什么？（2） 影响航空公司客户价值的相关因素有哪些？（3） 航空公司客户价值分析的意义在哪里？2. 探究性问题探究性问题需要教师深入钻研教材的基础上精心设计，提问的角度或者在引导性提问的基础上，从重点、难点问题切入，进行插入式提问。或者是对引导式提问中尚未涉及但在课文中又是重要的问题加以设问。（1） 客户价值分析的使用场景有哪些？（2） 航空客户价值分析的步骤与
3、流程有哪些？（3） 为何要构建关键特征？3. 拓展性问题拓展性问题需要教师深刻理解教材的意义，学生的学习动态后，根据学生学习层次，提出切实可行的关乎实际的可操作问题。亦可以提供拓展资料供学生研习探讨，完成拓展性问题。（1） 除了K-Means算法，能否使用其他算法进行客户价值分析？（2） 构建K-Means模型时，为何要选取3为聚类数？四、 主要知识点、重点与难点1. 主要知识点（1） 了解航空公司现状与客户价值分析。（2） 熟悉航空公司客户价值分析的步骤与流程。（3） 处理数据的缺失值与异常值。（4） 结合RFM模型构建关键特征。（5） 标准化构建关键特征后的数据。（6） 了解K-Means
4、算法基本原理。（7） 使用K-Means算法对航空客户进行分群。（8） 根据分群结果制定营销策略。2. 重点（1） 航空公司客户价值分析的步骤与流程。（2） 构建关键特征。（3） 使用K-Means算法对航空客户进行分群。（4） 根据分群结果制定营销策略。3. 难点（1） 构建关键特征。（2） K-Means算法的原理与使用。五、 教学过程设计1. 理论教学过程（1） 了解航空公司现状。（2） 了解客户价值分析。（3） 熟悉航空公司客户价值分析的步骤与流程。（4） 处理数据。（5） 结合RFM模型构建关键特征。（6） 了解K-Means算法基本原理。（7） 使用K-Means算法对航空客户进行分群。（8） 根据分群结果制定营销策略。2. 实验教学过程（1） 处理数据的缺失值与异常值。（2） 构建LRFMC五个特征，并进行标准化处理。（3） 构建K-Means模型。
