《基于改進(jìn)k-means算法和輪廓系數(shù)法的企業(yè)客戶潛在價(jià)值評(píng)估系統(tǒng)設(shè)計(jì)》14000字（論文）

]?？偨Y(jié)與展望首先在客戶潛在潛在價(jià)值方面，國內(nèi)外學(xué)者對(duì)客戶潛在價(jià)值分類認(rèn)識(shí)角度各不相同，但是這些分類仍然存在著對(duì)潛在價(jià)值定義不明確，與其他客戶群體交集過大等問題。本文認(rèn)為針對(duì)航空公司客戶潛在價(jià)值的研究應(yīng)將潛在價(jià)值看作在未來一段時(shí)間選擇本航空公司作為出行選擇的可能性。而不應(yīng)該將其與間接價(jià)值，附加價(jià)值，隱性價(jià)值有較大的交集。所以本文將集中研究一種預(yù)測模型，在傳統(tǒng)的影響因素中引入客戶活躍度，并將其具有預(yù)測功能的一個(gè)重要參數(shù)。實(shí)現(xiàn)預(yù)測客戶未來一段時(shí)間的價(jià)值等級(jí)，并針對(duì)性的為其提供不同類別的服務(wù)。其次模型建立環(huán)節(jié)，適用于航空領(lǐng)域的客戶潛在價(jià)值分析的模型有RFM模型和LRFMC模型。兩者在潛在價(jià)值預(yù)測中預(yù)測性屬性較少。所以本文將在LRFMC模型基礎(chǔ)上進(jìn)行改進(jìn)，認(rèn)為活躍度與客戶三方面信息掛鉤。第一為購買能力，從乘機(jī)的平均價(jià)格看出客戶每次坐飛機(jī)帶來的盈利，在經(jīng)濟(jì)方面衡量客戶價(jià)值。但是僅憑平均飛行票價(jià)不能看出客戶是否為高價(jià)值，有可能出現(xiàn)在觀測期內(nèi)僅有少次長途旅行而提高了平均票價(jià)的極端現(xiàn)象。所以加入平均乘機(jī)時(shí)間間隔作為第二個(gè)因素，用來調(diào)整極端情況的出現(xiàn)。從而凸顯出乘機(jī)次數(shù)多，且盈利較大的顧客群體。第三個(gè)因素是積分兌換次數(shù)，這個(gè)數(shù)值可以反應(yīng)出客戶對(duì)航空出行的關(guān)注度和活躍度。因?yàn)榻^大部分人大沒有突發(fā)情況下，購買和關(guān)注行為是具有連續(xù)性的。所以這三個(gè)因素可以作為一個(gè)很好的預(yù)測性指標(biāo)。最后在建立模型后使用動(dòng)態(tài)k-means算法通過計(jì)算模型輪廓系數(shù)將模型功能調(diào)試到最佳。本文結(jié)構(gòu)本文結(jié)構(gòu)將分為4個(gè)大章節(jié)來介紹客戶潛在價(jià)值評(píng)估系統(tǒng)的建立過程，第一章將主要介紹課題背景和本文在一些基礎(chǔ)上進(jìn)行的改進(jìn)與創(chuàng)新工作。第二章將介紹python模塊，在python工具的基礎(chǔ)上如何進(jìn)行數(shù)據(jù)預(yù)處理和模型建立以及評(píng)估的過程。第三章將介紹前臺(tái)系統(tǒng)的主要實(shí)現(xiàn)細(xì)節(jié)。第四章將主要展示python模塊所得的模型和前臺(tái)系統(tǒng)功能展示，最后在所得模型的基礎(chǔ)上對(duì)不同類型客戶的任務(wù)畫像建立和給出的服務(wù)建議。

預(yù)測模型的建立與評(píng)估在第二章將主要介紹客戶潛在價(jià)值預(yù)測模型的建立過程，包括數(shù)據(jù)預(yù)處理，模型建立和模型評(píng)估過程。其中將使用jupyter-notebook和pycharm作為主要開發(fā)工具。數(shù)據(jù)預(yù)處理在使用改進(jìn)后的LRMFC模型和k-menas算法之前，對(duì)已知數(shù)據(jù)集處理顯得格外重要。數(shù)據(jù)預(yù)處理可以去除無效數(shù)據(jù)、無法使用的數(shù)據(jù)，補(bǔ)齊缺失值，對(duì)已知數(shù)據(jù)的大小、格式、類型歸一化處理，便于進(jìn)行后續(xù)的計(jì)算。數(shù)據(jù)集介紹本論文所研究的數(shù)據(jù)集來源來自于網(wǎng)絡(luò)公開航空公司客戶數(shù)據(jù)，其數(shù)據(jù)抽取了觀測窗口為2012年4月1日到2014年3月31日內(nèi)有乘機(jī)記錄的所有客戶的詳細(xì)乘機(jī)數(shù)據(jù)，總共有62988條記錄。其中包含了如會(huì)員卡號(hào)、入會(huì)時(shí)、性別、年齡、觀測窗口內(nèi)的飛行次數(shù)、平均折扣率、末次飛行時(shí)間、平均乘機(jī)時(shí)間間隔、總基本積分等44個(gè)屬性，如圖2-1到2-3所示。圖2-1屬性中英文對(duì)照?qǐng)D2-2屬性中英文對(duì)照?qǐng)D2-3屬性中英文對(duì)照原始數(shù)據(jù)部分截圖如圖2-4所示圖2-4部分原始數(shù)據(jù)展示原始數(shù)據(jù)各屬性統(tǒng)計(jì)量如表2-1所示表2-1原始數(shù)據(jù)各屬性統(tǒng)計(jì)量countuniquetopmeanstdMEMBER_NO62988NaNNaN31494.518183.2FFP_DATE6298830682011/1/13NaNNaNFIRST_FLIGHT_DATE6298834062013/2/16NaNNaNGENDER629852男NaNNaNWORK_CITY62988NaNNaN4.102160.37385WORK_PROVINCE607193309廣州NaNNaN表2-1（續(xù)表）原始數(shù)據(jù)各屬性統(tǒng)計(jì)量WORK_COUNTRY597401183廣東NaNNaNAGE62962118CNNaNNaNLOAD_TIME62568NaNNaN42.47639.88591FLIGHT_COUNT6298812014/3/31NaNNaNBP_SUM62988NaNNaN11.839414.0494EP_SUM_YR_162988NaNNaN10925.116339.4EP_SUM_YR_262988NaNNaN0.00.0SUM_YR_162437NaNNaN5355.371645.70SUM_YR_262850NaNNaN5604.028703.36SEG_KM_SUM62988NaNNaN17123.820960.8WEIGHTED_SEG_KM62988NaNNaN12777.217578.5LAST_FLIGHT_DATE629887312014/3/31NaNNaNAVG_FLIGHT_COUNT62988NaNNaN1.542151.78699AVG_BP_SUM62988NaNNaN1421.442083.12BEGIN_TO_FIRST62988NaNNaN120.145159.572LAST_TO_END62988NaNNaN176.120183.822AVG_INTERVAL62988NaNNaN67.749877.5178MAX_INTERVAL62988NaNNaN166.033123.397ADD_POINTS_SUM_YR_162988NaNNaN540.3163956.08ADD_POINTS_SUM_YR_262988NaNNaN814.6895121.79EXCHANGE_COUNT62988NaNNaN0.379771.13601avg_discount62988NaNNaN0.721580.18542P1Y_Flight_Count62988NaNNaN5.766257.21092L1Y_Flight_Count62988NaNNaN6.073158.17512P1Y_BP_SUM62988NaNNaN5366.728537.77L1Y_BP_SUM62988NaNNaN5558.369351.95表2-1（續(xù)表）原始數(shù)據(jù)各屬性統(tǒng)計(jì)量ADD_Point_SUM62988NaNNaN1355.017868.47Eli_Add_Point_Sum62988NaNNaN1620.698294.39L1Y_ELi_Add_Points62988NaNNaN1080.375639.85Points_Sum62988NaNNaN12545.720507.8L1Y_Points_Sum62988NaNNaN6638.7312601.8Ration_L1Y_Flight_Count62988NaNNaN0.486410.31391Ration_P1Y_Flight_Count62988NaNNaN0.513580.31911Ration_P1Y_BPS62988NaNNaN0.522290.33963Ration_L1Y_BPS62988NaNNaN0.468420.33895EP_SUM62988NaNNaN265.6891645.70Point_NotFlight62988NaNNaN2.728157.3641數(shù)據(jù)清洗在數(shù)據(jù)處理的過程中，發(fā)現(xiàn)數(shù)據(jù)集屬性值不合理的數(shù)據(jù)。統(tǒng)計(jì)后得出不合理數(shù)據(jù)有944個(gè)，所占數(shù)據(jù)集的比例不足1.5%，因此不會(huì)對(duì)分析結(jié)果產(chǎn)生較大的影響，在本論文中直接做刪除處理。處理后對(duì)數(shù)據(jù)集進(jìn)行索引重排列，以免造成在后續(xù)計(jì)算中出現(xiàn)索引缺失錯(cuò)誤。模型提取在本論文使用的LRFMCA模型中，所涉及到的關(guān)鍵屬性如下：觀測窗口的結(jié)束時(shí)間、入會(huì)時(shí)間、最后一次乘機(jī)時(shí)間至觀測窗口結(jié)束時(shí)長、觀測窗口內(nèi)的飛行次數(shù)、觀測窗口的總飛行里程、平均折扣率、觀測窗口的票價(jià)收入、積分兌換次數(shù)、非乘機(jī)變動(dòng)次數(shù)、平均乘機(jī)時(shí)間間隔。在LRFMCA模型中，計(jì)算后所得出的屬性為L、R、F、M、C、客戶活躍度6個(gè)最終屬性。具體計(jì)算公式如下L（入會(huì)時(shí)長）=LOAD_TIME?FPP_DATERFMC客戶活躍度=其中在新屬性客戶活躍度的計(jì)算當(dāng)中，本文認(rèn)為客戶活躍度與客戶的三方面信息掛鉤。第一為客戶的購買能力即體現(xiàn)在客戶活躍度計(jì)算公式中的第一項(xiàng)，從每次乘機(jī)的平均價(jià)格可以看出客戶每次乘坐飛機(jī)為航空公司帶來的盈利大小，乘以0.03代表在客戶活躍度中所占權(quán)重為30%，但是所得具體數(shù)據(jù)值較大，為了避免覆蓋其他參數(shù)的影響，對(duì)其量級(jí)進(jìn)行乘以0.1處理，從而所得參數(shù)可以在經(jīng)濟(jì)方面衡量客戶潛在價(jià)值。但是在現(xiàn)實(shí)生活中，僅僅憑借平均飛機(jī)票價(jià)并不能看出客戶價(jià)值的高低。有一部分客戶在觀測期內(nèi)出現(xiàn)了僅有少次長途旅行而提高了平均票價(jià)的極端現(xiàn)象。所以加入平均乘機(jī)時(shí)間間隔作為第二個(gè)影響因素來修正極端現(xiàn)象所帶來的分類不準(zhǔn)確問題。第三個(gè)因素為積分變動(dòng)次數(shù)，這個(gè)數(shù)值可以反應(yīng)出客戶群體對(duì)航空出行的關(guān)注度和活躍度，在絕大多數(shù)人沒有突發(fā)情況下，個(gè)人的購買行為和關(guān)注領(lǐng)域具有連續(xù)性，不會(huì)發(fā)生較大的變化，所以將次因素作為重點(diǎn)預(yù)測因素加入的最終屬性的計(jì)算之中，從而得出客戶活躍度作為一個(gè)優(yōu)秀的預(yù)測性指標(biāo)。值得一提的是，在處理屬性L的過程中，所得屬性類型為data類型，需要對(duì)L進(jìn)行類型轉(zhuǎn)化為int屬性，否則難以參加后續(xù)樣本距離的計(jì)算。接下來在所得數(shù)據(jù)集中加入一名為asix的列，用于存放針對(duì)此樣本的分類結(jié)果。所得數(shù)據(jù)集如表2-3所示。表3處理后部分?jǐn)?shù)據(jù)展示MLRFC客戶活躍度asix05807.17270.6121002625823.23-112936.78259.7714001750857.83-122837.12261.51113501687826.83-132813.36204.7972302873282.15-1表3（續(xù)表）處理后部分?jǐn)?shù)據(jù)展示43099.28181.6515201900626.17-1……620403.68324.91212025354.00-16204110.62196.1392025142.50-1620429.04136.246420251306.6-1620437.6046.6282202561.50-162044row*7columns最后通過計(jì)算個(gè)屬性的平均值發(fā)現(xiàn)，各個(gè)屬性量級(jí)不相同，在后續(xù)的距離計(jì)算中會(huì)對(duì)每個(gè)屬性所占的權(quán)值產(chǎn)生重要影響，所以本文根據(jù)每個(gè)屬性的平均值量級(jí)對(duì)屬性的數(shù)據(jù)進(jìn)行量級(jí)統(tǒng)一化，統(tǒng)一到100-999之間以便參與后續(xù)的數(shù)據(jù)計(jì)算。所得最終數(shù)據(jù)集個(gè)屬性平均值為圖2-5所示。圖2-5各屬性平均值結(jié)果具體數(shù)據(jù)處理代碼如圖2-6到2-9所示。圖2-6屬性提取圖2-7非法數(shù)據(jù)處理圖2-8LRFMC屬性計(jì)算圖2-9屬性量級(jí)統(tǒng)一改進(jìn)后k-means算法的實(shí)現(xiàn)在python的sklearn庫中提供了k-means函數(shù)，調(diào)用時(shí)各個(gè)參數(shù)含義和使用方法如圖2-10所示。圖2-10k-means函數(shù)參數(shù)含義可見傳統(tǒng)的k-means算法中可以指定迭代次數(shù)，在查閱資料后得出在調(diào)用函數(shù)的過程中最大迭代次數(shù)為300次，且在計(jì)算樣本點(diǎn)到簇心的距離時(shí)只能選取三種距離。當(dāng)p等于2時(shí)，為歐式距離，當(dāng)p等于1時(shí)，為絕對(duì)值的和，當(dāng)p等于正無窮時(shí)，這個(gè)距離就成為了維度差最大的那個(gè)值。顯然，傳統(tǒng)的k-menas算法并不能突出重點(diǎn)屬性在分類中的作用且迭代次數(shù)有上限，在數(shù)據(jù)集過大時(shí)不能對(duì)數(shù)據(jù)集進(jìn)行精準(zhǔn)的分類。所以在本論文中將重新對(duì)k-means算法進(jìn)行編寫。樣本間距離計(jì)算在本文涉及到的模型建立過程中，需要對(duì)具有不同功能的屬性賦予不同的權(quán)值。本文將L，R，F(xiàn)，M，C這五個(gè)屬性作為分類的主要屬性，將客戶活躍度屬性當(dāng)作預(yù)測的主要屬性。并對(duì)分類五個(gè)屬性都賦予0.15的權(quán)值，對(duì)客戶活躍度賦予0.25的權(quán)值。隨后根據(jù)各個(gè)屬性不同的權(quán)值來將各個(gè)屬性加權(quán)求和作為樣本間距離。具體實(shí)現(xiàn)的部分代碼如圖2-11所示。圖2-11樣本屬性距離計(jì)算代碼首次k-menas算法的實(shí)現(xiàn)相較于后續(xù)的k-menas迭代過程，首次k-menas實(shí)現(xiàn)需要手動(dòng)選擇初試的迭代點(diǎn)。在本論文中采取隨機(jī)的方法，在初試數(shù)據(jù)集中隨機(jī)找出k個(gè)數(shù)據(jù)，并分別作為k個(gè)簇的樣本中心的點(diǎn)參與第一次分類的計(jì)算。具體迭代過程將在下一小節(jié)進(jìn)行詳述。隨后在數(shù)據(jù)末尾添加首次分類過后各個(gè)簇的樣本中心點(diǎn)，供后續(xù)計(jì)算使用。首次k-means算法具體代碼和更新樣本中心點(diǎn)的具體代碼分別如圖2-12和圖2-13所示。圖2-12首次k-means算法具體代碼圖2-13首次更新中心點(diǎn)代碼迭代實(shí)現(xiàn)過程在后續(xù)的k-means迭代過程中，計(jì)算樣本距離的方法同首次k-menas算法相同。在對(duì)每個(gè)點(diǎn)到k個(gè)中心點(diǎn)距離計(jì)算完成后，將此點(diǎn)分入與其距離最小的第k簇中，并將此樣本的asix屬性更改為k來表示此樣本所屬的簇。在對(duì)所有點(diǎn)完成計(jì)算后，將重新更新樣本中心點(diǎn)，此時(shí)不再是將新樣本中心添加在數(shù)據(jù)末尾，而是將數(shù)據(jù)中后k個(gè)數(shù)據(jù)依次進(jìn)行覆蓋操作，以保證數(shù)據(jù)規(guī)模不變且更新后的樣本中心點(diǎn)不影響后續(xù)的模型評(píng)估操作。在更新完樣本中心點(diǎn)后，將對(duì)在開始本次迭代前保存的數(shù)據(jù)樣本和迭代完成后的數(shù)據(jù)樣本進(jìn)行比較。值得一提的是在對(duì)dataframe樣本進(jìn)行賦值的過程中需要使用copy()函數(shù)進(jìn)行賦值，否則只是創(chuàng)建新指針，新副本將隨著原數(shù)據(jù)的變化而變化，從而導(dǎo)致迭代的終止條件始終滿足，無法進(jìn)行后續(xù)迭代計(jì)算。在比較前后兩個(gè)數(shù)據(jù)集過程當(dāng)中，不能使用dataframe的比較函數(shù)，因?yàn)槠浞祷刂禐椴紶栴愋偷牧斜恚⒉荒軐?shí)現(xiàn)我們所需的函數(shù)功能。所以在比較時(shí)只比較兩個(gè)dataframe的asix屬性，并在兩個(gè)datafrmae的asix完全相同時(shí)返回2，不同時(shí)返回1。來實(shí)現(xiàn)對(duì)迭代前后數(shù)據(jù)集的比較。在傳統(tǒng)k-means算法中，迭代的終止條件常常為在迭代前后的兩個(gè)數(shù)據(jù)集距離之和小于某個(gè)的閾值。本文則采取前后數(shù)據(jù)集完全相等條件作為迭代的終止條件，以追求聚類結(jié)果的準(zhǔn)確性。具體實(shí)現(xiàn)代碼如圖2-14所示。圖2-14首次k-means算法后的迭代過程聚類模型評(píng)估與可視化下文將介紹在模型建立后模型評(píng)估方法和模型評(píng)估與可視化的過程。聚類評(píng)估方法介紹在k-menas算法中，k值的選取對(duì)于得出的模型具有十分關(guān)鍵的影響。而傳統(tǒng)k-menas算法將直接按照k=4或5參與運(yùn)算。但在論文中為了追求所得模型的精準(zhǔn)度，將k等于3到10所得出模型進(jìn)行模型評(píng)估，在對(duì)比后采取最優(yōu)k對(duì)應(yīng)的模型進(jìn)行后續(xù)的聚類實(shí)現(xiàn)。具體方法如下所示。手肘法手肘法在評(píng)估一個(gè)聚類模型的好壞程度時(shí)，使用的評(píng)測指標(biāo)為模型中所有簇的簇內(nèi)距離平方和。計(jì)算公式如下。SSE=在計(jì)算過程中，隨著k值的不同，所得出的總距離也不一樣。而隨著k值的不斷增長，所劃分出的簇的數(shù)量也越多，每個(gè)簇內(nèi)的樣本距離越小，自然總會(huì)總體距離就會(huì)呈現(xiàn)出一個(gè)下降的趨勢。而在下降的過程中會(huì)出現(xiàn)明顯的拐點(diǎn)，此時(shí)這個(gè)拐點(diǎn)所對(duì)應(yīng)的k值就是最佳k值。手肘法的優(yōu)點(diǎn)為實(shí)現(xiàn)簡單，計(jì)算量小，且k值在圖中容易找出。但是對(duì)于各個(gè)簇之間的分類指標(biāo)不明確，評(píng)估重點(diǎn)偏向于簇內(nèi)。所以在本論文中將不采取手肘法作為模型評(píng)估方法。輪廓系數(shù)法輪廓系數(shù)法在衡量一個(gè)聚類模型的好壞時(shí)，綜合考慮了聚類模型中簇內(nèi)和簇間兩個(gè)因素對(duì)模型的影響程度。輪廓系數(shù)的計(jì)算公式如下所示。s在計(jì)算中主要設(shè)計(jì)兩個(gè)變量分別為a(i)和b(i)。其中a(i)為樣本i到所屬簇中所有樣本的平均距離，體現(xiàn)了簇的內(nèi)聚程度，而b(i)是樣本i到其他各個(gè)簇所有樣本的平均距離的最小值。體現(xiàn)了簇間的分離程度。而最后所得出的模型輪廓系數(shù)，是模型中所有樣本輪廓系數(shù)的平均值，取值范圍在-1到1之間，輪廓系數(shù)越大，則說明該聚類模型效果越好。針對(duì)于具體樣本來看值大于0時(shí)，表示該樣本應(yīng)該被劃分在當(dāng)前簇中；小于1時(shí)，說明該樣本應(yīng)該劃分在其他簇中；接近0時(shí)，表示該樣本處在兩個(gè)或多個(gè)簇的交接位置。輪廓系數(shù)法的優(yōu)點(diǎn)是考慮因素全面，所得出的模型合理有效；缺點(diǎn)是計(jì)算復(fù)雜度過高，為o(n^2)。所以在本文的模型評(píng)估環(huán)節(jié)使用輪廓系數(shù)法作為評(píng)估方法。聚類模型評(píng)估與可視化過程在取k值為3、4、5、6、7、8、9、10時(shí)分別得到8個(gè)聚類模型后，使用輪廓系數(shù)法對(duì)所得模型進(jìn)行評(píng)估，評(píng)估過程具體代碼如圖2-15所示，所得結(jié)果如表2-4所示。圖2-15輪廓系數(shù)法實(shí)現(xiàn)代碼表2-4不同k值對(duì)應(yīng)的輪廓系數(shù)值K值輪廓系數(shù)30.423826777917289240.274402020099294450.32775759081706860.317685787503782170.2885216221974573680.2704208608411237790.2723987225651615100.24065263093781844比較后發(fā)現(xiàn)，在k值等于3時(shí)，模型的輪廓系數(shù)最大，具體值近似為0.4。所以本論文將選取k等于3作為k-means算法的k值，在經(jīng)過模型建立后將所得模型保存為excel文件，通過excel中畫圖的方法繪制出雷達(dá)圖。如圖2-16所示。圖2-16k=3時(shí)所對(duì)應(yīng)的雷達(dá)圖其中雷達(dá)圖中六個(gè)頂點(diǎn)為所對(duì)應(yīng)的LRFMCA指標(biāo)每個(gè)涔層次之間的差值為200。三種顏色的線代表聚類后所得出的三個(gè)客戶群體，具體客戶群體分析將在第四章進(jìn)行詳述。系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)第三章將對(duì)前臺(tái)系統(tǒng)的實(shí)現(xiàn)過程與代碼功能做出具體介紹。功能描述本本通過javaweb技術(shù)實(shí)現(xiàn)了用戶信息管理和預(yù)測系統(tǒng)，具有簡單的用戶信息管理功能和客戶潛價(jià)值預(yù)測功能。登錄用戶具體分為普通用戶和管理員，且兩者對(duì)系統(tǒng)的主要實(shí)現(xiàn)的功能模塊如圖3-1所示。圖3-1系統(tǒng)功能結(jié)構(gòu)圖預(yù)測系統(tǒng)代碼結(jié)構(gòu)介紹本系統(tǒng)將所用到的java文件主要分為4個(gè)包，分別為dao,model,service和util。其中dao包中的兩個(gè)文件負(fù)責(zé)將數(shù)據(jù)庫鏈接對(duì)象實(shí)例化，通過獲取AdminDao中方法傳入的數(shù)據(jù)來重新組建sql語句實(shí)現(xiàn)與數(shù)據(jù)庫的交互功能，從而將前后臺(tái)連接起來。其中還寫入了聚類功能的代碼，通過獲取前臺(tái)傳入的客戶具體數(shù)據(jù)來計(jì)算與三個(gè)樣本中心點(diǎn)距離，找到最小值作為分類結(jié)果返回。model包中設(shè)計(jì)了用戶和客戶的實(shí)例化對(duì)象，并根據(jù)客戶和用戶的具體屬性編寫了對(duì)于每個(gè)屬性獲取具體值和設(shè)置具體值的方法，作為前后臺(tái)數(shù)據(jù)交互的接口，實(shí)現(xiàn)前臺(tái)頁面顯示具體客戶信息的功能。Service包主要負(fù)責(zé)相應(yīng)前臺(tái)頁面請(qǐng)求和JavaScript觸發(fā)函數(shù)的實(shí)現(xiàn)，其中LoginServlet實(shí)現(xiàn)了用戶信息比對(duì)的功能；RegisterServlet實(shí)現(xiàn)了前臺(tái)信息寫入數(shù)據(jù)庫用戶表的功能；UserExitServlet實(shí)現(xiàn)了用戶注銷后頁面跳轉(zhuǎn)到login.html的功能；AdminDao存放處理前臺(tái)頁面在JavaScript中觸發(fā)相應(yīng)操作后觸發(fā)的函數(shù)。Utils包主要負(fù)責(zé)通過數(shù)據(jù)庫連接包設(shè)置具體數(shù)據(jù)庫配置來重寫url語句來建立起與數(shù)據(jù)庫的實(shí)時(shí)連接對(duì)象，并將此對(duì)象提供給dao包中的函數(shù)調(diào)用。Java文件目錄如圖3-2所示。圖3-2Java文件目錄在本系統(tǒng)的頁面設(shè)計(jì)中將前臺(tái)分為了jsp頁面，JavaScript文件夾，image文件夾，lib文件夾和css文件夾。其中jsp頁面為系統(tǒng)運(yùn)行時(shí)主要顯示頁面，lib文件夾下存放系統(tǒng)運(yùn)行時(shí)必要的jar包，js文件夾下存放相應(yīng)的JavaScript文件，用于相應(yīng)jsp頁面觸發(fā)的具體操作，image文件夾下存放前臺(tái)頁面背景圖片，css文件下存放對(duì)于jsp頁面使用到的css文件用于設(shè)置前臺(tái)頁面的頁面布局設(shè)置。前臺(tái)頁面目錄結(jié)構(gòu)如圖3-3所示。圖3-3web目錄結(jié)構(gòu)系統(tǒng)處理流程圖系統(tǒng)處理的流程主要分為用戶登錄模塊和數(shù)據(jù)處理模塊。圖3-4系統(tǒng)登錄模塊流程圖圖3-5子模塊操作流程圖前臺(tái)頁面設(shè)計(jì)在前臺(tái)頁面設(shè)計(jì)的過程中，本論文采取JSP頁面設(shè)計(jì)的方法進(jìn)行前臺(tái)頁面設(shè)計(jì)，JSP全稱為JavaServerPages，中文名為java服務(wù)器頁面。JSP主要實(shí)現(xiàn)的是視圖層的功能。JSP的動(dòng)態(tài)網(wǎng)頁技術(shù)標(biāo)準(zhǔn)是在傳統(tǒng)的HTML文件中加入Java程序段。在JSP文件中，共同存在著兩種代碼即HTML代碼和JAVA代碼，其中，HTML代碼具體用來實(shí)現(xiàn)靜態(tài)頁面的顯示內(nèi)容，而JAVA、代碼用來實(shí)現(xiàn)頁面中的動(dòng)態(tài)模塊。JSP頁面具有跨平臺(tái)，組件重復(fù)使用和預(yù)編譯的特點(diǎn)。本文中涉及到admin,user,message,register,login5個(gè)JSP頁面來實(shí)現(xiàn)前臺(tái)的頁面設(shè)計(jì)。其中l(wèi)ogin頁面用于實(shí)現(xiàn)管理員和用戶登錄操作，通過文本框?qū)⒂脩裘兔艽a通過請(qǐng)求的方法將數(shù)據(jù)傳給LoginServlet文件，從而對(duì)用戶名和密碼實(shí)現(xiàn)驗(yàn)證操作。如果用戶名密碼校驗(yàn)成功，且所屬權(quán)限屬于管理員，則顯示admin頁面。若所屬權(quán)限屬于普通用戶，則顯示user頁面上。若用戶名密碼不存在于數(shù)據(jù)庫，則提示報(bào)錯(cuò)頁面，通過JavaScript語句輸出提示信息。Message頁面用于顯示錯(cuò)誤提示信息，若用戶沒有登陸而直接訪問admin,user頁面，則會(huì)跳轉(zhuǎn)到messag頁面提示用戶未登錄警告，并跳轉(zhuǎn)到login頁面。前臺(tái)頁面運(yùn)行截圖如圖3-6到3-10所示。圖3-6login頁面圖3-7注冊(cè)界面圖3-8管理員界面圖3-9普通用戶界面圖3-10錯(cuò)誤提示界面針對(duì)所有登錄后的界面，實(shí)現(xiàn)的功能與動(dòng)作檢測都是通過JavaScript腳本實(shí)現(xiàn)，admin頁面與user頁面操作都對(duì)應(yīng)一個(gè)JavaScript腳本。以admin頁面為例，對(duì)應(yīng)按鈕的觸發(fā)操作onclick對(duì)應(yīng)一個(gè)JavaScript函數(shù)，當(dāng)觸發(fā)成功后，將所獲取的信息傳到JavaScript頁面來執(zhí)行對(duì)應(yīng)函數(shù)操作，在函數(shù)內(nèi)通過show函數(shù)將右邊對(duì)應(yīng)的html頁面和頁面內(nèi)所包含的對(duì)應(yīng)信息進(jìn)行輸出。JavaScript功能實(shí)現(xiàn)在本論文所設(shè)計(jì)的系統(tǒng)之中，所有具體頁面的操作，如目錄欄伸縮效果，具體點(diǎn)擊顯示的頁面效果與觸發(fā)操作時(shí)的頁面及時(shí)反映都是通過JavaScript腳本實(shí)現(xiàn)。針對(duì)用戶和管理員的具體操作權(quán)限不同，本文同樣將JavaScript分為兩個(gè)部分，為admin.js和user.js分別實(shí)現(xiàn)了管理員和用戶界面的具體操作響應(yīng)功能。兩者功能大同小異，下文中將以admin.jsp內(nèi)容為基礎(chǔ)進(jìn)行介紹。在前臺(tái)頁面中，登陸成功后系統(tǒng)頁面左方為目錄列表，其中伸縮式目錄的實(shí)現(xiàn)過程為通過js頁面中的$(funcation())方法實(shí)現(xiàn)，每個(gè)可點(diǎn)擊目錄都對(duì)應(yīng)一個(gè)js頁面中的方法。在查詢功能中，通過admin.jsp頁面中點(diǎn)擊按鈕所觸發(fā)的函數(shù)query_all()在js頁面尋找所對(duì)應(yīng)的函數(shù)。在函數(shù)中通過xmlhttp方法在頁面執(zhí)行函數(shù)語句并將所執(zhí)行的動(dòng)作返回到AdminDao類中，通過query_all()所傳入的具體參數(shù)來拼接xmlhttp.open()所需要的參數(shù)來選擇在AdminDao中所觸發(fā)的方法。在AdminDao中具體函數(shù)主要分為兩個(gè)模塊。首先通過參數(shù)傳遞獲取前臺(tái)頁面?zhèn)魅氲男畔ⅲ⑿陆ㄒ粋€(gè)dao中的具體對(duì)象并通過dao中的方法獲取與數(shù)據(jù)庫交互后返回的信息，在查詢中所返回的為一個(gè)列表，其中包含了對(duì)應(yīng)數(shù)據(jù)表中的所有信息。其次將列表中的參數(shù)通過get方法獲取，并使用輸出語句與html語句相結(jié)合。部分代碼如圖3-11所示。 圖3-11query函數(shù)代碼展示對(duì)于插入，刪除，修改功能,其代碼結(jié)構(gòu)相同，下文中將以插入用戶功能為例進(jìn)行介紹。在admin.jsp頁面下點(diǎn)擊用戶新增目錄按鈕將觸發(fā)對(duì)應(yīng)與admin.js頁面中的show_insert_user函數(shù)，在函數(shù)中通過show變量的賦值，將html代碼賦值給show變量從而可以顯示在頁面右方主要部分。部分html代碼代碼如圖3-12所示。圖3-12show_insert_user函數(shù)隨后在所出現(xiàn)頁面中點(diǎn)擊插入按鈕，將觸發(fā)insert(user)函數(shù)，將user作為參數(shù)傳入給js頁面中的insert函數(shù)。在insert函數(shù)中匹配傳入?yún)?shù)后，將觸發(fā)對(duì)應(yīng)的函數(shù)，將頁面所輸入的信息保存通過字符串拼接的方式組合url，最后通過xmlhttp.open方法發(fā)送給AdminDao中的對(duì)應(yīng)函數(shù)，主要代碼如圖3-13所示。圖3-13insert函數(shù)展示在觸發(fā)AdminDao中的insert_user函數(shù)后，將新建一個(gè)userDao對(duì)象，并將前臺(tái)頁面?zhèn)魅氲臄?shù)據(jù)賦值給對(duì)應(yīng)變量。隨后將所獲取的變量作為參數(shù)傳遞給UserDao對(duì)象中的方法從而實(shí)現(xiàn)對(duì)后臺(tái)數(shù)據(jù)庫的操作。在UserDao的insert_user方法中，將通過set函數(shù)將所傳入?yún)?shù)賦值給對(duì)應(yīng)的sql語句，并設(shè)置flag變量的值為1和0表示插入操作是否完成，并將flag作為返回值表示是否執(zhí)行語句成功。最后在AdminDao的insert_user方法最后，通過返回的flag語句對(duì)info變量進(jìn)行不同的賦值，使用輸出方法將info與html標(biāo)簽結(jié)合，實(shí)現(xiàn)插入成功與失敗的及時(shí)相應(yīng)功能。具體代碼如圖3-14，3-15所示。圖3-14AdminDao中inert_user函數(shù)圖3-15Userdao中insert_user函數(shù)對(duì)于本系統(tǒng)的預(yù)測功能模塊，功能入口設(shè)計(jì)在admin.jsp頁面中的潛在價(jià)值預(yù)測目錄按鈕上，在觸發(fā)按鈕操作后將進(jìn)入admin.js中的show_pridict()函數(shù)中，通過對(duì)show變量賦予相應(yīng)的html代碼來實(shí)現(xiàn)對(duì)預(yù)測用戶信息輸入的頁面代碼如圖3-16所示。圖3-16show的html代碼在輸入客戶信息后，點(diǎn)擊預(yù)測按鈕將觸發(fā)admin.js頁面的pridict()函數(shù)，在函數(shù)中通過向頁面獲取用戶具體信息，并將獲取信息賦值給customer變量，最后通過重組url的方法將參數(shù)傳遞給AdminDao中的pridict_customer函數(shù)。在AdminDao中的pridict_customer()函數(shù)主要分為兩個(gè)模塊。首先獲取傳入的信息并賦值給相應(yīng)的變量，隨后將變量放入CustomerDao的pridict_customer()中，而在CustomerDao的pridict_customer()函數(shù)將通過傳入的L,R,F,M,C,A的具體值來與python模塊中獲得的模型做距離計(jì)算，本文在k=3時(shí)得到的模型聚類效果較好，所以將函數(shù)返回值設(shè)為3類，在客戶數(shù)據(jù)與3個(gè)樣本中心點(diǎn)距離都計(jì)算完畢后，找到距離最小值賦值給flag變量，最后通過flag變量的具體值來判斷當(dāng)前用戶所屬類別，并通過輸出語句將預(yù)測信息和針對(duì)性建議通過與html語句相結(jié)合的方式輸出到頁面，從而實(shí)現(xiàn)客戶潛在價(jià)值預(yù)測功能。其主要代碼與頁面展示如圖3-17，3-18所示。圖3-17AdminDao的pridict函數(shù)圖3-18customerDao中的pridict函數(shù)數(shù)據(jù)庫模塊本論文中將使用mysql數(shù)據(jù)庫作為后臺(tái)數(shù)據(jù)的存儲(chǔ)操作載體，通過數(shù)據(jù)庫連接類實(shí)現(xiàn)與前臺(tái)數(shù)據(jù)庫的鏈接。具體過程論述如下。數(shù)據(jù)庫結(jié)構(gòu)設(shè)計(jì)在本系統(tǒng)中，需要兩張數(shù)據(jù)表來配合系統(tǒng)功能，分別為user和customer表。其中user表用于實(shí)現(xiàn)用戶登錄注冊(cè)功能，通過數(shù)據(jù)庫連接類的方法將前臺(tái)獲取的用戶名與密碼和user表中的對(duì)應(yīng)username，和password相對(duì)比，從而實(shí)現(xiàn)登錄功能。注冊(cè)功能則是將前臺(tái)頁面?zhèn)骰氐恼?qǐng)求通過數(shù)據(jù)庫連接類中的參數(shù)傳遞方法，將參數(shù)與insert插入語句相結(jié)合后傳回?cái)?shù)據(jù)庫，來實(shí)現(xiàn)對(duì)user表的插入操作。同樣，在對(duì)客戶進(jìn)行其他操作時(shí)也是通過數(shù)據(jù)庫連接模塊將具體請(qǐng)求參數(shù)與數(shù)據(jù)庫語句相結(jié)合后，傳回?cái)?shù)據(jù)庫執(zhí)行，實(shí)現(xiàn)對(duì)應(yīng)的具體功能。在具體數(shù)據(jù)表結(jié)構(gòu)編寫時(shí)，本論文使用MYSQL8.0CommandLineClient和MYSQLWorkben實(shí)現(xiàn)數(shù)據(jù)庫和數(shù)據(jù)表的建立。具體表詳細(xì)介紹如下。user表屬性E-R圖如圖3-19所示，具體表內(nèi)容與結(jié)構(gòu)如圖3-20與圖3-21所示。圖3-19user表E-R圖圖3-20user表內(nèi)容圖3-21user表結(jié)構(gòu)Customer表屬性E-R圖如圖3-21所示。Customer表的具體內(nèi)容與結(jié)構(gòu)如圖3-22與圖3-23所示。圖3-20customer屬性E-R圖圖3-21customer表內(nèi)容圖3-22customer表結(jié)構(gòu)數(shù)據(jù)庫連接方式在本論文中，通過mysql-connector-java-8.0.11.jar包的類方法實(shí)現(xiàn)有關(guān)數(shù)據(jù)庫的函數(shù)功能。首先通過getConnection()方法獲取與數(shù)據(jù)庫的連接對(duì)象Connection，在方法中根據(jù)本地?cái)?shù)據(jù)庫的具體配置，如數(shù)據(jù)庫的用戶名，密碼，數(shù)據(jù)表所在的數(shù)據(jù)庫名稱，mysql數(shù)據(jù)庫在系統(tǒng)中的端口號(hào)等，重組連接語句。隨后將連接語句通過數(shù)據(jù)庫連接類com.mysql.jdbc.Driver組合來獲取數(shù)據(jù)庫連接對(duì)象conn。對(duì)于對(duì)數(shù)據(jù)庫的具體操作語句，通過dao包中的UserDao和CustomerDao來實(shí)現(xiàn)，具體實(shí)現(xiàn)過程主要分為兩個(gè)部分。首先通過connection對(duì)象獲取數(shù)據(jù)庫連接對(duì)象conn。其次為通過具體函數(shù)的參數(shù)在PreparedStatement類方法下將參數(shù)與具體的功能sql語句相結(jié)合，并發(fā)送到后臺(tái)數(shù)據(jù)庫進(jìn)行執(zhí)行，從而實(shí)現(xiàn)了前臺(tái)與數(shù)據(jù)庫的交互功能。

聚類模型和系統(tǒng)測試結(jié)果第四章將介紹k-means得出的聚類模型和系統(tǒng)的測試結(jié)果。模型展示在本通過k從3到10計(jì)算所得的輪廓系數(shù)對(duì)比得，k=3時(shí)模型的輪廓系數(shù)值為0.4238，在所有模型中為較好。所以選取k=3的模型來實(shí)現(xiàn)客戶潛在價(jià)值預(yù)測功能。模型的三個(gè)樣本中心點(diǎn)如表4-1所示。表4-1模型展示LRFMCA0136.6779165.157637.8005117.320350.04101150.9811180.808532.9704390.1913540.6889499.8385344.54522144.0956199.839679.8421111.5336105.4436425.033隨后通過雷達(dá)圖的形式將上表三個(gè)數(shù)據(jù)進(jìn)行繪圖分析，雷達(dá)圖效果如圖4-1所示。圖4-1k=3時(shí)的雷達(dá)圖根據(jù)圖4-1所示我們可以將三類具體客戶分為高價(jià)值，中價(jià)值，和低價(jià)值客戶群體。首先看客戶群體0類，其客戶活躍度最高且遠(yuǎn)遠(yuǎn)超出其他兩類客戶群體，但是僅僅憑借客戶活躍度并不能說明客戶在未來一段時(shí)間的潛在價(jià)值，綜合其他5個(gè)屬性來看，其L，R，F(xiàn)，M，和C都為三類中最低。由此可看出此類客戶的客戶行為為不經(jīng)常選擇飛機(jī)作為出行方式，飛行公里總數(shù)較少，但是從客戶活躍度較高可推斷出其平均每次飛行票價(jià)較高，且積分兌換次數(shù)也高于其他兩類客戶。并由此可以推斷此類客戶雖然不經(jīng)常選擇飛機(jī)出行，但是一旦選擇飛機(jī)出行就是中長途旅行，且平均票價(jià)遠(yuǎn)高于其他兩類客戶可看出此類客戶艙室選擇大多為商務(wù)艙或頭等艙。在航空行業(yè)當(dāng)中，空中旅途越長，本次班機(jī)所盈利率就越大，且此類用戶通過客戶活躍度可看出在近期出行的幾率較大。所以將此類用戶歸為高價(jià)值客戶。其次通過觀察客戶群1類，發(fā)現(xiàn)其客戶活躍度與2類客戶相差無幾，但是在其L，F(xiàn)，M和C當(dāng)中都為3類最高且R最短，可以看出此類客戶為經(jīng)常選擇本航空公司客戶，他們經(jīng)常乘坐飛機(jī)，且最近仍然再繼續(xù)選擇本航空公司作為出行方式。雖然其飛行公里總數(shù)較長，但是其客戶活躍度相對(duì)較低，由此可見這類客戶平均乘機(jī)票價(jià)較低，出行時(shí)大多為短途旅行，且艙室選擇大多在經(jīng)濟(jì)艙。對(duì)于飛機(jī)短途旅行，盈利效果遠(yuǎn)沒有長途旅行大，所以將此類用戶歸為中等價(jià)值客戶。最后觀察2類用戶，此類用戶L，R，F(xiàn)，M，C和客戶活躍度都相對(duì)較低?？梢姶祟愑脩魹閯倓傔x用本航空公司作為出行方式的客戶群體，總飛行公里數(shù)相對(duì)較少，但客戶活躍度在0，1類之間。說明雖然剛剛選用本航空公司作為出行方式，但是仍然具有一定的潛在價(jià)值，且對(duì)于航空服務(wù)業(yè)的關(guān)注度也保持在中等水平，所以將此類用戶歸為低價(jià)值客戶。系統(tǒng)測試在下文敘述的系統(tǒng)測試中主要測試環(huán)境為eclipse-jee-2021-12-R-win32-x86_64。對(duì)應(yīng)的web服務(wù)器版本為apache-tomcat-8.0.52-64。實(shí)例測試下文將給出具體的系統(tǒng)測試步驟，具體流程如圖4-2和圖4-3所示。圖4-2測試流程圖4-3測試流程針對(duì)上文給出的實(shí)例測試步驟，圖4-4到圖4-11將展示部分功能的運(yùn)行截圖。圖4-4用戶列舉圖4-5新增用戶圖4-6刪除指定用戶圖4-7修改指定用戶圖4-8客戶列舉圖4-9添加新客戶圖4-10刪除指定客戶圖4-11客戶潛在價(jià)值預(yù)測功能圖4-10預(yù)測結(jié)果展示針對(duì)不同客戶群體的服務(wù)意見本文將根據(jù)實(shí)驗(yàn)結(jié)果將客戶群體主要分為三種類型，分別為高價(jià)值，中等價(jià)值和低價(jià)值客戶群體，對(duì)于每種客戶群體的描述將在下文具體介紹。高價(jià)值客戶的服務(wù)意見針對(duì)高價(jià)值客戶群體，平均飛行距離長，且在近期出行的可能性較大?？梢栽诮谕ㄟ^精準(zhǔn)投放廣告的方式向用戶推送本航空公司的優(yōu)惠內(nèi)容。并在數(shù)據(jù)庫中根據(jù)客戶歷史航班記錄統(tǒng)計(jì)出客戶最常出行的地點(diǎn)以及航班信息來具體投放關(guān)于旅行地點(diǎn)以及具體航班優(yōu)惠政策來引導(dǎo)客戶選擇本航空公司進(jìn)行出行。在客戶候機(jī)時(shí)，可使用積分來換取更加優(yōu)質(zhì)的服務(wù)，如登記提醒，接機(jī)，引導(dǎo)服務(wù)和VIP候機(jī)室體驗(yàn)服務(wù)避免在候機(jī)乘機(jī)時(shí)出現(xiàn)意外情況。在客戶進(jìn)行乘機(jī)時(shí)，可以適當(dāng)增加客戶的免費(fèi)升艙機(jī)會(huì)，以此來提高客戶對(duì)本航空公司的服務(wù)印象，避免在候機(jī)乘機(jī)時(shí)出現(xiàn)意外情況。在客戶體驗(yàn)更高等級(jí)的服務(wù)過后，在隨后的出行中選擇本航空公司高價(jià)值服務(wù)的可能性也會(huì)隨之提升。在乘機(jī)后可以線上或者線下發(fā)放問卷或者空乘人員進(jìn)行專人調(diào)查來詢問客戶對(duì)于此次旅途是否滿意，有哪些需要改進(jìn)的地方并在節(jié)假日送上祝福以及小禮品，通過針對(duì)性的服務(wù)來保留客戶。中等價(jià)值客戶的服務(wù)意見對(duì)于此類客戶來講，其出行頻繁，距離相對(duì)較短，且為經(jīng)濟(jì)艙客戶?？梢酝茢啻祟惪蛻魹榻?jīng)常短距離出差的人士?？梢酝ㄟ^此類客戶的歷史航班信息，來推斷出此類客戶經(jīng)常出差，旅行的起始地和目的地。通過數(shù)據(jù)來為此類客戶打造航班時(shí)刻表，將經(jīng)常乘坐的航班信息推送給客戶，并相應(yīng)的提高優(yōu)惠政策和商務(wù)倉的體驗(yàn)活動(dòng)，以此來提升客戶對(duì)本航空公司的服務(wù)印象和在之后出行中選擇商務(wù)艙的幾率。也可以根據(jù)用戶分布，選擇性的來開設(shè)專車接送服務(wù)。比如在某城市中的某航班中價(jià)值客戶群體較多，可針對(duì)此航班開設(shè)機(jī)場大巴來接送此類客戶，避免誤機(jī)等意外的發(fā)生。低價(jià)值客戶的服務(wù)意見對(duì)于低價(jià)值客戶來講，從當(dāng)前數(shù)據(jù)并不能完全否認(rèn)其未來創(chuàng)造價(jià)值的能力，應(yīng)該對(duì)此類客戶保持長期的觀察，看是否有轉(zhuǎn)變?yōu)橹?，高價(jià)值客戶群體的趨勢，在服務(wù)方面保持和普通用戶相同的待遇，在節(jié)假日送上祝福，推送一些辦卡，升艙，淡季優(yōu)惠活動(dòng)。并在航班完成后可發(fā)放線上意向調(diào)查，看是否在未來一段時(shí)間有出行的需要，可將此類客戶往中高價(jià)值客戶方向培養(yǎng)，但不建議投入太多的人力物力。

總結(jié)與展望在本系統(tǒng)的開發(fā)過程中從我國航空公司行業(yè)的實(shí)際需求出發(fā)，并對(duì)航空旅客進(jìn)行了深入的調(diào)查，力求最大限度的實(shí)現(xiàn)航空公司對(duì)客戶潛在價(jià)值預(yù)測的需求。在分類時(shí)使用加權(quán)的k-menas算法和根據(jù)輪廓系數(shù)調(diào)節(jié)k值是本預(yù)測系統(tǒng)的一個(gè)亮點(diǎn)。在預(yù)測系統(tǒng)登錄時(shí)對(duì)管理普通用戶和管理員進(jìn)行區(qū)分，有著簡潔易上手的操作頁面也是在系統(tǒng)設(shè)計(jì)中的一個(gè)優(yōu)勢。通過不斷地完善，后臺(tái)聚類模型建立完成，系統(tǒng)可以正常運(yùn)行，實(shí)現(xiàn)了所設(shè)計(jì)的功能。通過本預(yù)測系統(tǒng)功能的實(shí)現(xiàn)，使用本系統(tǒng)后航空公司的服務(wù)質(zhì)量將得到有效的改善。（1）可以將所有客戶群體分類，以便于有針對(duì)性的服務(wù)。（2）在分類后，可根據(jù)分類時(shí)所涉及到的屬性和系統(tǒng)所給出建議更好的提升服務(wù)品質(zhì)，達(dá)到挽留甚至提升客戶價(jià)值的效果。本系統(tǒng)的設(shè)計(jì)過程中和預(yù)測模型建立過程中，還有很多不完善的功能。如：考慮數(shù)據(jù)安全問題，帶有重復(fù)功能的模塊不能很好的整合到一起。顯示界面也需要進(jìn)一步的完善。由于能力有限，在模型建立和系統(tǒng)設(shè)計(jì)中仍然存在一些缺陷，模型可以加入更多屬性來建立更加有效的預(yù)測性指標(biāo)，在模型評(píng)估時(shí)可以考慮更加全面的評(píng)估方法。系統(tǒng)功能可以進(jìn)一步整合，并添加一些可視化因素達(dá)到更有說服力的結(jié)果。期望在今后的進(jìn)一步學(xué)習(xí)中可以對(duì)本系統(tǒng)進(jìn)行改善。

參考文獻(xiàn)AarikkaStenroosLeena,WelathanthriMartinaDon,RantaValtteri.WhatIstheCustomerValueoftheCircularEconomy?Cross-IndustryExplorationofDiverseValuesPerceivedbyConsumersandBusinessCustomers[J].Sustainability,2021,13(24):0-1.Wen-YuChiang.Identifyinghigh-valueairlinescustomersforstrategiesofonlinemarketingsystems[J].Kybernetes,2018,47(3):0-14.JohnLindstr?m.WhenMovingfromProductsandServicestowardsFunctionalProducts:WhichSustainability-orientedCustomerValuesareofInterest?[J].Procedia,2016,48:0-6.YounJae,SoYeonPARK,HyeYoon.AStudyontheCustomerValueofAirline:FocusedonImprovingCustomerSatisfactionbyCustomerValueType[J].EastAsianJournalofBusinessEconomics,2021,9(3):0-11.Ching-FuChen,Jing-PingW