航空公司客運(yùn)信息挖掘詳解.pptx

1、航空公司客運(yùn)信息挖掘張良均2022/7/11挖掘目標(biāo)的提出分析方法與過程建模仿真主要內(nèi)容很多人都聽說過馬來西亞的亞洲航空、美國(guó)的西南航空等公司的大名。這些公司成功的秘訣就是擅于提高上座率。為了爭(zhēng)到客源，有些公司甚至提出了與長(zhǎng)途巴士進(jìn)行價(jià)格競(jìng)爭(zhēng)的口號(hào)。如此看來，國(guó)內(nèi)航空公司并不是把其它航空公司當(dāng)作主要競(jìng)爭(zhēng)對(duì)象，主要對(duì)手應(yīng)當(dāng)是火車或長(zhǎng)途汽車。適當(dāng)?shù)牡推眱r(jià)，將使航空資源得到充分利用，如果空座率居高不下，哪怕票價(jià)賣得很高，本身就已經(jīng)出現(xiàn)了資源性虧損。因此，如何利用數(shù)據(jù)挖掘技術(shù)（如客戶流失預(yù)測(cè)、客戶細(xì)分和客戶價(jià)值評(píng)估等）進(jìn)行客戶分析并制定相應(yīng)的客戶策略，以提升航空客運(yùn)的上座率？ 挖掘目標(biāo)的提出挖掘目標(biāo)：

2、借助航空公司客戶數(shù)據(jù)，采用數(shù)據(jù)挖掘技術(shù)，對(duì)客戶進(jìn)行分群，分析比較不同客戶群的客戶價(jià)值，對(duì)不同的客戶群提供個(gè)性化的客戶服務(wù)，加深對(duì)客戶的理解，制定相應(yīng)的營(yíng)銷策略。預(yù)測(cè)出潛在的流失客戶，保留住老客戶，提高航空客運(yùn)的上座率，防止因客戶流失而引發(fā)的經(jīng)營(yíng)危機(jī)，提高航空公司的競(jìng)爭(zhēng)力。 挖掘目標(biāo)的提出 分析方法與過程 分析方法與過程航空客運(yùn)信息挖掘主要步驟：對(duì)航空公司的原始數(shù)據(jù)進(jìn)行數(shù)據(jù)規(guī)約形成兩個(gè)樣本集，訓(xùn)練樣本集和檢測(cè)樣本集。對(duì)1）形成的兩個(gè)樣本集進(jìn)行數(shù)據(jù)預(yù)處理，包括缺失值處理，離群值處理，數(shù)據(jù)集成，數(shù)據(jù)變換，特征維度提取。利用2）形成的已完成數(shù)據(jù)預(yù)處理的訓(xùn)練樣本，基于旅客價(jià)值進(jìn)行客戶分群，建立客戶細(xì)分模

3、型，分析比較不同客戶群的價(jià)值，建立客戶價(jià)值評(píng)估模型，建立客戶流失模型，對(duì)建立好的模型進(jìn)行解釋與評(píng)價(jià)，利用第二步形成的已完成數(shù)據(jù)預(yù)處理的檢測(cè)樣本集，對(duì)模型進(jìn)行檢測(cè)。利用3）形成的模型診斷結(jié)果對(duì)模型進(jìn)行優(yōu)化。 分析方法與過程 1. 數(shù)據(jù)抽取：航空公司客戶信息挖掘需要考慮的指標(biāo)主要有會(huì)員入會(huì)時(shí)間距今月數(shù)、客戶最后一次乘機(jī)時(shí)間距今月數(shù)、客戶在觀測(cè)窗口內(nèi)乘機(jī)次數(shù)、客戶在觀測(cè)窗口內(nèi)累計(jì)飛行里程、客戶在觀測(cè)窗口內(nèi)乘坐艙位所對(duì)應(yīng)的折扣系數(shù)平均值、會(huì)員卡級(jí)別、觀測(cè)窗口總基本積分、總票價(jià)、觀測(cè)窗口總加權(quán)飛行公里數(shù)（艙位折扣航段距離）、平均乘機(jī)時(shí)間間隔、觀察窗口內(nèi)最大乘機(jī)間隔、觀測(cè)窗口中其他積分（合作伙伴、促銷、外

4、航轉(zhuǎn)入等）、非乘機(jī)積分總和、非乘機(jī)的積分變動(dòng)次數(shù)。 分析方法與過程 2. 數(shù)據(jù)預(yù)處理：數(shù)據(jù)規(guī)約數(shù)據(jù)清洗數(shù)據(jù)集成數(shù)據(jù)變換 分析方法與過程 2. 數(shù)據(jù)預(yù)處理數(shù)據(jù)規(guī)約：在大量數(shù)據(jù)上進(jìn)行復(fù)雜的數(shù)據(jù)分析和挖掘?qū)⑿枰荛L(zhǎng)的時(shí)間，數(shù)據(jù)規(guī)約技術(shù)可以用來得到原始數(shù)據(jù)的規(guī)約表示。規(guī)約表示小得多，但仍接近地保持原數(shù)據(jù)的完整性。在規(guī)約后得到的數(shù)據(jù)集上挖掘?qū)⒏行?，并產(chǎn)生相同或幾乎相同的分析結(jié)果。通過數(shù)據(jù)規(guī)約，可以達(dá)到的效果：降低無效、錯(cuò)誤數(shù)據(jù)對(duì)建模的影響，提高建模的準(zhǔn)確性。挑選少量且具代表性的數(shù)據(jù)將大幅縮減數(shù)據(jù)挖掘所需的時(shí)間。降低儲(chǔ)存數(shù)據(jù)的成本。 分析方法與過程 2. 數(shù)據(jù)預(yù)處理數(shù)據(jù)清洗：對(duì)表中的空缺值做丟棄處理。名

5、稱錯(cuò)誤糾正，主要是處理多余的附加字符，如“#”、“+”、“*”、“&”、“#”等多余的輸入，另外還有一些顯而易見的輸入錯(cuò)誤，如澳門寫成了澳?等。檢測(cè)和處理沖突值。 分析方法與過程 2. 數(shù)據(jù)預(yù)處理數(shù)據(jù)集成：刪除重復(fù)數(shù)據(jù)。實(shí)體識(shí)別。冗余屬性識(shí)別。 分析方法與過程 2. 數(shù)據(jù)預(yù)處理數(shù)據(jù)變換：數(shù)據(jù)轉(zhuǎn)換是將數(shù)據(jù)轉(zhuǎn)換成“適當(dāng)?shù)摹备袷剑赃m應(yīng)挖掘任務(wù)及算法的需要。根據(jù)給定樣本的數(shù)據(jù)特點(diǎn)，從已知的屬性提煉出了L（會(huì)員入會(huì)時(shí)間距觀測(cè)窗口結(jié)束的月數(shù)）、R（客戶最近一次乘坐公司飛機(jī)距觀測(cè)窗口結(jié)束的月數(shù)）、F（客戶在觀測(cè)時(shí)間內(nèi)乘坐公司飛機(jī)的次數(shù)）、M（客戶在觀測(cè)時(shí)間內(nèi)在公司累計(jì)的飛行里程）、C（客戶在觀測(cè)時(shí)間內(nèi)乘坐

6、艙位所對(duì)應(yīng)的折扣系數(shù)的平均值）五個(gè)屬性維。 分析方法與過程 2. 數(shù)據(jù)預(yù)處理數(shù)據(jù)變換：五個(gè)屬性的具體計(jì)算方法： L=LOAD_TIME-FFP_DATE 會(huì)員入會(huì)時(shí)間距觀測(cè)窗口結(jié)束的月數(shù)=觀測(cè)窗口的結(jié)束時(shí)間-入會(huì)時(shí)間單位：月 R=DAYS_FROM_LAST_TO_END 客戶最近一次乘坐公司飛機(jī)距觀測(cè)窗口結(jié)束的月數(shù)=最后一次乘機(jī)時(shí)間至觀察窗口末端時(shí)長(zhǎng)單位：月 F=FLIGHT_COUNT 客戶在觀測(cè)時(shí)間內(nèi)乘坐公司飛機(jī)的次數(shù)=飛行次數(shù)單位：次 M=SEG_KM_SUM 客戶在觀測(cè)時(shí)間內(nèi)在公司累計(jì)的飛行里程=觀測(cè)窗口總飛行公里數(shù)單位：公里 C=AVG_DISCOUNT 客戶在觀測(cè)時(shí)間內(nèi)乘坐艙位所

7、對(duì)應(yīng)的折扣系數(shù)的平均值=平均折扣率單位：無 分析方法與過程 2. 數(shù)據(jù)預(yù)處理預(yù)處理后結(jié)果： 分析方法與過程 3. 航空信息挖掘基于聚類分析的航空常旅客價(jià)值客戶分群基于主成分分析的客戶價(jià)值分析客戶流失分析 分析方法與過程 3. 航空信息挖掘通過挖掘建模，可以采取如下營(yíng)銷策略：對(duì)于重要保持客戶，航空公司應(yīng)該優(yōu)先將資源投放到他們身上，提高這類客戶的忠誠(chéng)度與滿意度，盡可能延長(zhǎng)這類客戶的高水平消費(fèi)。對(duì)于重要挽留客戶采取一定的營(yíng)銷手段，以最有效的方式防范客戶流失，重新贏得客戶的心，延長(zhǎng)客戶的生命周期。對(duì)于重要發(fā)展客戶航空公司要努力促使這類客戶增加在本公司的乘機(jī)消費(fèi)和合作伙伴處的消費(fèi)。通過客戶價(jià)值的提升，加

8、強(qiáng)這類客戶的滿意度，提高他們轉(zhuǎn)向競(jìng)爭(zhēng)對(duì)手的轉(zhuǎn)移成本，使他們逐漸成為公司的忠誠(chéng)客戶。對(duì)于乘機(jī)時(shí)間間隔較小的老客戶應(yīng)該注重會(huì)員卡與非乘機(jī)積分的推銷，比如增加會(huì)員卡的推銷力度，增大乘機(jī)積分的獲取機(jī)會(huì)。對(duì)于乘機(jī)時(shí)間間隔較大的老客戶應(yīng)該注重平均折扣，給這類客戶更多的短期內(nèi)可以提現(xiàn)的優(yōu)惠。 建模仿真 1. 基于聚類分析的航空常旅客價(jià)值客戶分群航空公司的各種資源是有限的，面對(duì)數(shù)量眾多的常旅客，如何對(duì)這些客戶進(jìn)行細(xì)分，更有效地判斷有價(jià)值客戶，了解他們的特征和實(shí)際需求，對(duì)不同價(jià)值的客戶采取不同的營(yíng)銷策略，將有限的資源投放到最有價(jià)值的客戶身上，實(shí)現(xiàn)精準(zhǔn)化營(yíng)銷。哪些是最有價(jià)值的？哪些是最需要關(guān)注的？哪些對(duì)企業(yè)貢獻(xiàn)度

9、最低？通過客戶分群，得到了的客戶的不同貢獻(xiàn)及不同的消費(fèi)特征，在客戶分群基礎(chǔ)上下一步工作就是營(yíng)銷活動(dòng)的設(shè)計(jì)與執(zhí)行。RFM 細(xì)分，通過三項(xiàng)變量，即最近消費(fèi)時(shí)間間隔(Recency)、消費(fèi)頻率(Frequency)、消費(fèi)金額(Monetary)來細(xì)分客戶，用于識(shí)別最有價(jià)值的客戶。RFM 指標(biāo)高的客戶可能更愿意并更有興趣與企業(yè)進(jìn)行交易，因此具備更高的客戶價(jià)值。RFM 指標(biāo)較差的客戶代表了較少的業(yè)務(wù)機(jī)會(huì)，表明該客戶價(jià)值較低。根據(jù)航空公司獨(dú)有的特點(diǎn)，對(duì)傳統(tǒng)的RFM 指標(biāo)做了適當(dāng)?shù)恼{(diào)整，確定了L、R、F、M、C 五個(gè)指標(biāo)作為航空公司客戶細(xì)分的參數(shù)（聚類變量）。 基于聚類分析的航空常旅客價(jià)值客戶分群客戶分群過

10、程： 基于聚類分析的航空常旅客價(jià)值客戶分群航空常旅客價(jià)值細(xì)分矩陣重要發(fā)展客戶、重要保持客戶、重要挽留客戶這三類重要客戶分別可以歸入客戶生命周期管理的發(fā)展期、穩(wěn)定期、衰退期三個(gè)階段。根據(jù)各階段的特點(diǎn)，可以制定完整的航空公司常旅客管理策略，為不同類型的客戶提供不同的產(chǎn)品和服務(wù)，提升重要發(fā)展客戶的價(jià)值、穩(wěn)定和延長(zhǎng)重要保持客戶的高水平消費(fèi)、防范重要挽留客戶的流失并積極進(jìn)行關(guān)系恢復(fù)。 基于聚類分析的航空常旅客價(jià)值客戶分群各類客戶特征分析： 重要發(fā)展客戶：這類客戶一般所乘航班的艙位等級(jí)（C）較高，最近乘坐過本公司航班（R 低），但乘坐頻率（F）或乘坐里程（M）較低。這類客戶中有的是才成為會(huì)員時(shí)間不長(zhǎng)（L

11、低），有的雖然是老會(huì)員但不經(jīng)常乘坐本公司航班。他們是航空公司的潛價(jià)值客戶，占有較高的客戶比例。雖然這類客戶的當(dāng)前價(jià)值并不是很高，但卻有很大的發(fā)展?jié)摿?。航空公司要努力促使這類客戶增加在本公司的乘機(jī)消費(fèi)和合作伙伴處的消費(fèi)，也就是增加客戶的錢包份額。通過客戶價(jià)值的提升，加強(qiáng)這類客戶的滿意度，提高他們轉(zhuǎn)向競(jìng)爭(zhēng)對(duì)手的轉(zhuǎn)移成本，使他們逐漸成為公司的忠誠(chéng)客戶。 基于聚類分析的航空常旅客價(jià)值客戶分群各類客戶特征分析： 重要保持客戶：這類客戶一般所乘航班的艙位等級(jí)（C）較高，最近乘坐過本公司航班（R 低），乘坐的頻率（F）或里程（M）也較高。他們是航空公司的價(jià)值客戶，是最為理想的客戶類型，對(duì)航空公司的貢獻(xiàn)最大，

12、所占比例卻比較小。航空公司應(yīng)該優(yōu)先將資源投放到他們身上，對(duì)他們進(jìn)行差異化管理和一對(duì)一營(yíng)銷，提高這類客戶的忠誠(chéng)度與滿意度，盡可能延長(zhǎng)這類客戶的高水平消費(fèi)。 基于聚類分析的航空常旅客價(jià)值客戶分群各類客戶特征分析： 重要挽留客戶：這類客戶過去所乘航班的艙位等級(jí)（C）、乘坐頻率（F）或者里程（M）較高，但是較長(zhǎng)時(shí)間已經(jīng)沒有乘坐本公司的航班（R 高）或是乘坐頻率明顯下降。他們客戶價(jià)值變化的不確定性很高。由于這些客戶衰退的原因各不相同，對(duì)常旅客數(shù)據(jù)庫經(jīng)常進(jìn)行清洗、掌握客戶的最新信息、維持與客戶的互動(dòng)就顯得尤為重要。航空公司應(yīng)該根據(jù)這些客戶的最近消費(fèi)時(shí)間、消費(fèi)頻率的變化情況，推測(cè)客戶消費(fèi)的異動(dòng)狀況，根據(jù)客戶

13、流失的可能性，列出客戶名單，重點(diǎn)拜訪或聯(lián)系，采取一定的營(yíng)銷手段，以最有效的方式防范客戶流失，重新贏得客戶的心，延長(zhǎng)客戶的生命周期。 基于聚類分析的航空常旅客價(jià)值客戶分群 客戶類別及其類型特點(diǎn)： 基于聚類分析的航空常旅客價(jià)值客戶分群 航空常旅客聚類分群分析客戶分類后，并不知道劃分出的每一組客戶的價(jià)值差別有多大，相對(duì)航空公司的重要性怎樣。利用 AHP 法分析得到的 LRFMC 各指標(biāo)權(quán)重，結(jié)合各組客戶的 LRFMC 指標(biāo)值，可以計(jì)算每一組客戶的客戶價(jià)值。 基于聚類分析的航空常旅客價(jià)值客戶分群根據(jù)航空公司資源的情況，可按照客戶價(jià)值的得分，將重要客戶的比例進(jìn)行適當(dāng)調(diào)整。但是，不論這一比例怎么調(diào)整，資源

14、都應(yīng)該優(yōu)先分配給價(jià)值最高的那部分客戶 基于聚類分析的航空常旅客價(jià)值客戶分群 基于聚類分析的航空常旅客價(jià)值客戶分群 模型評(píng)價(jià)及分析：結(jié)合航空公司客戶的特點(diǎn)，使用了對(duì)傳統(tǒng)RFM指標(biāo)進(jìn)行改進(jìn)的LRFMC指標(biāo)作為航空公司客戶分群的參數(shù)，并建立了客戶分群模型。并使用層次分析法，量化各指標(biāo)的權(quán)重，為細(xì)分提供了可靠依據(jù)。影響細(xì)分的因素有很多，考慮到實(shí)用性、易操作性等原則，本例只是從客戶行為和客戶價(jià)值的角度來考慮航空公司常旅客的客戶分群?jiǎn)栴}。 基于聚類分析的航空常旅客價(jià)值客戶分群 營(yíng)銷策略： 1. 會(huì)員的升級(jí)與保級(jí) 航空公司可在對(duì)會(huì)員升級(jí)或保級(jí)進(jìn)行評(píng)價(jià)的時(shí)間點(diǎn)之前，對(duì)那些接近但尚未達(dá)到要求的較高消費(fèi)客戶進(jìn)行適

15、當(dāng)提醒甚至采取一些促銷活動(dòng)，刺激他們通過消費(fèi)達(dá)到相應(yīng)標(biāo)準(zhǔn)。 2. 首次兌換 對(duì)接近但尚未達(dá)到首次兌換標(biāo)準(zhǔn)的會(huì)員，對(duì)他們進(jìn)行提醒或促銷。 3. 交叉銷售 通過發(fā)行聯(lián)名卡等與非航空類企業(yè)的合作，使客戶在其他企業(yè)的消費(fèi)過程中獲得本公司的積分，增強(qiáng)與公司的聯(lián)系，提高他們的忠誠(chéng)度。 建模仿真 1. 基于聚類分析的航空常旅客價(jià)值客戶分群 2. 基于主成分分析的客戶價(jià)值分析 3. 客戶流失模型獲得一個(gè)新客戶，要在銷售、市場(chǎng)、廣告和人員工資上花費(fèi)很多的費(fèi)用，并且大多數(shù)新客戶產(chǎn)生的利潤(rùn)還不如那些流失的老客戶多?？蛻袅魇?duì)利潤(rùn)增長(zhǎng)造成的負(fù)面影響非常大。應(yīng)用決策樹/神經(jīng)網(wǎng)絡(luò)方法進(jìn)行航空公司客戶流失分析，找出有較高流失傾向的最有價(jià)值客戶群體，得出客戶流失規(guī)則。 客戶流失模型航空老客戶流失狀態(tài)：流失、準(zhǔn)流失、未流失 兩年乘機(jī)次數(shù)比小于0.5的客戶為流失，0.50.9則為準(zhǔn)流失，大于0.9的客戶為未流失。樣本選擇 覆蓋兩年內(nèi)多個(gè)航空公司老客戶的流失情況；以兩年內(nèi)老客戶情況的80%為訓(xùn)練樣本，20%數(shù)據(jù)作為檢測(cè)樣本，建立客戶流失模型。 客戶流失模型航空客戶流失模型總體流程 客戶流失模型神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) 客戶流失模型決策樹結(jié)構(gòu) 客戶流失模型客戶流失評(píng)價(jià)矩陣 判斷一個(gè)流失預(yù)測(cè)模型是否可接受，通常可根據(jù)其主要的性能指標(biāo)如確認(rèn)流失命中率、確認(rèn)流失準(zhǔn)確率來衡量。本問題中，經(jīng)銷商最感興趣的是流失客戶，其次是準(zhǔn)流失