A010-W-王军晓_航空客运信息挖掘

发布时间:2013-04-22 14:46:46来源:本站原创

     提高航空客运的上座率既能使航空资源得到充分利用,更能显著的增加航空公司的效益。为了实现这一目标,我们从大量航空公司会员的会员数据出发,通过数据挖掘技术,分别建立用户细分、用户价值评估和流失预测模型,区分客户群,并提出相应的营销策略,从而达到提高上座率和效益的目标。

    首先是建立客户细分模型。我们根据文献并对已有数据进行预处理,筛选出5个L、R、F、M、C 五个指标作为航空公司客户细分的核心维度,利用LRFMC聚类分析法进行用户分群与初步评分。这个方法利用层次分析法(AHP)计算各核心维度的权重,再对数据进行标准化,并用SPSS软件实现K-means聚类法将所有客户划分为32种客户类别及其类型特点。接着利用权重计算各客户群综合得分,从而将航空公司的客户群体划分成重要保持客户、重要发展客户、重要挽留客户、忠诚型一般客户、低价值客户等五个级别的客户群。
    然后是建立客户价值评估模型。我们将客户细分模型所得的5个客户群的数据进行预处理,选择对客户价值影响最大的14个属性作为主成分分析法中所选用的要素。通过SPSS软件,对数据进行因子分析和降维处理,根据所得的数据可知,这14个属性可由2个主成分来综合表示,同时得出了各属性在主成分的组成中所占权重。通过数据标准化,结合权重,计算出了各用户群的综合得分,作为价值排名依据。
    接着是建立客户流失模型。我们定义了客户回头率这个概念(客户第二年乘机次数与第一年乘机次数比值),以0.5和0.8为两个临界值将老客户划分为流失客户、准流失客户、未流失客户三种客户类型,并选取一些维度及其衍生出的维度,使用决策树、神经网络两种方法进行客户流失模型的建立,找出了影响客户流失的关键性因素,并用将两种方法进行对比,最终确定了影响客户流失的几个比较重要因素有平均折扣率、单位里程票价和单位里程所得积分。
    最后,根据已建立的客户细分、价值评估和流失模型所得的结论,针对各个不同的客户群提出不同的服务和营销策略,吸引客户乘坐航班,来提高上座率和效益。
 
公众号
返回
顶部
请关注“官方公众号”
Copyright © 2013-2016   广州泰迪智能科技有限公司   技术支持   粤ICP备14098620号