航空公司客运信息挖掘

2019/3/252019/3/252019/3/252019/3/25星期一星期一星期一星期一1.挖掘目标的提出2.分析方法与过程3.建模仿真 主要内容主要内容很多人都听说过马来西亚的亚洲航空、美国的西南航空等公司的大名。这些公司成功的秘诀就是擅于提高上座率。为了争到客源，有些公司甚至提出了与长途巴士进行价格竞争的口号。如此看来，国内航空公司并不是把其它航空公司当作主要竞争对象，主要对手应当是火车或长途汽车。适当的低票价，将使航空资源得到充分利用，如果空座率居高不下，哪怕票价卖得很高，本身就已经出现了资源性亏损。因此，如何利用数据挖掘技术（如客户流失预测、客户细分和客户价值评估等）进行客户分析并制定相应的客户策略，以提升航空客运的上座率？挖掘目标的提出挖掘目标的提出挖掘目标：借助航空公司客户数据，采用数据挖掘技术，对客户进行分群，分析比较不同客户群的客户价值，对不同的客户群提供个性化的客户服务，加深对客户的理解，制定相应的营销策略。预测出潜在的流失客户，保留住老客户，提高航空客运的上座率，防止因客户流失而引发的经营危机，提高航空公司的竞争力。挖掘目标的提出挖掘目标的提出 分析方法与过程分析方法与过程 分析方法与过程分析方法与过程航空客运信息挖掘主要步骤：对航空公司的原始数据进行数据规约形成两个样本集，训练样本集和检测样本集。对1）形成的两个样本集进行数据预处理，包括缺失值处理，离群值处理，数据集成，数据变换，特征维度提取。利用2）形成的已完成数据预处理的训练样本，基于旅客价值进行客户分群，建立客户细分模型，分析比较不同客户群的价值，建立客户价值评估模型，建立客户流失模型，对建立好的模型进行解释与评价，利用第二步形成的已完成数据预处理的检测样本集，对模型进行检测。利用3）形成的模型诊断结果对模型进行优化。分析方法与过程分析方法与过程1.数据抽取：航空公司客户信息挖掘需要考虑的指标主要有会员入会时间距今月数、客户最后一次乘机时间距今月数、客户在观测窗口内乘机次数、客户在观测窗口内累计飞行里程、客户在观测窗口内乘坐舱位所对应的折扣系数平均值、会员卡级别、观测窗口总基本积分、总票价、观测窗口总加权飞行公里数（舱位折扣航段距离）、平均乘机时间间隔、观察窗口内最大乘机间隔、观测窗口中其他积分（合作伙伴、促销、外航转入等）、非乘机积分总和、非乘机的积分变动次数。分析方法与过程分析方法与过程2.数据预处理：数据规约数据清洗数据集成数据变换 分析方法与过程分析方法与过程2.数据预处理数据规约：在大量数据上进行复杂的数据分析和挖掘将需要很长的时间，数据规约技术可以用来得到原始数据的规约表示。规约表示小得多，但仍接近地保持原数据的完整性。在规约后得到的数据集上挖掘将更有效，并产生相同或几乎相同的分析结果。通过数据规约，可以达到的效果：降低无效、错误数据对建模的影响，提高建模的准确性。挑选少量且具代表性的数据将大幅缩减数据挖掘所需的时间。降低储存数据的成本。分析方法与过程分析方法与过程2.数据预处理数据清洗：对表中的空缺值做丢弃处理。名称错误纠正，主要是处理多余的附加字符，如“#”、“+”、“*”、“&”、“#”等多余的输入，另外还有一些显而易见的输入错误，如澳门写成了澳?等。检测和处理冲突值。分析方法与过程分析方法与过程2.数据预处理数据集成：删除重复数据。实体识别。冗余属性识别。分析方法与过程分析方法与过程2.数据预处理数据变换：数据转换是将数据转换成“适当的”格式，以适应挖掘任务及算法的需要。根据给定样本的数据特点，从已知的属性提炼出了L（会员入会时间距观测窗口结束的月数）、R（客户最近一次乘坐公司飞机距观测窗口结束的月数）、F（客户在观测时间内乘坐公司飞机的次数）、M（客户在观测时间内在公司累计的飞行里程）、C（客户在观测时间内乘坐舱位所对应的折扣系数的平均值）五个属性维。分析方法与过程分析方法与过程2.数据预处理数据变换：五个属性的具体计算方法：L=LOAD_TIME-FFP_DATE会员入会时间距观测窗口结束的月数=观测窗口的结束时间-入会时间单位：月R=DAYS_FROM_LAST_TO_END客户最近一次乘坐公司飞机距观测窗口结束的月数=最后一次乘机时间至观察窗口末端时长单位：月F=FLIGHT_COUNT客户在观测时间内乘坐公司飞机的次数=飞行次数单位：次M=SEG_KM_SUM客户在观测时间内在公司累计的飞行里程=观测窗口总飞行公里数单位：公里C=AVG_DISCOUNT客户在观测时间内乘坐舱位所对应的折扣系数的平均值=平均折扣率单位：无 分析方法与过程分析方法与过程2.数据预处理预处理后结果：分析方法与过程分析方法与过程3.航空信息挖掘基于聚类分析的航空常旅客价值客户分群基于主成分分析的客户价值分析客户流失分析 分析方法与过程分析方法与过程3.航空信息挖掘通过挖掘建模，可以采取如下营销策略：对于重要保持客户，航空公司应该优先将资源投放到他们身上，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。对于重要挽留客户采取一定的营销手段，以最有效的方式防范客户流失，重新赢得客户的心，延长客户的生命周期。对于重要发展客户航空公司要努力促使这类客户增加在本公司的乘机消费和合作伙伴处的消费。通过客户价值的提升，加强这类客户的满意度，提高他们转向竞争对手的转移成本，使他们逐渐成为公司的忠诚客户。对于乘机时间间隔较小的老客户应该注重会员卡与非乘机积分的推销，比如增加会员卡的推销力度，增大乘机积分的获取机会。对于乘机时间间隔较大的老客户应该注重平均折扣，给这类客户更多的短期内可以提现的优惠。建模仿真建模仿真1.基于聚类分析的航空常旅客价值客户分群航空公司的各种资源是有限的，面对数量众多的常旅客，如何对这些客户进行细分，更有效地判断有价值客户，了解他们的特征和实际需求，对不同价值的客户采取不同的营销策略，将有限的资源投放到最有价值的客户身上，实现精准化营销。哪些是最有价值的？哪些是最需要关注的？哪些对企业贡献度最低？通过客户分群，得到了的客户的不同贡献及不同的消费特征，在客户分群基础上下一步工作就是营销活动的设计与执行。RFM细分，通过三项变量，即最近消费时间间隔(Recency)、消费频率(Frequency)、消费金额(Monetary)来细分客户，用于识别最有价值的客户。RFM指标高的客户可能更愿意并更有兴趣与企业进行交易，因此具备更高的客户价值。RFM指标较差的客户代表了较少的业务机会，表明该客户价值较低。根据航空公司独有的特点，对传统的RFM指标做了适当的调整，确定了L、R、F、M、C五个指标作为航空公司客户细分的参数（聚类变量）。基于聚类分析的航空常旅客价值客户分群基于聚类分析的航空常旅客价值客户分群客户分群过程：基于聚类分析的航空常旅客价值客户分群基于聚类分析的航空常旅客价值客户分群航空常旅客价值细分矩阵重要发展客户、重要保持客户、重要挽留客户这三类重要客户分别可以归入客户生命周期管理的发展期、稳定期、衰退期三个阶段。根据各阶段的特点，可以制定完整的航空公司常旅客管理策略，为不同类型的客户提供不同的产品和服务，提升重要发展客户的价值、稳定和延长重要保持客户的高水平消费、防范重要挽留客户的流失并积极进行关系恢复。基于聚类分析的航空常旅客价值客户分群基于聚类分析的航空常旅客价值客户分群各类客户特征分析：重要发展客户：这类客户一般所乘航班的舱位等级（C）较高，最近乘坐过本公司航班（R低），但乘坐频率（F）或乘坐里程（M）较低。这类客户中有的是才成为会员时间不长（L低），有的虽然是老会员但不经常乘坐本公司航班。他们是航空公司的潜价值客户，占有较高的客户比例。虽然这类客户的当前价值并不是很高，但却有很大的发展潜力。航空公司要努力促使这类客户增加在本公司的乘机消费和合作伙伴处的消费，也就是增加客户的钱包份额。通过客户价值的提升，加强这类客户的满意度，提高他们转向竞争对手的转移成本，使他们逐渐成为公司的忠诚客户。基于聚类分析的航空常旅客价值客户分群基于聚类分析的航空常旅客价值客户分群各类客户特征分析：重要保持客户：这类客户一般所乘航班的舱位等级（C）较高，最近乘坐过本公司航班（R低），乘坐的频率（F）或里程（M）也较高。他们是航空公司的价值客户，是最为理想的客户类型，对航空公司的贡献最大，所占比例却比较小。航空公司应该优先将资源投放到他们身上，对他们进行差异化管理和一对一营销，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。基于聚类分析的航空常旅客价值客户分群基于聚类分析的航空常旅客价值客户分群各类客户特征分析：重要挽留客户：这类客户过去所乘航班的舱位等级（C）、乘坐频率（F）或者里程（M）较高，但是较长时间已经没有乘坐本公司的航班（R高）或是乘坐频率明显下降。他们客户价值变化的不确定性很高。由于这些客户衰退的原因各不相同，对常旅客数据库经常进行清洗、掌握客户的最新信息、维持与客户的互动就显得尤为重要。航空公司应该根据这些客户的最近消费时间、消费频率的变化情况，推测客户消费的异动状况，根据客户流失的可能性，列出客户名单，重点拜访或联系，采取一定的营销手段，以最有效的方式防范客户流失，重新赢得客户的心，延长客户的生命周期。基于聚类分析的航空常旅客价值客户分群基于聚类分析的航空常旅客价值客户分群客户类别及其类型特点：基于聚类分析的航空常旅客价值客户分群基于聚类分析的航空常旅客价值客户分群航空常旅客聚类分群分析客户分类后，并不知道划分出的每一组客户的价值差别有多大，相对航空公司的重要性怎样。利用AHP法分析得到的LRFMC各指标权重，结合各组客户的LRFMC指标值，可以计算每一组客户的客户价值。基于聚类分析的航空常旅客价值客户分群基于聚类分析的航空常旅客价值客户分群根据航空公司资源的情况，可按照客户价值的得分，将重要客户的比例进行适当调整。但是，不论这一比例怎么调整，资源都应该优先分配给价值最高的那部分客户 基于聚类分析的航空常旅客价值客户分群基于聚类分析的航空常旅客价值客户分群 基于聚类分析的航空常旅客价值客户分群基于聚类分析的航空常旅客价值客户分群模型评价及分析：结合航空公司客户的特点，使用了对传统RFM指标进行改进的LRFMC指标作为航空公司客户分群的参数，并建立了客户分群模型。并使用层次分析法，量化各指标的权重，为细分提供了可靠依据。影响细分的因素有很多，考虑到实用性、易操作性等原则，本例只是从客户行为和客户价值的角度来考虑航空公司常旅客的客户分群问题。基于聚类分析的航空常旅客价值客户分群基于聚类分析的航空常旅客价值客户分群营销策略：1.会员的升级与保级航空公司可在对会员升级或保级进行评价的时间点之前，对那些接近但尚未达到要求的较高消费客户进行适当提醒甚至采取一些促销活动，刺激他们通过消费达到相应标准。2.首次兑换对接近但尚未达到首次兑换标准的会员，对他们进行提醒或促销。3.交叉销售通过发行联名卡等与非航空类企业的合作，使客户在其他企业的消费过程中获得本公司的积分，增强与公司的联系，提高他们的忠诚度。建模仿真建模仿真1.基于聚类分析的航空常旅客价值客户分群2.基于主成分分析的客户价值分析3.客户流失模型获得一个新客户，要在销售、市场、广告和人员工资上花费很多的费用，并且大多数新客户产生的利润还不如那些流失的老客户多。客户流失对利润增长造成的负面影响非常大。应用决策树/神经网络方法进行航空公司客户流失分析，找出有较高流失倾向的最有价值客户群体，得出客户流失规则。客户流失模型客户流失模型航空老客户流失状态：流失、准流失、未流失两年乘机次数比小于0.5的客户为流失，0.50.9则为准流失，大于0.9的客户为未流失。样本选择覆盖两年内多个航空公司老客户的流失情况；以两年内老客户情况的80%为训练样本，20%数据作为检测样本，建立客户流失模型。客户流失模型客户流失模型航空客户流失模型总体流程 客户流失模型客户流失模型神经网络结构 客户流失模型客户流失模型决策树结构 客户流失模型客户流失模型客户流失评价矩阵判断一个流失预测模型是否可接受，通常可根据其主要的性能指标如确认流失命中率、确认流失准确率来衡量。本问题中，经销商最感兴趣的是流失客户，其次是准流失客户。一个未流失的客户被分类为准流失或确认流失并不会使经销商失去原有客户，而确认流失或准流失的客户被分类为未流失将给经销商带来比较大的损失。因此本模型的好坏，主要取决于它能否将确认流失的客户识别出，即将准流失分类为未流失、确认流失分类为准流失、甚至将确认流失分类为未流失，这三种情况才是真正意义的分类错误。样本中客户状态预测未流失预测准流失预测确认流失合计实际未流失ABCA+B+C实际准流失DEFD+E+F实际确认流失GHIG+H+I合计A+D+GB+E+HC+F+IA+B+C+D+E+F+G+H+I谢谢！谢谢！