基于數(shù)據(jù)挖掘的航空公司客戶價(jià)值分析

劉婷婷+王小麗+葛明濤

摘 要：伴隨著航空公司的競(jìng)爭(zhēng)日益劇烈，怎樣改善個(gè)性化服務(wù)提高客戶滿意度是公司在體驗(yàn)經(jīng)濟(jì)時(shí)代必須面對(duì)的問(wèn)題。面對(duì)海量數(shù)據(jù)，傳統(tǒng)的統(tǒng)計(jì)辦法弊病浮現(xiàn)，筆者嘗試用數(shù)據(jù)挖掘技術(shù)處理航空公司客戶價(jià)值分析問(wèn)題。數(shù)據(jù)挖掘技術(shù)應(yīng)用到航空范疇，可以實(shí)現(xiàn)對(duì)航空公司現(xiàn)有數(shù)據(jù)資源深度挖掘，為航空公司針對(duì)不同的客戶群采取個(gè)性化的營(yíng)銷方案提供科學(xué)依據(jù)。本文的創(chuàng)新之處在于將數(shù)據(jù)挖掘技術(shù)應(yīng)用于解決航空公司具體問(wèn)題之中，目的在于提高客戶價(jià)值分析的準(zhǔn)確性和高效性，提高信息化應(yīng)用水平。

關(guān)鍵詞：數(shù)據(jù)挖掘；客戶價(jià)值分析；K-Means聚類分析

DOI：10.16640/j.cnki.37-1222/t.2017.04.248

1 緒論

體驗(yàn)經(jīng)濟(jì)時(shí)代消費(fèi)趨勢(shì)主要有以下六個(gè)方面：體驗(yàn)化、情感化、個(gè)性化、主動(dòng)化、休閑化和求美化。[1]第三次工業(yè)革命以來(lái)，現(xiàn)代信息技術(shù)得到迅猛發(fā)展，各行各業(yè)意識(shí)到數(shù)據(jù)的重要性，建立了無(wú)數(shù)的數(shù)據(jù)庫(kù)，面對(duì)數(shù)以億計(jì)的數(shù)據(jù)，傳統(tǒng)的統(tǒng)計(jì)方法的弊端日益顯現(xiàn)。人們面對(duì)海量的數(shù)據(jù)，卻不能挖掘出有用的信息，隨著“數(shù)據(jù)爆炸”困惑的增加，人們迫切需要新的數(shù)據(jù)處理技術(shù)，因而數(shù)據(jù)挖掘技術(shù)應(yīng)運(yùn)而生。法國(guó)著名雕塑家羅丹說(shuō)，生活中從不缺少美，而是缺少發(fā)現(xiàn)美的眼睛。如今，企業(yè)從不缺少數(shù)據(jù)，而是缺少挖掘數(shù)據(jù)價(jià)值的能力。通過(guò)對(duì)現(xiàn)有數(shù)據(jù)的挖掘，發(fā)現(xiàn)隱藏在數(shù)據(jù)里的模式，有用信息，指導(dǎo)航空公司作出決策，增加顧客的滿意度，是航空公司必須解決的問(wèn)題。自從1989年舉行的第十一屆國(guó)際聯(lián)合公認(rèn)學(xué)術(shù)會(huì)上首次提出數(shù)據(jù)庫(kù)中發(fā)現(xiàn)知識(shí)（KDD），到目前為止，美國(guó)人工智能協(xié)會(huì)曾經(jīng)舉辦了9次KDD全球研討會(huì)。規(guī)模從原來(lái)的專題討論會(huì)到策略和技術(shù)的集成以及多學(xué)科跨領(lǐng)域融合。數(shù)據(jù)挖掘技術(shù)迅速在航空電子領(lǐng)域，航空安全領(lǐng)域，航空維修等等航空領(lǐng)域得到較好的應(yīng)用與發(fā)展。我國(guó)在上世紀(jì)90年代的時(shí)候就已經(jīng)開始的對(duì)數(shù)據(jù)挖掘的研究，經(jīng)過(guò)多年的研究，我國(guó)已經(jīng)形成數(shù)據(jù)挖掘基礎(chǔ)理論的框架，并且越來(lái)越多的學(xué)者投入數(shù)據(jù)挖掘的研究之中。不過(guò)相對(duì)于國(guó)外來(lái)說(shuō)，我國(guó)的數(shù)據(jù)挖掘應(yīng)用并沒(méi)有得到較高的發(fā)展，依然面臨著嚴(yán)重的挑戰(zhàn)，仍舊有很多問(wèn)題等待著研究人員去探索和發(fā)現(xiàn)。

2 數(shù)據(jù)挖掘技術(shù)

數(shù)據(jù)挖掘有三大步驟：第一數(shù)據(jù)籌備，第二數(shù)據(jù)挖掘，第三結(jié)果表達(dá)和解釋[5]。

數(shù)據(jù)籌備包含數(shù)據(jù)集成，數(shù)據(jù)選擇，目標(biāo)數(shù)據(jù)預(yù)處理。

數(shù)據(jù)挖掘主要是對(duì)預(yù)處理后的數(shù)據(jù)進(jìn)行挖掘。

結(jié)果表達(dá)和解釋即我們所說(shuō)的結(jié)果可視化。

3 航空公司客戶價(jià)值分析

3.1 傳統(tǒng)客戶價(jià)值分析方法

傳統(tǒng)的客戶價(jià)值分析使用RFM方法（Recency--最近購(gòu)買日期， Frequency--各時(shí)期購(gòu)買頻率， Monetary一段時(shí)間內(nèi)消費(fèi)總和）在多數(shù)領(lǐng)域中的多數(shù)情況下能有效地預(yù)測(cè)老顧客今后可能的消費(fèi)行為和費(fèi)用，之后對(duì)銷售毛利率、關(guān)系營(yíng)銷費(fèi)用進(jìn)行預(yù)測(cè)，就能按不同時(shí)間段分析出今后短期內(nèi)的客戶價(jià)值。[6]說(shuō)明， 在這種分析方法中，客戶價(jià)值是指CRM毛利。CRM毛利 = 購(gòu)買金額 - 產(chǎn)品成本 - 關(guān)系營(yíng)銷費(fèi)用。[7]

RFM模型以Recency為X軸，F(xiàn)requency為Y軸，Monetary為Z軸做一個(gè)三維立體模型，可以把客戶價(jià)值分為八種：重要發(fā)展客戶、重要價(jià)值客戶、一般發(fā)展客戶、一般價(jià)值客戶、一般保持客戶、一般挽留客戶、重要保護(hù)客戶、重要挽留客戶。

由于航空公司客戶的獨(dú)特性，RFM方法分析航空公司客戶價(jià)值存在多種弊端和不足，造成分析結(jié)果的不準(zhǔn)確和實(shí)用性降低。

（1）在RFM模型中，消費(fèi)金額是一段時(shí)間內(nèi)客戶消費(fèi)總和，由于航空票價(jià)受到運(yùn)輸距離，艙位等級(jí)，閑忙時(shí)，天氣等眾多因素的影響，同樣消費(fèi)金額的客戶對(duì)于航空公司的價(jià)值是不同的。所以用這個(gè)指標(biāo)分析航空公司客戶價(jià)值存在不妥。

（2）RFM是使用屬性分箱法分析客戶價(jià)值的，這種方法細(xì)分客戶群較多，需要逐個(gè)識(shí)別客戶特征和行為，大大提高的針對(duì)性營(yíng)銷的成本。

（3）RFM方法在處理大量數(shù)據(jù)時(shí)由于模型的限制需要的成本較高。

3.2 航空公司客戶數(shù)據(jù)分析方法與步驟

航空客戶信息，包含會(huì)員檔案信息和其他乘坐航班記錄信息等

（1）因?yàn)橄M(fèi)金額總和這一指標(biāo)在航空公司客戶價(jià)值分析過(guò)程中不太實(shí)用，所以我們可以選擇航空客戶在一段時(shí)間內(nèi)積累的乘坐距離M和乘坐艙位折扣系數(shù)平均值C來(lái)替代消費(fèi)金額總和。同時(shí)，因?yàn)楹娇展緯?huì)員的加入時(shí)間一定程度上可以影響客戶價(jià)值，所以我們?cè)诤娇展究蛻魞r(jià)值分析模型中添加客戶關(guān)系長(zhǎng)度L，當(dāng)做區(qū)分客戶價(jià)值的另一個(gè)指標(biāo)，所以我們構(gòu)建出LRFMC模型。

（2）使用聚類分析的方法把客戶進(jìn)行分類，并且分析客戶群的特征，分析客戶價(jià)值。

第1步數(shù)據(jù)抽取。

（1）以2014年3月31為結(jié)束日期，選取寬度為兩年的時(shí)間段作為分析觀測(cè)窗口，抽取觀測(cè)窗口內(nèi)有乘機(jī)記錄的所有顧客的詳細(xì)資料形成歷史數(shù)據(jù)。對(duì)于后來(lái)新增客戶信息利用數(shù)據(jù)中最大的某個(gè)時(shí)間作為結(jié)束時(shí)間，采用同樣的方法進(jìn)行抽取，形成增量數(shù)據(jù)。

（2）根據(jù)末次飛行日期從航空公司系統(tǒng)內(nèi)抽取2012年4月1日至2014年3月31日內(nèi)所有所有乘客的詳細(xì)數(shù)據(jù)，共62988條記錄。

第2步數(shù)據(jù)探索分析。

在原始數(shù)據(jù)中存在票價(jià)為空的情況，票價(jià)為空值的數(shù)據(jù)有可能是航空客戶未有乘機(jī)記錄造成的。票價(jià)最小值為0，折扣率最小值為0，總飛行里程不為0的數(shù)據(jù)有可能是顧客使用0折機(jī)票或者是使用積分兌換的機(jī)票造成的。

第3步數(shù)據(jù)預(yù)處理。

（1）數(shù)據(jù)清洗：從航空公司業(yè)務(wù)和數(shù)據(jù)挖掘建模需要考慮篩選出需要的數(shù)據(jù)。

A）不需要票價(jià)為空的數(shù)據(jù)。

B）不需要票價(jià)為0，平均折扣率不為0，總飛行里程不為0的數(shù)據(jù)。

（2）屬性規(guī)約。在原始數(shù)據(jù)中數(shù)據(jù)屬性太多，我們只需要與LRFMC模型相關(guān)的6個(gè)數(shù)據(jù)屬性，所以我們需要?jiǎng)h除不相關(guān)，弱相關(guān)和冗余的數(shù)據(jù)屬性。

（3）數(shù)據(jù)變換。A）數(shù)據(jù)屬性構(gòu)造 B）數(shù)據(jù)標(biāo)準(zhǔn)化

第4步建構(gòu)模型。

構(gòu)建航空公司客戶價(jià)值分析LRFMC模型

A）客戶K-Means聚類分析 B）客戶價(jià)值分析 C）應(yīng)用模型

A客戶K-Means聚類分析。

采用K-Means辦法對(duì)所有客戶數(shù)據(jù)進(jìn)行聚類分析，將客戶數(shù)據(jù)聚為5類。（具體情況具體分析，必須依據(jù)實(shí)際狀況決定分幾類）

B客戶價(jià)值分析。

對(duì)聚類結(jié)果進(jìn)行屬性分析：顧客群1在L、M屬性上最??；顧客群2在R屬性上最大，在F、M上最小；客戶群3在屬性F、M上最大，在R上最??；客戶群4在屬性L上最大；客戶群5在屬性C上最大。

根據(jù)航空公司業(yè)務(wù)定義為五個(gè)等級(jí)的客戶類別：重要保持客戶，重要發(fā)展客戶，重要挽留客戶，普通價(jià)值客戶，低價(jià)值客戶。

根據(jù)每種客戶群類型的特征對(duì)客戶群進(jìn)行客戶價(jià)值排名，以便獲得高價(jià)值客戶的信息。

C模型應(yīng)用：根據(jù)每種客戶群的特征，可以采取更多個(gè)性化服務(wù)和營(yíng)銷策略。

由于各種行業(yè)面臨的具體問(wèn)題不同，數(shù)據(jù)挖掘技術(shù)的發(fā)展受到不同的挑戰(zhàn)，不過(guò)總大趨勢(shì)來(lái)說(shuō)，數(shù)據(jù)挖掘技術(shù)必將會(huì)得到更好發(fā)展和更加普遍的運(yùn)用。隨著數(shù)據(jù)量爆炸式的激增，分析決策難度的增加，傳統(tǒng)分析方法弊端的顯現(xiàn)，人們對(duì)分析決策智能化和自動(dòng)化的迫切需求，數(shù)據(jù)挖掘技術(shù)與工具將得到更廣泛的使用和發(fā)展。在數(shù)據(jù)爆炸時(shí)代，航空公司面臨的新挑戰(zhàn)為數(shù)據(jù)挖掘技術(shù)提供了發(fā)展背景，個(gè)性化服務(wù)的發(fā)展為數(shù)據(jù)挖掘技術(shù)提供了很好的基礎(chǔ)和發(fā)展平臺(tái)。

數(shù)據(jù)挖掘未來(lái)會(huì)吸引越來(lái)越多的研究人員，會(huì)涌現(xiàn)出越來(lái)越多的研究成果。從目前來(lái)看，數(shù)據(jù)挖掘在中國(guó)的研究與應(yīng)用還有很多務(wù)實(shí)的問(wèn)題沒(méi)有解決。本文僅僅是數(shù)據(jù)挖掘技術(shù)在航空公司客戶價(jià)值分析中的初步嘗試，展望未來(lái)數(shù)據(jù)挖掘的發(fā)展，有以下幾點(diǎn)需要注意的地方：要充分考慮是否有必要進(jìn)行數(shù)據(jù)挖掘。傳統(tǒng)的數(shù)據(jù)分析辦法的確有很多弊病，但是相對(duì)于傳統(tǒng)的方法數(shù)據(jù)挖掘需要成本較高。在傳統(tǒng)數(shù)據(jù)分析技術(shù)可以滿足要求的情況下，沒(méi)有必要必須進(jìn)行數(shù)據(jù)挖掘，這樣能更加節(jié)省成本。數(shù)據(jù)挖掘需要較大的成本，須要大量的人力，物力和財(cái)力用于數(shù)據(jù)籌備，數(shù)據(jù)搜集，問(wèn)題建模，生成模型和數(shù)據(jù)分析等等。

參考文獻(xiàn)：

[1]吳釗.體驗(yàn)經(jīng)濟(jì)時(shí)代六大消費(fèi)趨勢(shì)[J].商業(yè)研究，2003（24）.[2]Jiaweihan，Miche line kan ber.Data ming：Concepts and techniques.Diane Cerra Publisher.20063

[3]劉浩，韓晶.MATLAB R2014a一本通[J].電子工業(yè)出版社.

[4]李定遠(yuǎn).CIO時(shí)代網(wǎng).2012，09（29）.

[5]耿向華.數(shù)據(jù)挖掘在旅游商務(wù)系統(tǒng)中的應(yīng)用研究[J].魅力中國(guó)，2013，5（27）.

[6]郭良.基于數(shù)據(jù)挖掘技術(shù)的客戶信息分析[J].華東師范大學(xué)碩士論文，2015.

[7]郭良.基于數(shù)據(jù)挖掘技術(shù)的客戶信息分析[J].華東師范大學(xué)碩士論文，2015.

項(xiàng)目基金：鄭州大學(xué)西亞斯國(guó)際學(xué)院2016校級(jí)課題，編號(hào)2016KY0