基于Canopy-KMeans組合聚類的機(jī)票代理人行為刻畫研究

王洪建

（廈門航空公司，廈門 361006）

0 引言

我國航空公司機(jī)票銷售渠道主要包括航空公司直銷、大型代理銷售、在線旅行社銷售和二、三級(jí)代理銷售，其中有超過90%的機(jī)票都是直接或間接通過大型機(jī)票代理銷售的［1］。隨著民航運(yùn)輸市場(chǎng)及電子商務(wù)的蓬勃發(fā)展，C2B已成為航空公司銷售的主要途徑［2］，在這種模式下，由于存在大量非透明的代理商之間的相互分級(jí)交易，使得航空公司逐漸失去對(duì)代理人的全面掌控能力，低買高賣、溢價(jià)銷售、捆綁銷售、惡意退票、違規(guī)占座、虛假廣告、無證銷售等亂象屢禁不止［3］，嚴(yán)重破壞了航空運(yùn)輸市場(chǎng)秩序，給航空公司造成巨大的經(jīng)濟(jì)和聲譽(yù)損失。基于物聯(lián)網(wǎng)及大數(shù)據(jù)的銷售模式是航空公司銷售模式轉(zhuǎn)變的必由之路［4］，為此，航空公司必須實(shí)時(shí)動(dòng)態(tài)分析掌握機(jī)票代理人的行為特征，并依據(jù)其特征制定不同的獎(jiǎng)懲機(jī)制，以規(guī)范航空運(yùn)輸秩序，維護(hù)公司利益?；诖髷?shù)據(jù)的用戶畫像為解決機(jī)票代理人行為特征分析提供了必要的技術(shù)途徑，用戶畫像已經(jīng)被廣泛應(yīng)用于學(xué)術(shù)資源分析、興趣推薦、惡意行為識(shí)別等諸多領(lǐng)域，并取得了可喜的成果［5］。

因此，本文擬基于大數(shù)據(jù)技術(shù)對(duì)機(jī)票代理人開展行為特征分析，幫助航空公司針對(duì)機(jī)票代理人的不同行為特征，采取不同的渠道政策，構(gòu)建C2B 模式下高效合理的機(jī)票銷售體系。主要研究工作包括數(shù)據(jù)分析與整理、代理人屬性重構(gòu)、代理人行為刻畫、結(jié)果分析四個(gè)主要步驟。

1 數(shù)據(jù)分析與整理

1.1 原始數(shù)據(jù)集

取某航空運(yùn)輸市場(chǎng)91天的脫敏交易數(shù)據(jù)，該數(shù)據(jù)記錄了航空公司、機(jī)票代理以及乘客之間的機(jī)票買賣情況，包含43家航空公司、7420家機(jī)票代理，以及一個(gè)PAX 實(shí)體（代表乘客），共包含5831365條交易記錄，數(shù)據(jù)結(jié)構(gòu)如表1所示。

表1 原始數(shù)據(jù)集表結(jié)構(gòu)解釋

1.2 數(shù)據(jù)分析與整理

由于代理人數(shù)據(jù)采集的困難性和不完整性，需要對(duì)原始數(shù)據(jù)進(jìn)行分析與整理。首先是缺失值記錄和異常數(shù)據(jù)剔除，通過統(tǒng)計(jì)發(fā)現(xiàn)，有991 條記錄的buy_nbr 為空值，作為缺失記錄刪除。進(jìn)一步對(duì)原始數(shù)據(jù)的銷售額和銷售量進(jìn)行分位數(shù)間距值的統(tǒng)計(jì)，發(fā)現(xiàn)部分記錄日銷售量為107數(shù)量級(jí)，且有部分記錄交易額小于100，刪除此類數(shù)據(jù)共計(jì)17060條。

缺失記錄和異常數(shù)據(jù)剔除之后，需再次刪除對(duì)機(jī)票代理刻畫影響甚微的記錄，具體處理如下：首先逐天統(tǒng)計(jì)機(jī)票銷售總數(shù)和總金額，得到市場(chǎng)整體趨勢(shì)，然后分析航空公司、代理人之間的交易情況，分析發(fā)現(xiàn)：整體趨勢(shì)和航空公司個(gè)體的銷售特征都呈現(xiàn)出周期性變化的規(guī)律，且絕大多數(shù)航空公司個(gè)體的趨勢(shì)和整體趨勢(shì)趨于一致，同時(shí)還發(fā)現(xiàn)代理人的買入賣出有明顯的偏好，存在偏好從其他代理購入而非航空公司購入的二級(jí)、三級(jí)代理。依據(jù)上面的整體趨勢(shì)分析結(jié)果，進(jìn)一步對(duì)每家航空公司和每個(gè)代理人分別進(jìn)行分析，對(duì)和整體銷售趨勢(shì)一致的航空公司及代理人交易數(shù)據(jù)重點(diǎn)關(guān)注，對(duì)部分交易量明顯極少的航空公司及代理人數(shù)據(jù)，予以剔除。

2 代理人屬性重構(gòu)

為了合理刻畫代理人特性，需依據(jù)原始數(shù)據(jù)進(jìn)行代理人屬性重構(gòu)，依據(jù)表1 的原始數(shù)據(jù)，可得到表2 重構(gòu)后的代理人屬性，該屬性分兩級(jí)指標(biāo)，其中一級(jí)指標(biāo)包含活躍度、市場(chǎng)份額、買賣交易偏好共3 項(xiàng)指標(biāo)，2 級(jí)指標(biāo)包含18 項(xiàng)指標(biāo)。屬性重構(gòu)主要采用下述3種方法。

表2 代理人屬性表

（1）累加求和法。將不同的特征值累加求和，會(huì)得到一個(gè)新的特征值。例如，在某一天，某代理人從其它代理人及航空公司買入，供給方數(shù)量為該代理人當(dāng)天的入度，代理人賣票給其他代理人或乘客的機(jī)票數(shù)量，可以作為該代理人當(dāng)天的出度，出度和入度求和得到該代理人的活躍度。

（2）對(duì)比分析法。代理人買入偏好主要考查代理人機(jī)票來源情況，定義為代理人從航空公司和其它代理人購入機(jī)票數(shù)量之比，同理可定義代理人賣出偏好。

（3）市場(chǎng)占比法。通過計(jì)算代理人交易總金額與整個(gè)市場(chǎng)交易總金額的占比，可以得出代理人的市場(chǎng)份額，對(duì)于衡量代理人的市場(chǎng)地位具有重要意義。在完成代理人屬性重構(gòu)之后，按照（1）式將重構(gòu)后的屬性歸一化為均值為0，方差為1的數(shù)據(jù)，其中μ為屬性均值，σ為屬性方差。

3 代理人行為刻畫算法

在完成基于原始數(shù)據(jù)的代理人屬性重構(gòu)之后，需對(duì)代理人行為進(jìn)行特征刻畫。目前針對(duì)航空代理人進(jìn)行特征刻畫，尚未見相關(guān)文獻(xiàn)，但基于用戶行為的推薦算法［6］，和本問題有一定的相似性，且本問題本質(zhì)上屬于一個(gè)分類問題，聚類算法是諸多推薦算法中進(jìn)行用戶分類刻畫常用的一類方法。由于聚類算法對(duì)空間維數(shù)龐大、數(shù)據(jù)存在一定程度不完備性的分類問題，效果明顯，因此代理人行為刻畫問題可采用聚類算法。Canopy-Kmeans 聚類算法是經(jīng)典K-Means 算法的改進(jìn), 該算法解決了K-Means 算法初始值大小及位置的選取以及聚類個(gè)數(shù)難以確定的問題［7-8］，恰好契合代理人行為刻畫的數(shù)據(jù)基礎(chǔ)及目標(biāo)要求，因此，本文采用Canopy-Kmeans 聚類算法進(jìn)行代理人行為刻畫。

Canopy-Kmeans 聚類算法通過Canopy 算法進(jìn)行粗聚類，得到類簇的個(gè)數(shù)，以此初始化KMeans聚類算法的K值，迭代初始化質(zhì)心，選取誤差平方和最小的聚類結(jié)果。針對(duì)代理人行為刻畫的Canopy-KMeans聚類算法流程如圖1所示。

圖1 針對(duì)代理人行為刻畫的Canopy-KMeans算法流程

其中，聚類輸入為表2 所有一級(jí)和二級(jí)指標(biāo)構(gòu)成的行向量，記為Xi=(xi1,xi2…xiM)，其中M為指標(biāo)總數(shù)，i= 1,2,…,N，N為樣本總數(shù)。同時(shí)，記錄聚類質(zhì)心為Ck=(ck1,ck2…ckm), 其中k=1,2,…,K，K為聚類中心總數(shù)，實(shí)際計(jì)算中聚類中心數(shù)K是依據(jù)Canopy算法動(dòng)態(tài)確定的。

聚類質(zhì)心的計(jì)算為簇中所有點(diǎn)的均值，樣本與聚類中心的相似度采用歐氏距離，如式（2）所示，KMeans 聚類算法的優(yōu)化目標(biāo)函數(shù)如式（3）所示。

4 結(jié)果分析

4.1 代理人類別分析

Canopy-Kmeans 聚類算法最終將代理人劃分為6 類，其分析對(duì)比如圖2—圖5 所示。從圖2 可見，3、4 類代理人數(shù)量明顯偏小，其余各類代理人數(shù)量較大但相差較小。從圖3 可見，3、4 類代理人活躍度較其它類別代理人有顯著差異。從圖4可見，第3類代理人市場(chǎng)份額顯著高于其它，第4 類代理人明顯高于比第3 類之外的其它代理人。圖5 給出了每類代理人買入航空公司、機(jī)票代理占比以及賣給機(jī)票代理、乘客占比的情況。從代理人的買入賣出偏好看，1 類代理人幾乎只從航空公司買票然后直接賣給乘客，幾乎不與其它代理人交易；2 類代理人主要從其它代理人買票然后賣給乘客，幾乎不直接從航空公司買票，且不賣給其他代理人；3 類代理人主要將機(jī)票賣給乘客，買入方面沒有明顯的偏好。4 類代理人主要從航空公司買票，也會(huì)從其他代理人買入一定比例的機(jī)票，賣給乘客的比例稍大于賣給其它代理人的比例。5 類代理人主要將機(jī)票賣給乘客，買入方面沒有特別的偏好。6 類代理人主要從航空公司買入機(jī)票然后出售給其他代理人。

圖2 各類代理人數(shù)量對(duì)比

圖3 各類代理人活躍度對(duì)比

圖4 各類代理人市場(chǎng)份額對(duì)比

圖5 各類代理人買入賣出偏好對(duì)比

綜合上述分析可推測(cè)，1 類代理人為差旅管理公司，2類代理人為小型機(jī)票代理，3類代理公司為大型旅行社，4 類代理公司為大型機(jī)票代理，5類代理人偏好直銷的中型機(jī)票代理、6類代理人為偏好分銷的中型代理。經(jīng)代理人實(shí)際身份核驗(yàn)，結(jié)果符合實(shí)際情況，如表3所示。

表3 各類別代理特征描述及特性刻畫

從聚類結(jié)果中可以看出，機(jī)票代理人明顯分為大、中、小型代理人，不同規(guī)模的代理人機(jī)票買賣偏好不同，比如大型機(jī)票代理偏好直接從航空公司買入機(jī)票；并且可以區(qū)分出差旅管理公司、旅行社等經(jīng)營模式不同的機(jī)票代理人。

4.2 不同類別代理人行為特征分析

為了進(jìn)一步分析代理人行為特征，不失一般性地選擇O160 和O5234 兩個(gè)代理人，對(duì)其連續(xù)91 天的銷售特征與類別變化進(jìn)行分析，如圖6、圖7所示。

圖6 代理O160銷售情況與所屬類別變化分析

圖7 代理O5234銷售情況與所屬類別變化分析

從圖6可見，代理O160在60天之前，一直屬于3 類代理人，可能是某大型旅行社，但是從第60 天之后，其銷售趨勢(shì)明顯下降，具體表現(xiàn)為O160從其他代理買入的機(jī)票占比急劇下降，買入

度明顯降低，銷售額也明顯降低，所屬類別也發(fā)生了變化，不再屬于3類代理。

從圖7可見，代理O5234的整體銷售趨勢(shì)比較平穩(wěn)，一直屬于3類代理人，從60天開始，也出現(xiàn)了類似于O160的變化趨勢(shì)，從航空公司買入機(jī)票的數(shù)量逐步提升，出入度、市場(chǎng)份額無明顯變化。

從O160 與O5234 交易變化趨勢(shì)中可以看出，O160 明顯依賴于其他代理，市場(chǎng)應(yīng)變能力不強(qiáng)，當(dāng)市場(chǎng)環(huán)境發(fā)生變化時(shí)，市場(chǎng)地位明顯降低。而O5234 在市場(chǎng)環(huán)境發(fā)生變化后，逐步提升從航空公司買入機(jī)票的比例，穩(wěn)居第3類代理的位置。

從代理人銷售趨勢(shì)與所屬類別變化分析中可以看出，代理人銷售趨勢(shì)基本與所屬類別變化趨勢(shì)一致，這驗(yàn)證了Canopy-KMeans 聚類算法應(yīng)用于代理人行為特征刻畫的準(zhǔn)確性。

5 結(jié)語

本文在分析國內(nèi)代理人實(shí)際銷售數(shù)據(jù)的基礎(chǔ)上，采用累加求和、對(duì)比分析、市場(chǎng)占比等方法重組生成了代理人活躍度、市場(chǎng)份額、買入賣出偏好等3 大類18 小類特征屬性，進(jìn)一步提出了一種基于Canopy-KMeans 聚類算法的機(jī)票代理人行為刻畫算法，將代理人分為6 大類，最后的實(shí)證分析結(jié)果驗(yàn)證了基于大數(shù)據(jù)分析代理人行為刻畫算法的正確性和有效性。其分析方法和結(jié)論有助于航空公司有針對(duì)性地采用不同的渠道策略、規(guī)范機(jī)票銷售市場(chǎng)行為，具備現(xiàn)實(shí)的指導(dǎo)意義。