基于數據挖掘的航空公司客戶關系管理

民航行業中的客戶數據、業務數據量十分巨大，而且更新速度頻繁，使用傳統CRM統計方法所能取得的效果并不理想，存在很多因為數據滯留帶來的分析誤差。不過隨著計算機技術、數據庫技術、信息傳送技術的日益發展，客戶關系管理也進一步得到發展，數據挖掘(Data Mining)就是CRM新的發展趨勢。

一、航空公司客戶關系管理的核心內容

(一)客戶保留

客戶可分為三類：第一類是無價值或低價值的客戶；第二類是不會輕易走掉的有價值的客戶；第三類是不斷尋找更優惠的價格和更好服務的有價值的客戶。傳統的市場活動是針對前兩類客戶的，而現代客戶關系管理認為，特別需要用市場手段維護的客戶是第三類客戶，這樣做會降低企業運營成本。數據挖掘可以對數據庫中的大量數據進行分析和處理，以識別、分析和評價客戶流失風險，并分析出客戶流失的原因，導致客戶流失的因素，客戶流失風險的來源，留住贏利能力高的客戶，將贏利能力低的客戶提升為贏利能力高的客戶。

(二)客戶忠誠度分析

忠誠客戶為公司所帶來的利潤是巨大的，數據挖掘技術可以通過對數據庫中的大量數據進行分析，以確定消費者的購買習慣、購買數量和購買頻率，分析客戶對某個產品的忠誠程度、持久性、變動情況等，以確定忠誠客戶，并為他們提供“一對一”的個性化服務，增強客戶的忠誠度，最大限度地挖掘客戶對企業的終生價值，為企業創造更大的利潤。

(三)客戶貢獻分析

客戶對企業贏利貢獻的大小直接關系到企業利潤的高低，利用數據挖掘可以進行客戶分析，發現真正創造利潤的客戶，低利甚至是無利的客戶，通過交叉銷售或其他方法將贏利能力低的客戶提升為贏利高的客戶。數據挖掘可以從客戶信息和客戶的歷史交易記錄中分析客戶贏利能力的高低，預測客戶未來的購買模式和購買行為，這樣就可以在市場營銷過程中保留住那些有價值的客戶。避免花費過多精力和財力無目標地開發新客戶，并為這些最有可能創利的客戶及時提供個性化服務，使企業有效地降低成本，提高收益。

對于數據挖掘的合理使用的基礎支持除了準確的、及時的數據來源外，還需要一個合適的數據庫和一個為實現效率管理的客戶關系管理系統。

二、數據挖掘在航空公司客戶關系管理中的應用

數據挖掘(Data Mining)是從大量的、不完全的、有噪聲的、模糊的、隨機的數據集中識別有效的、新穎的、潛在有用的，以及最終可理解的模式的非平凡過程。它是一門涉及面很廣的交叉學科，包括機器學習、數理統計、神經網絡、數據庫、模式識別、粗糙集、模糊數學等相關技術。

(一)數據挖掘的流程

數據挖掘的流程包括以下四個步驟：

1.定義商業問題

每一個CRM應用程序都應有一個或多個商業目標，否則數據挖掘可能漫無目的。根據特定的目標，如“提高市場響應率”，選擇和準備數據，建立完全不同的模型，同時可以評價數據挖掘的效果。

2.數據處理

(1)數據過濾。這一步可以確保收集的數據符合分析的需要。數據挖掘的前提是高質量的數據，如果數據有缺陷的話，即使最先進的數據挖掘工具也不會有效果。

(2)數據預處理。這一步驟應確保原始數據和輸入標準一致。數據挖掘所需要的數據可能在不同的數據庫中，如客戶數據庫、產品數據庫以及事務數據庫，因而需要集成和合并數據到單一的營銷數據庫，并協調來自多個數據源的數據在數值上的差異，使數據屬性標準化。同時，還要去除重復數據，例如，同樣的客戶只是由于地址的變化而形成新的數據，必須識別并去除這些重復性數據。

(3)數據分析。在建立良好的預測模型之前，必須對預處理后的數據進行初步分析，形成對數據的初步認識，找出最大值、最小值，了解數據分布狀況等。

(4)數據準備。這是建模前數據處理的最后一步。主要有四步：

a.為建立模型選擇變量；

b.從原始數據中構建新的預示值；

c.從數據中選擇一個子集或樣本來建立模型；

d.轉換變量，使之和選定用來建立模型的算法一致。

3.建立模型

在多個可供選擇的模型中找出最佳模型，初始模型可能無法達到數據挖掘的目的，需要多次反復。在尋找最優模型過程中，可能要修改正在使用的數據，甚至修改問題的陳述。數據挖掘的模型構建階段采用的技術包括神經網絡、邏輯回歸等。

4.評價模型

這個階段是對數據挖掘階段構建的模型質量進行評定。模型驗證的標準方法是從預處理數據中隨機抽取兩個樣本，一個校準樣本用于構建模型，一個樣本用于驗證校準樣本產生的模型。通常一個好的模型運用到驗證樣本中能得到較好的效果，如效果很差，就需要重新構建模型。

在目前日益激烈的競爭環境下，客戶關系已不再是簡單的電話關懷或噓寒問暖，一條信息或一個決策都會影響到航空公司原有客戶和潛在客戶的去留，甚至可以決定企業的成敗。因此，從大量的數據分析中獲取有利于商業運作、有助于商業決策的有價值的信息是十分重要的。數據挖掘作為一種新的商業信息處理技術可以在企業管理客戶生命周期的各階段發揮作用，包括爭取新的客戶，保持原有的客戶，讓已有的客戶創造更多的利潤等。它能夠幫助企業確定客戶的特點，為客戶提供有針對性的服務。

(二)模型建立

1.建立模型的數據來源

數據主要的來源可以是經常發生的記錄飛行計劃的數據庫，可以稱為一級數據庫。在該數據庫集中了可選擇所有的航空公司客戶的數據。對于每個成員的詳細信息，在這個數據庫中都通過統計學原理完整、準確地收集。那么一個二級數據庫就包含一連串所有過去單一發生的起降航班，包括離開和抵達機場時間，乘客預約或遺留(未登機)的數據。客戶的活動像信用卡使用在一個附加的數據庫中也被聚集。這里沒有有關客戶具體收入的數據，只包含供管理使用的日常發生的飛行航班數據。

2.數據準備

數據的質量是可靠的，有關飛行計劃的數據活動也是相當完整的。我們從一級數據庫里進行隨機地抽取(n=70 000)，且對客戶的數據限制在一定時期內一定飛行航班的客戶(約60%樣品的所有成員)，最后的樣品設定為約40 000個客戶。以此進行分割，目標客戶中的1/4作為子樣品使用；另外的1/4作為確認子樣品使用；剩余的數據用來驗證前面所做工作的精確度，從而可以從歷史航班活動里得出最有價值的數據(有關于在客戶團體之間的所觀察到的細微變化，以及客戶價值之間的相互關系)。

3.工作處理

航空公司的客戶可能因為他們飛行旅行目的(也就是商務飛行或空閑旅行)和機票的類型進行有規則地購買。依照這樣的規則，能獲得新的元素屬性，即通過客戶旅行目的和方式描述客戶等級來聚集數據，并給予這個數據群體一個完整的備注。分割的目的是要識別典型的客戶團體，每個客戶團體的數據都有其相似之處，但是在團體之間存在根本性的區別。聚類方法是最合適來解決這一個數據挖掘問題的方法。對六個客戶區域以基于旅行行為引領進行分割，見下表。

圖1為每個區域飛行活動的平均數，其中左圖表示旅行和回返旅行的數據，右圖按子類型決定回返旅行，子類型包括：RETLS——長期停留，RETWE——旅程包含一個周末，RETWW——周一至周五的旅程。

基于商務問題引領區域進行分割。在“C”區域和其他區域之間有清晰的分隔，有可比較的往返旅行的價格費用。有三個頻率等級：低點(A，D)，中等和高度(B，E)和頂端(F)。相似行為歸為相應的區域。區域“A”的客戶主要是空閑假日旅客，然而區域“D”的客戶是專門在周末進行旅行，區域“E”屬于純粹的生意客戶。區域“B”和區域“F”使用所有種類的往返旅行，但是他們兩者之間區別在于飛行活動的次數頻率。B等級是具有高度價值的核心客戶區域，而F等級是較低價值的核心客戶區域。

為了進一步評估結果，應用分割規則，即在同一性質的子群中以時間段進行分割，得出圖2，即各區域里面的每單位收入和總收入的箱形圖。

由于沒有一個真正定量的、精確的、最好的分割方法，因而通過調查團體客戶的收入分配(客戶價值)來核定資本是值得運用的，它能確定連貫性和合適的結果。而從收入觀點來看，主要團體是區域“F”的客戶。不過區域“B”和“E”的客戶也是有效益的。如果采取單位距離標準收入，那么區域“E”和“F”的客戶是最高的，而且周中旅行(E和F)有著不同的費用用法水準。歸類到區域“C”的客戶相對于其他區域的客戶支付較貴的費用，這些客戶可能是偶然乘坐一次航班飛機。這一個區域可以清晰發現其具有一定消費客戶數量，并且他們的費用水平比平均更高。

如果重視費用的類型上的區分，可以獲取進一步的證實：高費用中較高的部分(商務等級：FCH，FCM和完全經濟費用的FYH)屬于區域“E”和區域“F”之中。

圖3表示的是按艙位等級進行分割的往返活動(FFH：頭等艙位；FCH：高級商務艙位；FCM：中等商務艙位；FCL：普通商務艙位；FYH：高級經濟艙位；FYM：中等經濟艙位；FYL：普通經濟艙位；FOA：其他費用)。

三、結論

數據挖掘在航空公司日常業務運營中，尤其是旅客運輸管理中，具有很重要的作用。通過對客戶消費行為的區分來定位客戶等級，建立相適應的消費體系，以精確營銷的方式實現效率化的客戶關系管理。通過數據挖掘，準確地了解每個客戶的消費特點，提供合適的業務服務，提高客戶滿意度并有可能促使客戶提高消費水平，保留客戶并有效防止客戶流失或價值下降。