1、中图分类号： TP391 论文编号 ： 1028716 12-S057 学科分类号： 081202 硕 士学位论文 基于 旅客行为的航空旅客细分模型研究及其实现 研究 生姓名 潘玲玲 学科、专业 计算机软件与理论 研 究 方 向 数据挖掘 指 导 教 师 张育平 副教授 南京航空航天大学 研究生院 计算机科学与技术 学院 二一 一 年 十二 月 Nanjing University of Aeronautics and Astronautics The Graduate School College of Computer Science and Technology The Research
2、 and Realization of Civil Aviation Customer Segmentation Based on Customer Behavior A Thesis in Computer Software and Theory by Pan Lingling Advised by Vice Prof. Zhang Yuping Submitted in Partial Fulfillment of the Requirements for the Degree of Master of Engineering December, 2011 承诺书 本人声明所呈交的 硕 士
3、学位论文是本人在导师指导下进行的研究工作及取得的研究成果。除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得南京航空航天大学或其他教育机构的学位或证书而使用过的材料。 本人授权南京航空航天大学可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。 （保密的学位论文在解密后适用本承诺书） 作者签 名： 日 期： 南京航空航天大学硕 士学位论文 i 摘 要 近年来，市场经济不稳定，民航业遭受了重大的打击。随着人们对交通需求的增大， 各个交通行业都加大力度争夺市场，这无形中加重了民航业的压力。各大航空
4、公司开始从客户的增量竞争转向客户的存量竞争 ，为了把握优质客户资源，越来越多的航空公司施行了客户关系管理 （ CRM） 系统， 从而 进行有效的客户细分 。 目前，民航领域主流旅客细分方法 一般 基于旅客价值，即根据旅客 消费 金额 来 实现 细分。对于民航业这一特殊的领域， 该方法 有失偏颇， 不能考虑旅客其他 行为特征。 因此， 本文 提出基于旅客行为的 航空 旅客细分模型，结合 聚类技术 进行细分。首先针对民航旅客 行为 属性 特征，结合 DBSCAN 算法和核方法， 消除民航旅客行为属性分布散乱、数据差异不明显等缺点 。该方法是以牺牲时间效率为前提的，在信息爆炸的时代，民航 客户系统中
5、每天都会产生成千上万条信息数据，时间效率成为了 必要的 考虑因素。因此， 本文 接着 利用当前较为流行的分布式并行计算技术， 将该串行聚类算法并行 化 ，计算 过程中，针对民航客户“两端少，中间多”的特征，引入 密度因子 的概念，对合并方法进行了适当的改进。实验证明，本文 的 聚类方法 适用于基 于 旅客行为的航空旅客细分 模型 ， 不仅提高 了 聚类结果的准确率， 而且 大大提升了聚类的时间效率。 本文 最后 给出了 基于旅客行为 细分模型 的实现案例 ， 对 A 航空公司 客户进行 细分 ， 并对 结果进行了分析， 指出 相应的营销策略，为 A 航空公司乃至整个民航领域提出了很好的 市场
6、战略指导。 关键词： 客户行为，客户细分，聚类， DBSCAN，核方法，并行聚类基于旅客行为的航空旅客细分模型研究及其实现 ii ABSTRACT In recent years, the civil aviation has suffered a bad blow from the market economic instability. With the increase of traffic demand, the market competition of the major transportation industries becomes fiercer, which is vir
7、tually increased the pressure on the civil aviation. Many airlines begin to shift from the competition of the customers increment to retention. In order to grasp the high-quality customer resources, more and more airlines implement the customer relationship management (CRM) system, whose main conten
8、t is the effective customer segmentation. Currently, the main customer segmentation of the civil aviation is based on the customer value, which relies on the amount of the customers consumption. But for the particular field of the civil aviation, the method which can not fully take into account the
9、customer behavior is biased. Therefore, this paper proposes the customer segmentation based on customer behavior, which is combined with the clustering technology, so as to provide a method for customer segmentation of the civil aviation. First of all, this paper chooses the DBSCAN algorithm with th
10、e kernel method to eliminate the shortcomings of the customer samples, such as the messy distribution and the indistinct data difference. The method is based on the premise of the expense of time efficiency. In the era of information explosion, there are thousands of messages in the civil aviation s
11、ystem everyday. The time efficiency is an essential consideration. Then this paper takes the advantage of distributed parallel computing technology, improves the serial to parallel. In the process, this paper improves the merge method through introducing the density factor (Df), which is aimed at th
12、e customers feature of “end small, intermediate more”. Experiments show that the clustering method proposed in this paper not only improves the accuracy but also increases the time efficiency. Finally, this paper applies the customer segmentation model proposed here to the case of airline A. Through
13、 analyzing the result of customer segmentation, this paper proposes the marketing strategy, which makes a very good guidance for the market strategy of civil aviation. Keywords: Customer Behavior, Customer Segmentation, Clustering, DBSCAN, Kernel, Parallel Clustering 南京航空航天大学硕 士学位论文 iii 目录 第一章 绪论 1
14、1.1 研究背景 1 1.2 研究目的和意义 2 1.3 国内外研究现状 2 1.3.1 客户 细分的研究现状 . 2 1.3.2 客户 细分的应用现状 . 3 1.3.3 航空旅客细分的研究现状 . 3 1.4 课题来源 4 1.5 本论文的主要内容和结构安排 . 4 第二章 航空旅客细分理论和方法研究 . 6 2.1 客户 细分 6 2.1.1 客户 细分理论概述 . 6 2.1.2 客户 细分方法概述 . 7 2.1.3 基于 客户行为的客户 细分方法比较 . 8 2.2 数据挖掘技术在 客户 细分中的应用 . 9 2.3 航空 业现有的细分方法及问题 . 10 2.4 基于旅客行为的航
15、空旅客细分模型构建 . 11 2.4.1 航空旅客细分流程 . 11 2.4.2 基于航空旅客行为的航空旅客细分模型设计 . 12 2.4.3 基于航空旅客行为细分模型的算法确定 . 13 2.5 小结 14 第三章 基于核的 DBSCAN 算法 15 3.1 DBSCAN 算法 . 15 3.2 核函数的基本特征 16 3.2.1 特征空间、核及积特征 . 16 3.2.2 Mercer 定理与再生核 . 18 3.3 核聚类方法 19 3.4 航空旅客相似性度量 19 3.5 基于核 的 DBSCAN 算法描述 20 基于旅客行为的航空旅客细分模型研究及其实现 iv 3.6 实验分析 .
16、23 3.7 本章小结 . 27 第四章 DfP-DBSCAN 聚类算法 28 4.1 理论基础 . 28 4.1.1 分布式聚类算法的理论依据 . 28 4.1.2 分布式聚类算法结构 . 30 4.1.3 并行 DBSCAN 算法的理论基础 . 32 4.2 数据分区 . 32 4.3 局部聚类及合并 . 33 4.3.1 局部聚类 . 33 4.3.2 局部聚类合并及其改进 . 34 4.4 DfP-DBSCAN 聚类算法描述 36 4.5 实验分析 . 37 4.6 本章小结 . 39 第五章 A 航空公司基于旅客行为的细分模型实例 . 40 5.1 需求分析 . 40 5.1.1 案
17、例背景 . 40 5.1.2 目的分析 . 41 5.2 航空旅客行为特征 . 42 5.3 数据准备和预处理 . 44 5.4 基于旅客行为的航空旅客细分模型实施 . 47 5.4.1 不同算法的细分结果比较 . 47 5.4.2 基于旅客行为的细分群特征描述及应用策略 . 50 5.5 本章小结 . 56 第六章 结论与展望 . 57 6.1 结论 57 6.2 展望 57 参考文献 . 59 致 谢 . 63 在学期间的研究成果及发表的学术论文 . 64 南京航空航天大学硕 士学位论文 v 图 表 清单 图 2. 1 Marcus 客户 价值矩阵 9 图 2. 2 数据挖掘过程 10 图
18、 2. 3 CRISP-DM 客户 细分模型构建标准流程 . 12 图 2. 4 航空旅客细分的结构模型 . 13 图 3. 1 输入空间映射到特征空间 . 17 图 3. 2 基于核的 DBSCAN 算法的流程图 22 图 3. 3 聚类结果准确率对比图 . 24 图 3. 4 两种聚类结果的聚类纯度对比图 . 26 图 3. 5 基于三种核函数的准确率对比图 27 图 4. 1 分布式聚类算法结构 . 31 图 4. 2 数据集在维度 X 上的分布密度 33 图 4. 3 k-dist 图 34 图 4. 4 民航客户分布状态图 . 35 图 4. 5 不同密度的类簇合并示例 . 35 图
19、 4. 6 并行计算的任务分配 . 37 图 4. 7 耗 费时间对比图 . 39 图 5. 1 A 航空公司的细分过程与目的 . 42 图 5. 2 A 航空公司出行目的构成比例 . 43 图 5. 3 2007-2009 年公费自费比例图 43 图 5. 4 SPSS 数据缺失处理 . 45 图 5. 5 53 个客户群的平均提前订票时间 48 图 5. 6 五 类客户提前订票时间分布图 49 图 5. 7 耗费时间对比图 . 49 图 5. 8 旅客 离港 时间偏好 . 51 表 3. 1 常用的 Mercer 核函数 . 19 表 3. 2 民航客户部分属性 . 20 表 3. 3 I
20、RIS 数据集部分数据 23 表 3. 4 IRIS 聚类结果总体对比表 23 基于旅客行为的航空旅客细分模型研究及其实现 vi 表 3. 5 IRIS 聚类结果准确率 24 表 3. 6 某次调查的轿车特征和一些用户特征的数据 . 25 表 3. 7 调查数据的聚类结果总体对比表 . 25 表 3. 8 核 DBSCAN 算法的聚类结果情况表 . 25 表 3. 9 带标记的航空旅客部分数据 26 表 4. 1 标准数据集上聚类准确率对比 . 38 表 4. 2 网络调查数据集部分数据示例 . 38 表 5. 1 2007-2009 旅客提前购票时间分布比较（单位： %） . 44 表 5.
21、 2 变量汇总表 . 45 表 5. 3 处理后的数据 . 47 表 5. 4 各个细分客户群人数 . 48 表 5. 5 聚类纯度 . 50 表 5. 6 客户群行为特征描述 . 51 表 5. 7 客户群 1 行为特征 . 52 表 5. 8 客户群 2 行为特征 . 53 表 5. 9 客户群 3 行为特征 . 53 表 5. 10 客户群 4 行为特征 . 54 表 5. 11 客户群 5 行为特征 . 55 南京航空航天大学硕 士学位论文 vii 注释表 DBSCAN 聚类半径 ()Np 落在点 p 的 内的点的集合 Minpts ()Np 包含的点的最小数目 ( , )dist p
22、q 两个对象 p 和 q 之间的距离 输入空间 H 特征空间 ()x 核映射 ( , )Kxy 核函数运算规则 ( , )H ijd x x ,ijxx在 H 上的伪距离 平衡系数 ix 数据集中第 i 个对象 ilx 第 i 个对象的第 l 个属性 2| |ijxx 两对象间的相似度 iL12, , , nL L L局部节点从机 C 中央节点主机 iD 局部数据集 iM 局部聚类结果模型 基于旅客行为的航空旅客细分模型研究及其实现 viii 缩略词 缩略词 英文全称 CRM Customer Relationship Management CRISP-DM Cross-industry St
23、anfard Process for Data Ming DBSCAN Density-Based Spatial Clustering of Applications with Noise SVVD Support Vector Domain Description SVC Support Vector Clustering DfP-DBSCAN Density-factor Parallel DBSCAN 南京航空航天大学硕 士学位论文 1 第一章 绪论 1.1 研究背景 全社会信息化已经成为我国“十二五”计划的一个重要目标，全社会的信息化依托于各类社会服务机构，通过各 类信息系统对社会中
24、的人、组织、环境及其他 对象提供交互式服务。各类信息系统记录了大量系统的各个部件与外部 交互所产生的数据。如何充分利用海量的业务数据，服务于大型机构的经营、管理与服务等目的，成为一个巨大的挑战。 民航作为一个通过多种民航信息系统服务于社会大众的行业， 多年以来，各大航空公司内部都在极力地建设各种民航信息系统。尤其是近年来，随着全流程服务理念在民航全行业的逐步贯彻，民航服务质量得到本质的提升，信息化程度日益加深，各类民航系统积累了大量的旅客 人口统计特征 数据以及旅客行为 特征 数据。为此，各民航企业投入 巨大的人力物力建立了规模庞大的民航数据仓库，这为本项目的研究提供可靠的数据基础 。同时，各
25、大航空公司正努力寻求 有效手段， 服务于民航系统各组成单元所提供的全流程服务与航空公司的旅客关系管理 。对于民航业来说， 这一 直是一个重 要的挑战，也是各航空公司、中国航信、机场以及代理机构的迫切目标。 随着 中国航信的 各类面向客户服务、提升客户体验的信息系统不断上线运行，旅客与整个民航系统 的 各种服务终端的交互频率越来越高。旅客在与服务终端的交互过程中，其行为就被记录于各信息系统中。因此，航空公司 各 类信息系统中存储着大量的数据。多年 以来，科学界和工业界所开展的面向企业业务数据的数据仓库和数据挖掘理论、技术以及应用研究如火如荼。通过 构建 海量数据仓库为数据分析建立面向主题、集成、
26、一致的企业数据环境，通过数据挖掘技术的应用实现数据的增值利用，已经成为各类企业特别是大型企业必由战略道路。大型企业的多数信息系统都是面向客户的信息系统，在数据的增值利用目标中，针对客户、客户行为数据的研究是各大企业的核心和首选目标。因此，对于各大航空公司来说， 借助于科学技术手段增强对这些海量数据的增值利用，已经成为了各大航空公司增强自身市场竞争力的有效手段。 航空 需求潜力巨大，这对航空 公司 客运发展来说是有益的，但加入 WTO 后，我国 进一步扩大 了 外国航空公司在华的客运营销权。此外，在国内运输市场上，铁路提速、高铁、高速公路的快速发展，也对民航市场形成了巨大的竞争压力。因此，民航业
27、面临着从未有过的复杂环境：第一 ，全球经济的发展的不确定性增加了航空公司的决策难度； 第二 ，不断上升的运营成本加重了航空公司的负担；第三，来自同行业和高铁的竞争压缩了航空公司的利润空间。 总而言之，我国航空公司面临着内外交困的巨大挑战。航空公司实现对海量数据的增值利用，实施旅客细分，针对不同的旅客群 制定有目的、有针对性的营销策略，以此来保持老旅客，基于旅客行为的航空旅客细分模型研究及其实现 2 吸引新旅客，充分挖掘潜在的价值旅客，提升竞争能力和经济效益，已经到了刻不容缓的地步。 1.2 研究目的和意义 （ 1）对整个民航领域而言 生活中每个市场都存在着不同的消费人群，帕累托原则 1指出：一
28、个公司 80%的利润是由20%的 客户 创造的，民航业也是如此。 现在正在开发与实施的 针对客户的相关分析大多基于旅客个体或忽略内在关系的旅客群体数据， 以及旅客与各航空公司间的产品购买关系所产生的数据。目前，许多行业的客户关系管理都已经开始在客户群体分析技术方面加大力度，如某通信公 司正在着手建立基于用户行为和社会网络的精确营销系统等。然而在民航领域，基于旅客行为的旅客群体价值分析还不是很深入，本文的研究 将 深化民航领域客户价值研究的方法，为该项先进技术和理念在民航领域的应用打下基础，并为下一步开展后续研究打下坚实的基础。 （ 2）对航空公司而言 市场份额竞争的核心是旅客资源的竞争，因此，
29、各大航空公司对旅客行为数据的分析具有极高的热情，都期望能够通过提供良好的服务、优质而 有 吸引力的产品获得更多的市场份额，提升公司收益。越来越多的航空公司实施了 客户 关系管理系统 （ CRM， Customer Management System） 2，借助数据挖掘技术，将航空公司的众多旅客细分为不同的群体，通过对群体中旅客的角色、地位、属性、行为偏好等分析，推出针对不同群体的营销和服务产品，提升服务目标的准确性，从而提高 航空公司自身的 服务质量，降低营销成本。 （ 3）对旅客而言 通过基于旅客行为的旅客细分的分析研究， 对 各个航空公司旅客更好 地 掌握旅客的行为模式，因而旅客可以从中获
30、得更高质量的航空服务，真正体验到 “ 火车的价格，飞机的享受 ” 。 1.3 国内外研究现状 1.3.1 客户 细分的研究现状 早在客户细分的研究初期， Natter, M. 3提出了应用聚类和分割判别式的人工神经网络方法，并使用该方法测量了人口统计学因素之间的相互关系。 2000 年 Paul B.Chou 等 4使用人口统计学因素识别预期旅客，提供了一种直观的目标市场选择方法。 不论国内外，随着数据挖掘技术的兴起，基于简单的人口统计特征或社会属性特征的的细分方法已经逐渐被淘汰 ， 许多研究者都逐步倾向于基于 客户 行为的 客户 细分方法的研究，并利用数据挖掘技术进行细分 ，其中聚类技术成为
31、了其中的主流技术 。 如 R.J. Kuo 等 5提出了自组织映射和 k-means 组成的两阶段方 法， 首先 使用自组织特征映射选取 k 个中心点，然后用 k-means 进行聚类 。当前， 客户 行为研究的兴起 ， C.-Y. Tsai 6提出了基于 k-means 算法的旅客行为细分模型，他采用了遗传算法对南京航空航天大学硕 士学位论文 3 旅客的初始点选择进行了改进。闫相斌 7等人提出了基于遗传算法的 客户 行为细分模型。 利用客户价值对客户进行细分也成为了客户细分的主要方法，如 Su-Yeon Kim 等 8人提出的基于客户生命周期价值的客户细分和策略发展 ，通过 固有公式 计算客
32、户的当前价值以及潜在价值对客户进行细分 ； Chu Chai Henry Chan9通过 RFM 模型和 LTV 模型来评估客户的价值， 对客户进行细分 ，并应用于汽车零售商 。 1.3.2 客户 细分的应用现状 客户 细分在国外的应用已经比较成熟，尤其是在通信、银行、房地产 1012行业。如日本第二大移动运营商 KDDI13将用户分为 4 个细分市场，分别是年轻用户群、时尚用户群、商业用户群以及娱乐用户群，进而具体分析每一个市场，根据每个市场的客户需求，将市场再分为多个消费群体。 KDDI 针对各个消费群体，尤其是女士一族、游戏一族、商务旅行者和音乐一族的特征，从而提供差异的服务内容。 KD
33、DI 通过市场细分， 对消费群体的消费行为做了充分分析，在一定程度上做到了将合适的产品和服务提供给正确的消费者，从而达到有效覆盖绝大多数潜在消费群体的目的。美国最大的两家房地产公司 PULTE 和 LENNAR14，采用了完全不同的 客户 细分模式。通过 客户 细分，两家公司都建立起了自己特色，满足 客户 的特殊需求，将 客户 的选择从价格的衡量，转移到对特色的评定上。同时这两个公司也基于 客户 细分，不断地获取相关的竞争资源，发展企业的能力。全球第一家网络银行“美国安全第一网络银行” 15对 客户 来源进行了分析，根据对 客户 的调查结果，针对 客户 的消费 习性、理财计划制定了产品开发计划
34、和服务模式，对不同的 客户 采取不同的服务方式甚至不同的服务产品，最终使他们在不同的层次上都感受到他们的要求得到满足和尊重。 在国内， 客户 细分也得到了广泛的应用。如中国移动主要将市场分为个人市场、家庭市场和集团 客户 市场三大类，针对每个市场都有完整的巩固和拓展策略。在个人市场方面，中国移动又针对高端 客户 、中低端 客户 和时尚人士三类推出了全球通、神州行和动感地带三大品牌 16。在国内的其他市场，如宝洁、联通、电信 17、银行 、证券公司 18等行业， 客户 细分也得到了相应的应用。 总 之，目前 客户 细分的研究和应用比较广泛，但针对民航这一特殊市场的旅客细分研究还比较贫乏。 1.3
35、.3 航空旅客细分的研究现状 经济的高速发展给交通业带来了革命性的变化，全国高速铁路以及公路网络的日益完善，都给航空业带来了巨大的竞争压力。越来越多的航空公司实施了 客户 关系管理系统（ CRM），与此同时，旅客细分得到了国内众多航空公司的重视。相对而言，由于起步晚、技术不成熟等原因，我国民航业的旅客细分工作仍处于比较落后的阶段，有以下几方面的特点： 基于旅客行为的航空旅客细分模型研究及其实现 4 （ 1）细分指标单一。目前航空公司已有一些基于旅客行为的细分研究，这些研 究大多数都是以旅客的消费情况作为细分的标准，像 RFM 细分模型、旅客价值矩阵模型等模型。这些细分方法没有与旅客的其他消费行
36、为特征相结合，不能反映旅客其他方面 的行为特征以及偏好 （ 如离港时间偏好、提前订票时间、价格偏好 ） 等， 很难进行准确的市场推广活动 。 （ 2）细分结果过于简单，不能反映庞大的民航旅客之间的复杂关系。大量文献显示，目前航空公司的旅客被分为忠实旅客、常旅客、一般旅客以及潜在旅客四个旅客群，或是按照飞行里程被分为白金卡、金卡、银卡、普通卡等多个等级。因为 大 多选择单一变量或是两三个变量的组合，这些划分比较 容易理解，对航空公司的旅客管理也很有意义，但却无法满足复杂分析的要求。 （ 3）细分工作体系不完善。由于缺乏对旅客需求的了解，以旅客人口统计特征、 心理 特征、购买行为、旅客忠诚度等变量
37、进行细分更多还是停留在形式上，真正为不同目标市场推出差异化策略并不多见，还远远不能达到为民航业的发展提供决策支持的作用。 （ 4）细分技术不成熟。传统的统计法和经验总结法是现在旅客细分的主要方法。随着计算机信息技术的高速发展和电子商务的广泛引用，航空公司信息管理系统中的旅客数据量日益增长，面对海量的数据，仅仅依靠传统的方法是难以解决 细分问题的。 1.4 课题来源 选题来源：中国民用航空局科技项目：基于社会网络挖掘与分析技术的民航旅客价值发现研究 项目编号： MHRD201130 该项目主要 探索 海量数据下 航空旅客行为数据的融合技术和 建模技术，为用户群体的发现、用户的 角色 分析以及影响
38、力分析提供依据。 通过构建的民航旅客社会网络，揭示民航旅客的群体特征，可以让营销者从旅客团体而非个体的角度出发来分析用户的行为模式，进而发现旅客的价值，最终为航空公司的营销战略提供参考。 1.5 本论文的主要内容和结构安排 本文主要 针对航空旅客的行为特征， 运用数据挖掘中的聚类技术 ， 以相关项目为背景， 研究 了 基于旅客行为的航空旅客细分模型。 在 基于航空旅客行为特 征 的航空旅客细分模型中 设计了适用于航空旅客细分的聚类算法，并以 A 航空公司为实例背景，对效果进行分析。 本论文主要分为六个章节，内容安排如下： 第一章：绪论。 本章 主要介绍课题的研究背景、意义，简单分析了 客户 细
39、分在国内外的研究现状，并针对航空这一特殊领域的研究现状做了分析。 第二章：相关理论知识介绍。 本章 首先 给出 客户 细分的理论以及方法 ；然后 对数据挖掘技南京航空航天大学硕 士学位论文 5 术在客 户细分方面的应用做了研究，同时给出了航空业现有的旅客细分 方法 ； 最后给出了基于旅 客行为的航空旅客细分模型的构建，并确定模型中所应用的聚类 算法 。 第三章： 基于核的 DBSCAN 算法。 本 章 主要阐述了模型中的聚类技术， 针对民航旅客行为的特征，对 DBSCAN 聚类算法做了改进 ，主要包括两部分：（ 1）在 DBSCAN 聚类算法中融入核方法；（ 2）在混合型属性下， 改进 对象之
40、间的相似性的度量方法。最后 通过 实验证明该方法的有效性。 第四章： DfP-DBSCAN 算法。 本 章主要针对在海量的航空旅客的数据下，第三章中遗留的时间效率问题，对原有的 并行 DBSCAN 算法 进行 改进，通过引入一个新的参数，提升聚类效果的准确度 。最后也 通过实验 证明 了 该方法的可靠性。 第五章： A 航空公司的实例验证。 本 章主要 是 对 本文提出模型 的应用 ，并对应用产生的结果进行对比分析，提出相应的营销策略。 第六章：结论与展望。 本章 主要总结了课题的研究成果，并指出了本课题研究存在的局限性，进一步提出后续的研究方向。 基于旅客行为的航空旅客细分模型研究及其实现
41、6 第 二 章 航空旅客细分理论和方法研究 航空公司为了提升自身的竞争能力，必须转变现有的经营模式，实施以 “ 旅客为中心 ” 的发展策略。西方实证研究表明，企业 80%的利润是由 20%的 客户 创造的，这就是著名的 “ 二八定律 ” ，即 帕累托 定律。纵观当前航空公司的运营 情况，一个航班的主要利润不是来自于数量较多且折扣较多的经济舱，而是来源于数量不多的商务舱。 因此， 为了 争夺优质旅客，科学的对旅客进行细分必将成为各大航空公司重要 研究 领域 。 2.1 客户 细分 2.1.1 客户 细分理论概述 客户 细分 来源于 20 世纪 50 年代中期 ， 由美国学者温德尔史密斯提出。 客
42、户 细分主要是指企业在明确的战略、业务模式和专注的市场条件下，根据 客户 的价值、需求和偏好等综合因素对 客户 进行分类，分属于同一个 客户 群的消费者具有一定程度的相似性，而不同的细分 客户 群之间存在明显的差异性 19。 Suzanne Dormer 认为：正确的 客户 细分能够有效 地 降低成本，同时获得更强、更有利可图的市场渗透 20。 客户 细分的理论依据主要有以下三个 2122： （ 1） 客户 需求的异质性。不同的 客户 需求往往是不一样的，只要存在两个以上的 客户 ，需求就会有差异。由于 客户 的购买欲望、购买需求以及购买 行为 具有多元性，所以 客户 在购买产品和使用服务商的
43、需求呈现较大的差异。 客户 需求的异质性是进行 客户 细分的内在依据。 （ 2）消费档次假说。当今经济飞速发展，消费者的收入水平日益提高，消费量也日益增加，然而消费量的增加方式是呈非线性增长的，并同时伴随着区 间性台阶式的变化形式。当消费者的消费能力达到一定的消费层次以后，消费者的消费变化趋势也会逐渐趋于平缓。根据消费档次假说理论，消费者的消费档次或者消费习惯在一段时间内相对比较稳定，从而为基于消费行为的消费群体划分提供了理论基础和前提。 （ 3）有限的企业资源。由于企业本身的实力存在一定的局限性，不可能为所有客户提供满意的产品以及服务。对于每个企业来说，即便处于市场领先地位，也不可能在整个营
44、销过程中占绝对优势。为了进行有效的竞争，企业必须进行 客户 细分，选择最有利可图的目标 客户 群体，集中企业资源，制定科学的竞争策略 ，来提高自己的竞争优势。所以， 企业资源的有限性和为了进行有效的市场竞争是进行 客户 细分外在要求。 客户 细分本着可接受性、可衡量性、稳定性的原则，寻找 客户 群之间的需求差异并追溯差异原因，选择符合企业发展目标和资源条件的 客户 群和市场，针对不同 客户 群的不同需求来设南京航空航天大学硕 士学位论文 7 计个性化产品和服务，使 CRM 真正成为 企业获得成功 业务 、扩大产品和服务销量 的助推器。 2.1.2 客户 细分方法概述 自客户细分掀起一阵狂热后，
45、国内外众多学者都致力于客户细分的研究，不同的研究者从不同的角度出发，得出了各不相同的客户细分方法。 传统的客户细分方法 主要选择客户的一些基本属性作为细分的标准，如客户的年龄、收入、性别、受教育程度、职业等人口统计变量。纵观近几年国内外有关客户细分的各大研究成果，除了传统客户细分使用的人口统计特征，客户的价值、行为、 心理 等也成为了 近年来 国内外学者 常用的 客户进行细分标准 ，并在电信、移动、银行等行业进行了相关应用，在民航领域，已有了基于旅客价值客户细分的研究，但对于基于旅客行为的旅客细分研究还处于 起步 阶段 ，研究核应用还不是很成熟 。 在客户细分所采用的技术上， 与传统客户细分方
46、法相比较，现代 客户 细分方法 主要 借助先进的科学技术对客户进行 细分，如数据挖掘的分类、聚类等技术。 以下 从四个不同的角度对 客户 细分的方法进行阐述 23： （ 1）基于人口统计的 客户 细分 这种细分 是 较为早期的一种细分思路，该方法侧重 基于性别、年龄、收入、职业、地理因素等人口统计特征展开对客户的细分工作。作为早期的一种较系统性的客户细分方法，在信息技术还未得到飞速发展，数据挖掘技术未得到成熟应用之前，这种细分方法得到市场的 一致 认同，并为客户细分以及市场营销战略提供 了一定的战略指导依据。 （ 2）基于 客户 价值的细分 该细分方法 以 客户 价值作为关键变量，以 客户 的
47、当前价值和潜在价值 作为两个维度，建立二维坐标模型进行 客户 细分。这种细分方法的观点认为： 客户 管理中存在 2/8 定理 ，即 20%的客户 贡献了 80%的企业利润，所以细分出具有不同价值的 客户 对企业的市场战略具有重要意义。企业可以根据不同价值类型的用户指定相应的资源配置策略和保持策略，从而达到企业的最大利益。这种观点 Couttheaux 在 1986 年提出，并阐述了 客户 生命 周期价值对于管理决策的重要作用，认为其不仅可以用于计算 客户 获得的市场预算成本，而且能够用于如何配置有限的资源用于保持现有 客户 的策略。国内的研究者例如：西安交通大学的陈明亮、 李怀祖，重庆大学的陈
48、静宇等人也提出了类似的观点和细分模型。 基于 客户 价值的细分往往从企业的角度考虑问题，以 客户 对企业的贡献值作为衡量和划分用户的标准，缺少用户需求层次上和需求内容的识别。 （ 3）基于 客户 忠诚度的细分 该细分方法以 客户 忠诚度作为关键变量，以态度忠诚度和行为忠诚度作为两个维度建立细分模型。同样 ， 该细分方法是从企业的角度去衡量用户的贡献值，具有局限性。 基于旅客行为的航空旅客细分模型研究及其实现 8 （ 4）基于 客户 价值和 客户 行为的细分。该细分方法是对价值细分模型和行为细分模型的改进，以 客户 价值和 客户 行为作为两个维度，把用户的消费行为习惯与对企业 的贡献价值结合考虑。该方法还可以结合人口统计信息使用，既有定性的分析，又以数据挖掘技术作为手段对 客户 的消费行为作出预测和分析，在各个行业，如银行、电信、移动 等 都具有广泛
