王佳麗
摘 要:數(shù)據(jù)挖掘技術(shù)是一門全新的信息處理技術(shù),其能夠從海量的數(shù)據(jù)中根據(jù)設(shè)定的挖掘目標(biāo)來挖掘有價值的信息。航空公司在運(yùn)營過程中需要涉及眾多數(shù)據(jù)統(tǒng)計的工作,將數(shù)據(jù)挖掘技術(shù)應(yīng)用在其中就能夠有效提升數(shù)據(jù)統(tǒng)計工作效率,使得數(shù)據(jù)價值最大化。文章主要以航空公司客戶關(guān)系管理工作為例,針對數(shù)據(jù)挖掘技術(shù)對航空數(shù)據(jù)統(tǒng)計工作的創(chuàng)新進(jìn)行探析。
關(guān)鍵詞:數(shù)據(jù)挖掘;航空公司;客戶關(guān)系管理
引言
在航空公司市場競爭日益激烈的環(huán)境下客戶關(guān)系管理已經(jīng)不僅僅是電話關(guān)懷可以實現(xiàn)的。一條信息或簡單的行為都有可能會贏到航空公司客戶和潛在客戶的去留。從海量的數(shù)據(jù)中進(jìn)行分析有助于商業(yè)運(yùn)作,能夠幫助航空公司做出更加正確的決定。數(shù)據(jù)挖掘是一種全新的商業(yè)信息數(shù)據(jù)處理手段,其能夠在企業(yè)客戶關(guān)系管理工作中的各個方面起到關(guān)鍵作用,包括新客戶爭取、保留老客戶、提升客戶利潤等等。
1.數(shù)據(jù)挖掘技術(shù)
1.1時間序列分析法
時序數(shù)據(jù)是指某些在相同時間間斷下所獲得的,伴隨著實踐改變的序列值整數(shù)或者實數(shù)。時間序列就是根據(jù)時間的順序來蝴蝶的一系列觀測值。時間序列的數(shù)據(jù)庫就是包含時序數(shù)據(jù)的數(shù)據(jù)庫[1]。在時序數(shù)據(jù)的挖掘過程中可以將時序數(shù)據(jù)分為以下幾個類別:1)數(shù)值型序列。即為狹義的時間序列,其構(gòu)成序列的元素為數(shù)值型的。例如網(wǎng)站的點擊率、證券價格歷史數(shù)據(jù)等。單個或多個時間序列均能夠被作為挖掘?qū)ο螅?)事務(wù)型序列。該序列即為構(gòu)成序列的元素為事務(wù)型的。例如,客戶在某一段時間中消費(fèi)的記錄序列。對于事務(wù)序列來說其挖掘?qū)ο笸ǔ6际且唤M該序列的集合。3)事件型序列。該序列構(gòu)成的元素為事件。例如,無線通信網(wǎng)絡(luò)中的故障序列、用戶界面交互行為序列等。對于事件型序列來說其挖掘?qū)ο笫菃蝹€事件序列[2]。
1.2聚類分析法
聚類分析法是一種統(tǒng)計分析法,也被稱作群分析。其主要是對樣品與指標(biāo)之間的分類問題進(jìn)行研究。在商業(yè)領(lǐng)域中應(yīng)用的數(shù)據(jù)挖掘方法通常都是不同類別的聚類分析計算法。
1.3預(yù)測法
預(yù)測法是一種獲得連續(xù)取值數(shù)據(jù),對信息中的預(yù)測知識進(jìn)行挖掘的重要方法之一。傳統(tǒng)的預(yù)測法主要包括時間序列分析法、線性與非線性回歸模型等?,F(xiàn)代應(yīng)用前沿的預(yù)測方法包括神經(jīng)網(wǎng)絡(luò)與支持向量機(jī)算法。其主要可以被利用于描述建立預(yù)測未來數(shù)據(jù)趨勢的模型。在商業(yè)領(lǐng)域中進(jìn)行銷售量、市場份額占有等數(shù)據(jù)的預(yù)測可以利用該算法[3]。
2.數(shù)據(jù)挖掘?qū)β每徒Y(jié)構(gòu)分析的創(chuàng)新應(yīng)用
2.1旅客結(jié)構(gòu)
2.1.1旅客分群
航空公司客戶主要可以分為三大類別:首先,為無價值或低價值客戶;其次,為不會輕易流失的有價值的客戶;最后,是不斷尋找更加優(yōu)惠價格與服務(wù)的價值客戶。傳統(tǒng)的航空市場是針對前兩種客戶來開展的。而現(xiàn)代客戶關(guān)系管理論認(rèn)為,第三類客戶是當(dāng)前急需重視維護(hù)的重要價值客戶,對這一類客戶進(jìn)行維護(hù)能夠有效的降低航空公司的運(yùn)營成本。數(shù)據(jù)挖掘技術(shù)能夠在數(shù)據(jù)庫中挖掘大量的數(shù)據(jù),對其進(jìn)行分析與處理,從而來對客戶流失風(fēng)險進(jìn)行判斷、分析與評價,并且從中獲得客戶流失的根本原因,客戶流失風(fēng)險的因素以及留住有價值客戶的方式,將盈利能力低下的客戶提升為盈利能力高的客戶[4]。
2.1.2旅客忠誠度分析
忠誠的客戶可以給航空公司帶來巨大的利潤空間。而數(shù)據(jù)挖掘技術(shù)可以對數(shù)據(jù)庫中的大量數(shù)據(jù)進(jìn)行挖掘分析,從而確定客戶的消費(fèi)習(xí)慣、消費(fèi)數(shù)量以及消費(fèi)頻率,進(jìn)而得知客戶對品牌的忠誠程度、變動情況等數(shù)據(jù),從而有針對性的確定忠誠客戶,并且向其提供尊貴的一對一個性化服務(wù),從而提升客戶的忠誠度,幫助航空公司最大程度的挖掘客戶的最大價值,對企業(yè)的經(jīng)濟(jì)利潤增長起到積極作用。
2.1.3高端客戶貢獻(xiàn)
客戶對航空企業(yè)盈利貢獻(xiàn)的多少與企業(yè)利潤的大小有著直接的關(guān)系。使用數(shù)據(jù)挖掘技術(shù)能夠?qū)蛻暨M(jìn)行分析,從而發(fā)現(xiàn)能夠真正創(chuàng)造利潤的高端客戶[5]。同時,航空公司還可以利用數(shù)據(jù)挖掘技術(shù)將企業(yè)的無利客戶與低利客戶提升為高端客戶。數(shù)據(jù)挖掘技術(shù)可以從數(shù)據(jù)庫中獲得客戶信息以及客戶的歷史交易數(shù)據(jù),從而對客戶的利潤貢獻(xiàn)進(jìn)行判斷評價,以對客戶日后的消費(fèi)模式與消費(fèi)行為進(jìn)行預(yù)測,進(jìn)而能夠在航空市場營銷過程中留住高端客戶,保留高端客戶的貢獻(xiàn)。避免消耗過多的精力與時間無目的的開發(fā)新客戶,盡可能的為高端客戶提供個性化服務(wù),有效降低航空公司的運(yùn)營成本,提高經(jīng)濟(jì)收益。
2.2數(shù)據(jù)挖掘?qū)β每途?xì)化管理工作中的創(chuàng)新應(yīng)用
2.2.1數(shù)據(jù)挖掘流程
數(shù)據(jù)挖掘技術(shù)(Data Mining)就是從海量的、無序的、雜亂的、隨機(jī)的數(shù)據(jù)中搜索、挖掘、識別有效的、有價值的、有意義的模式的過程。數(shù)據(jù)挖掘技術(shù)是一項涉及面寬廣,涉及內(nèi)容廣泛的學(xué)科,其包含了神經(jīng)網(wǎng)絡(luò)、模式識別、數(shù)理統(tǒng)計等相關(guān)技術(shù)。數(shù)據(jù)挖掘的流程主要分為以下幾個步驟:
(1)定義商業(yè)目標(biāo)。每一個客戶關(guān)系管理應(yīng)用程序都擁有一個或者多個商業(yè)目標(biāo),只有當(dāng)擁有商業(yè)目標(biāo)的時候數(shù)據(jù)挖掘才不會漫無目的。數(shù)據(jù)挖掘技術(shù)必須根據(jù)特定的目標(biāo)來建立模型。例如,基于提高市場占有率的目標(biāo)來進(jìn)行數(shù)據(jù)挖掘的準(zhǔn)備工作,建立相關(guān)的模型,并且對數(shù)據(jù)挖掘的效果進(jìn)行評價。
(2)數(shù)據(jù)處理。第一步,數(shù)據(jù)過濾。數(shù)據(jù)過濾可以保證所收集獲得的數(shù)據(jù)能夠滿足分析的需求與目的。開展數(shù)據(jù)挖掘工作的重要前提之一就是獲得高質(zhì)量、有價值的數(shù)據(jù)。如果挖掘的數(shù)據(jù)對象不合理有弊端的話,那么就算利用最為科學(xué)、最為先進(jìn)的數(shù)據(jù)挖掘工具也難以獲得理想的效果。第二步,數(shù)據(jù)預(yù)處理。數(shù)據(jù)預(yù)處理這一步驟應(yīng)該保證原始數(shù)據(jù)數(shù)據(jù)與輸入標(biāo)準(zhǔn)相同。數(shù)據(jù)挖掘所需要的數(shù)據(jù)有一定的可能分布在客戶數(shù)據(jù)庫、產(chǎn)品數(shù)據(jù)等不同的數(shù)據(jù)庫當(dāng)中。因此需要對多個數(shù)據(jù)庫進(jìn)行合并處理,將其集成為單一的營銷數(shù)據(jù)庫,并且對多個數(shù)據(jù)來源的數(shù)據(jù)進(jìn)行差異化處理,使其數(shù)據(jù)屬性統(tǒng)一標(biāo)準(zhǔn)。同時,對存在重復(fù)的數(shù)據(jù)進(jìn)行去除。
(3)數(shù)據(jù)分析。建立合理的預(yù)測模型之前需要對預(yù)處理后的數(shù)據(jù)進(jìn)行粗略的分析,從而對數(shù)據(jù)有一個初步的認(rèn)識,得知數(shù)據(jù)的最大值、最小值、平均值等,掌握數(shù)據(jù)的分布狀況。
(4)數(shù)據(jù)準(zhǔn)備。數(shù)據(jù)準(zhǔn)備的內(nèi)容包括給建立模型選擇變量,從原始數(shù)據(jù)中建立新的預(yù)示值,從數(shù)據(jù)中選擇樣本來建立模型,更改變量使其與建模算法相同,最后建立模型。這一過程需要在眾多模型中選擇最合理的模型,最初的初始模型可能無法實現(xiàn)數(shù)據(jù)挖掘的目的,需要進(jìn)行多次修改與調(diào)整。在探索最佳模型的過程中調(diào)整數(shù)據(jù)或問題的表述。
(5)評價模型。評價模型之一階段是對數(shù)據(jù)挖掘構(gòu)建的模型進(jìn)行質(zhì)量的判斷。其評價方式是從預(yù)處理的數(shù)據(jù)中隨機(jī)選擇兩個樣本,分別用于構(gòu)建模型以及驗證校準(zhǔn)樣本產(chǎn)生模型。
2.2.2建立模型
(1)數(shù)據(jù)來源
數(shù)據(jù)來源主要途徑為記錄飛行計劃的數(shù)據(jù)庫以及航班起降數(shù)據(jù)庫,即為一級數(shù)據(jù)庫與二級數(shù)據(jù)庫。在記錄飛行計劃數(shù)據(jù)庫中包括了可選擇所有的航空公司客戶的信息,每一位客戶的信息都十分相近。在這個數(shù)據(jù)庫匯總可以利用統(tǒng)計學(xué)原理來進(jìn)行完整的收集。航班起降數(shù)據(jù)庫中包括以往所有的航班起降信息,例如飛機(jī)離開抵達(dá)機(jī)場的時間、客戶預(yù)約或遺留的數(shù)據(jù)。在該數(shù)據(jù)庫中客戶活動的數(shù)據(jù)與信息被聚集起來。
(2)數(shù)據(jù)準(zhǔn)備
從一級數(shù)據(jù)庫中隨機(jī)抽取一定量的在某段時間內(nèi)某飛行航班的客戶n個。對所選擇的n個客戶進(jìn)行類別分割,其中1/4用于子樣品使用,1/4用作確認(rèn)子樣品使用,剩余1/2用于驗證工作精度使用,進(jìn)而從過去的航班活動中獲得最具有價值的數(shù)據(jù)。
(3)工作處理
航空公司客戶會受到其飛行目的的影響來有規(guī)律的對機(jī)票進(jìn)行購買。根據(jù)這一規(guī)則就能夠獲得的新的元素屬性。即為根據(jù)客戶旅行目的與方式來劃分客戶等級開展聚集數(shù)據(jù),并且對這一數(shù)據(jù)群體冠以完整的備注。這樣分割的主要目的就是識別典型的客戶群體。每一類別客戶群體的數(shù)據(jù)都有其相似之處,但是卻存在根本性質(zhì)的區(qū)別。聚類方法是解決數(shù)據(jù)挖掘技術(shù)這一問題的最佳方式。利用聚類分析法將彼此之間相對類似的樣本歸納到同類當(dāng)中,可以選擇K-均值算法、自組織映射神經(jīng)算法等。然后再將聚類結(jié)果進(jìn)行綜合處理,對客戶進(jìn)行標(biāo)記。然后再利用決策樹、貝葉斯分類等方式來進(jìn)行建模,獲得客戶類別細(xì)分的模型。讓航空公司可以識別有價值的客戶,針對不同特點的客戶類別來實施不同的營銷策略與個性化服務(wù)。數(shù)據(jù)挖掘技術(shù)可以挖掘大量與客戶溝通后累計的旅客滿意度調(diào)查數(shù)據(jù)來獲得影響客戶滿意度的各個因素以及每個因素的重要程度。進(jìn)而通過客戶調(diào)查、暗訪競爭對手等方式來探索出與競爭對手對于影響客戶滿意度上的差距,從而有針對性的做出改進(jìn),改善客戶體驗,提升客戶滿意度,提高航空公司核心競爭力。
3.結(jié)論
數(shù)據(jù)挖掘在航空公司數(shù)據(jù)統(tǒng)計工作中有著十分重要作用。利用數(shù)據(jù)挖掘能夠?qū)蛻粝M(fèi)行為進(jìn)行等級劃分,以建立相對應(yīng)的消費(fèi)體系,通過準(zhǔn)確的營銷方式來實現(xiàn)高效率的客戶關(guān)系管理工作。在航空公司客戶關(guān)系管理中數(shù)據(jù)挖掘技術(shù)的使用能夠讓其準(zhǔn)確掌握每一位客戶的消費(fèi)特點,從而有針對性的提供合適的服務(wù),全面提升客戶滿意度,推動客戶消費(fèi)水平提升,提高客戶利潤價值,高效的留住客戶,防止客戶流失。(作者單位:中國國際航空股份有限公司)
參考文獻(xiàn):
[1] 任惠琳.商業(yè)企業(yè)營銷數(shù)據(jù)挖掘及營銷數(shù)據(jù)統(tǒng)計分析系統(tǒng)的有效構(gòu)建[J].現(xiàn)代商業(yè),2013,(31):162-163.
[2] 張會榮,陳云.數(shù)據(jù)挖掘技術(shù)在航空公司CRM中的應(yīng)用分析[J].曲靖師范學(xué)院學(xué)報,2011,(03):40-45.
[3] 張曦,解開顏,張歡.高性能實時數(shù)據(jù)分析平臺在航空公司收益提升中的應(yīng)用[J].企業(yè)導(dǎo)報,2013,(23):105-108.
[4] 鞏斌.上市公司財務(wù)危機(jī)判別綜合評價分析——基于數(shù)據(jù)挖掘技術(shù)[J].山東理工大學(xué)學(xué)報(社會科學(xué)版),2014,(01):15-18.
[5] 阮夢黎.基于改進(jìn)GEP的航空器故障數(shù)據(jù)挖掘研究與仿真[J].計算機(jī)仿真,2015,(06):92-95.