乘客行為數(shù)據(jù)分析方法
【專利摘要】本發(fā)明涉及一種乘客行為數(shù)據(jù)分析方法，其步驟如下：收集乘客行為數(shù)據(jù)，將訂票系統(tǒng)和社交網(wǎng)絡平臺等其他渠道得到的數(shù)據(jù)進行抽取、整合和清理，并將數(shù)據(jù)轉換成可用于數(shù)據(jù)分析的格式；采用數(shù)據(jù)挖掘算法、統(tǒng)計方法以及業(yè)務經(jīng)驗知識對乘客的屬性進行計算和篩選，提取有用的行為屬性和信息屬性；實現(xiàn)潛在類別模型對乘客行為的細分，并進行可視化展示每一類別乘客的特點，以及給出精準營銷的建議。和以為技術相比，本發(fā)明對乘客行為數(shù)據(jù)的各種數(shù)據(jù)源進行整合，形成較為完整的分析數(shù)據(jù)源；通過為不同特點的乘客群提供不同的營銷活動，達到精準營銷的效果，降低成本，并提高了收益。
【專利說明】乘客行為數(shù)據(jù)分析方法

【技術領域】
[0001]本發(fā)明涉及一種乘客行為數(shù)據(jù)分析方法。

【背景技術】
[0002]航空旅游業(yè)各公司內(nèi)部每天都會產(chǎn)生很多數(shù)據(jù)，如訂票數(shù)據(jù)、航班數(shù)據(jù)、安檢數(shù)據(jù)等，這些數(shù)據(jù)分別部署在不同的系統(tǒng)上，不僅相當龐而且分散，沒有被很好地結合和運用。
[0003]當下，航空旅游業(yè)的乘客行為分析主要存在如下問題:
1、缺乏對各種數(shù)據(jù)源進行整合，數(shù)據(jù)分散(訂票系統(tǒng)數(shù)據(jù)、社交網(wǎng)站數(shù)據(jù)、機場數(shù)據(jù)等);
2、缺乏對乘客的特征描述，S卩如何選擇哪些屬性來描述乘客，如性別年齡分布、消費情況等;
3、缺乏對乘客行為的細分，對乘客進行細分從而進行不同的營銷活動，如定義不同的票價、推廣不同的廣告和其他更多的個性化服務。


【發(fā)明內(nèi)容】

[0004]為了解決上述問題，本發(fā)明提供一種乘客行為數(shù)據(jù)分析方法，從各個渠道收集的乘客行為相關的數(shù)據(jù)，運用數(shù)據(jù)挖掘與統(tǒng)計分析方法細分乘客，從而對乘客提供針對性的服務，并改進營銷策略以提高收益。
[0005]為了達成本方面之目的，本發(fā)明的技術方案如下。
[0006]乘客行為數(shù)據(jù)分析方法，包括以下步驟:
步驟1，收集乘客行為數(shù)據(jù)，將訂票系統(tǒng)和社交網(wǎng)絡平臺等其他渠道得到的數(shù)據(jù)進行抽取、整合和清理，并將數(shù)據(jù)轉換成可用于數(shù)據(jù)分析的格式；
步驟2，采用數(shù)據(jù)挖掘算法、統(tǒng)計方法以及業(yè)務經(jīng)驗知識對乘客的屬性進行計算和篩選，提取有用的行為屬性和信息屬性；
步驟3，實現(xiàn)潛在類別模型對乘客行為的細分，并進行可視化展示每一類別乘客的特點，以及給出精準營銷的建議。
[0007]本發(fā)明的有益效果是:對乘客行為數(shù)據(jù)的各種數(shù)據(jù)源進行整合，形成較為完整的分析數(shù)據(jù)源；乘客細分可用于描述各個乘客群的行為特征，通過為不同特點的乘客群提供不同的營銷活動，達到精準營銷的效果，降低成本，并提高了收益。

【專利附圖】

【附圖說明】
[0008]圖1是本發(fā)明實施例乘客行為細分流程圖；
圖2是本發(fā)明實施例乘客細分的結果展示圖。

【具體實施方式】
[0009]如圖1所示，每一部分的具體過程如下: 1、數(shù)據(jù)源:PNR數(shù)據(jù)、乘客的社交網(wǎng)絡數(shù)據(jù)(如微博、微信、人人網(wǎng)、論壇等)、航空訂票系統(tǒng)、機場數(shù)據(jù)等與乘客行為相關的數(shù)據(jù)；
2、數(shù)據(jù)預處理(ETL過程):將所有數(shù)據(jù)源的數(shù)據(jù)通過提取、轉換、加載存儲到數(shù)據(jù)庫，并采用Python進行數(shù)據(jù)預處理，將數(shù)據(jù)格式轉換為符合數(shù)據(jù)分析工具的數(shù)據(jù)格式；
3、RFM改進模型計算乘客價值:采用RFM的改進模型來分析和推測乘客消費的狀況，判斷乘客流失的可能性，計算乘客的價值，從而能夠及時地挽留住重要貢獻的乘客；其中，R(Recency)表示在觀測期間內(nèi)，乘客最近一次購買的時間；F(Frequency)表示乘客在觀測時間內(nèi)購買的次數(shù);M (Monetary)表示乘客在觀測時間內(nèi)購買的金額；RFM模型在航空領域的應用不同于其他領域，根據(jù)航空領域的特點，加入起飛日期、機票費用、成為會員的時間、里程積分等變量屬性，并采用邏輯回歸來擬合RFM模型的參數(shù)，得到乘客的價值屬性；
4、乘客的行為特征選取:根據(jù)民航業(yè)務經(jīng)驗知識和統(tǒng)計方法，選取可用于乘客細分的行為特征屬性；其中考慮的變量包括乘客價值、乘客類型(成人、兒童、嬰兒)、出行目的(旅游、商務)、艙位等級、離港時刻、提前訂座時間差、起飛時間是否為周末、起飛時間是否為早上、航程類型(單程、往返、其他)、性別、年齡、消費情況、學歷情況(初中、高中、本科、碩士及以上)、工作情況(學生、白領、公務員、非全職)、家庭情況(有無小孩、小孩是否上學)、行李、出行頻率、出行目的地等行為和乘客信息屬性；
5、數(shù)據(jù)挖掘?qū)崿F(xiàn)乘客細分:潛在類別模型(LatentClass Model);潛在類別模型處理的是類別變量，它是一種用于從多元數(shù)據(jù)中尋找潛在類，并實現(xiàn)聚類；將航空乘客的行為屬性特征放進潛在類別模型，從中將行為相近的乘客聚集在一起，實現(xiàn)乘客細分；采用R語言工具實現(xiàn)算法；
6、乘客細分結果為五類:積極規(guī)劃型、體驗愛好型、自發(fā)娛樂探索型、旅游購物愛好型、就近度假探索型；
7、可視化展示統(tǒng)計乘客細分結果如圖2:分析和挖掘每一類乘客的特點，動態(tài)展示每一乘客群的行為特點，并對不同的乘客群制定不同的營銷手段，達到精準營銷的效果。
【權利要求】
1.乘客行為數(shù)據(jù)分析方法，其特征在于，包括以下步驟: 步驟1，收集乘客行為數(shù)據(jù)，將訂票系統(tǒng)和社交網(wǎng)絡平臺等其他渠道得到的數(shù)據(jù)進行抽取、整合和清理，并將數(shù)據(jù)轉換成可用于數(shù)據(jù)分析的格式； 步驟2，采用數(shù)據(jù)挖掘算法、統(tǒng)計方法以及業(yè)務經(jīng)驗知識對乘客的屬性進行計算和篩選，提取有用的行為屬性和信息屬性； 步驟3，實現(xiàn)潛在類別模型對乘客行為的細分，并進行可視化展示每一類別乘客的特點，以及給出精準營銷的建議。
【文檔編號】G06Q30/02GK104361502SQ201410167537
【公開日】2015年2月18日 申請日期:2014年4月24日 優(yōu)先權日:2014年4月24日
【發(fā)明者】陳思恩, 賀平 申請人:科技谷（廈門）信息技術有限公司