航空公司客运信息挖掘.pptVIP

* * * * * * * * * 建模仿真 客户流失模型 航空老客户流失状态：流失、准流失、未流失 两年乘机次数比小于0.5的客户为流失，0.5~0.9则为准流失，大于0.9的客户为未流失。 样本选择 覆盖两年内多个航空公司老客户的流失情况；以两年内老客户情况的80%为训练样本，20%数据作为检测样本，建立客户流失模型。 客户流失模型 航空客户流失模型总体流程 客户流失模型 神经网络结构 客户流失模型 决策树结构 客户流失模型 客户流失评价矩阵 判断一个流失预测模型是否可接受，通常可根据其主要的性能指标如确认流失命中率、确认流失准确率来衡量。本问题中，经销商最感兴趣的是流失客户，其次是准流失客户。一个未流失的客户被分类为准流失或确认流失并不会使经销商失去原有客户，而确认流失或准流失的客户被分类为未流失将给经销商带来比较大的损失。因此本模型的好坏，主要取决于它能否将确认流失的客户识别出，即将准流失分类为未流失、确认流失分类为准流失、甚至将确认流失分类为未流失，这三种情况才是真正意义的分类错误。 样本中客户状态 预测未流失 预测准流失 预测确认流失 合计 实际未流失 A B C A+B+C 实际准流失 D E F D+E+F 实际确认流失 G H I G+H+I 合计 A+D+G B+E+H C+F+I A+B+C+D+E+F+G+H+I 谢谢！ * * * * * * * * * * * * * * * * * * * * * * * * * 航空公司客运信息挖掘 张良均 * 挖掘目标的提出 分析方法与过程 建模仿真 主要内容 很多人都听说过马来西亚的亚洲航空、美国的西南航空等公司的大名。这些公司成功的秘诀就是擅于提高上座率。为了争到客源，有些公司甚至提出了与长途巴士进行价格竞争的口号。如此看来，国内航空公司并不是把其它航空公司当作主要竞争对象，主要对手应当是火车或长途汽车。适当的低票价，将使航空资源得到充分利用，如果空座率居高不下，哪怕票价卖得很高，本身就已经出现了资源性亏损。因此，如何利用数据挖掘技术（如客户流失预测、客户细分和客户价值评估等）进行客户分析并制定相应的客户策略，以提升航空客运的上座率？ 挖掘目标的提出 挖掘目标的提出 分析方法与过程 分析方法与过程 分析方法与过程 分析方法与过程 分析方法与过程 分析方法与过程 分析方法与过程 分析方法与过程 分析方法与过程 分析方法与过程 2. 数据预处理—预处理后结果： 分析方法与过程 分析方法与过程 建模仿真 RFM 细分，通过三项变量，即最近消费时间间隔(Recency)、消费频率(Frequency)、消费金额(Monetary)来细分客户，用于识别最有价值的客户。 RFM 指标高的客户可能更愿意并更有兴趣与企业进行交易，因此具备更高的客户价值。RFM 指标较差的客户代表了较少的业务机会，表明该客户价值较低。 根据航空公司独有的特点，对传统的RFM 指标做了适当的调整，确定了L、R、F、M、C 五个指标作为航空公司客户细分的参数（聚类变量）。 基于聚类分析的航空常旅客价值客户分群 客户分群过程： 基于聚类分析的航空常旅客价值客户分群 基于聚类分析的航空常旅客价值客户分群 基于聚类分析的航空常旅客价值客户分群 基于聚类分析的航空常旅客价值客户分群 基于聚类分析的航空常旅客价值客户分群 客户类别及其类型特点： 基于聚类分析的航空常旅客价值客户分群 基于聚类分析的航空常旅客价值客户分群 基于聚类分析的航空常旅客价值客户分群 基于聚类分析的航空常旅客价值客户分群 基于聚类分析的航空常旅客价值客户分群 * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * *