K-means聚類算法在民航客戶細(xì)分中的應(yīng)用

楊倩倩，生佳根，趙海田

（江蘇科技大學(xué) 江蘇 鎮(zhèn)江 212000）

近年來(lái)隨著國(guó)內(nèi)航空業(yè)的迅速發(fā)展，航空公司之間的競(jìng)爭(zhēng)愈演愈烈。如何利用民航信息系統(tǒng)中海量的旅客行為數(shù)據(jù)進(jìn)行客戶細(xì)分，針對(duì)不同的旅客群體制定最優(yōu)的營(yíng)銷策略，以此來(lái)保持老旅客，吸引新旅客，充分挖掘潛在的價(jià)值旅客，提升企業(yè)的競(jìng)爭(zhēng)力和經(jīng)濟(jì)效益，已經(jīng)到了刻不容緩的地步。

目前，航空公司傳統(tǒng)的信息系統(tǒng)已經(jīng)積累了大量的包含旅客人口統(tǒng)計(jì)特征和行為特征的數(shù)據(jù)，但是，這些數(shù)據(jù)僅僅局限于簡(jiǎn)單的記載，缺乏深層次的分析，采用數(shù)據(jù)挖掘方法進(jìn)行數(shù)據(jù)挖掘，發(fā)現(xiàn)數(shù)據(jù)里面蘊(yùn)含的規(guī)則和知識(shí)，可以為航空公司提供更有效的客戶關(guān)系管理方法。本文利用A航空公司的旅客訂票行為數(shù)據(jù)，采用聚類算法中的K-means方法構(gòu)建民航客戶細(xì)分模型，并根據(jù)客戶細(xì)分結(jié)果分析相應(yīng)的客戶行為特征，針對(duì)不同群體的客戶提出相應(yīng)的營(yíng)銷策略建議。

1 客戶關(guān)系管理

客戶關(guān)系管理[1]（CRM）是一種經(jīng)營(yíng)戰(zhàn)略，該戰(zhàn)略利用信息技術(shù)整合企業(yè)的客戶信息，為企業(yè)提供一種全面可靠的認(rèn)知，賦予企業(yè)更完善的客戶交流能力，從而有助于維系和拓展這種互利的關(guān)系。CRM系統(tǒng)的目的是通過(guò)技術(shù)和營(yíng)銷策略的結(jié)合來(lái)改進(jìn)客戶服務(wù)、提升客戶滿意度，實(shí)現(xiàn)客戶收益率的最大化。

從管理理念講，CRM是一種以客戶為中心的管理理念與經(jīng)營(yíng)策略，是將企業(yè)的客戶作為最重要的企業(yè)資源，通過(guò)深入的客戶分析和完善的客戶服務(wù)來(lái)滿足客戶的需求，保證實(shí)現(xiàn)客戶的終身價(jià)值。

從技術(shù)手段講，CRM是一種管理軟件和技術(shù)，它將商業(yè)活動(dòng)和數(shù)據(jù)挖掘、數(shù)據(jù)倉(cāng)庫(kù)、銷售自動(dòng)化以及其他信息技術(shù)緊密結(jié)合起來(lái)，在企業(yè)與客戶之間建立一種實(shí)時(shí)的、互動(dòng)的交流系統(tǒng)。

2 客戶細(xì)分

客戶細(xì)分[2]是客戶關(guān)系管理（CRM）的重要組成部分，是企業(yè)實(shí)現(xiàn)客戶關(guān)系管理的重要工具和環(huán)節(jié)。客戶管理學(xué)中的二八法則表明，企業(yè)80%的利潤(rùn)是由20%的客戶創(chuàng)造的，即相對(duì)較少的大客戶創(chuàng)造了極大的利潤(rùn)。因此，如何維持與高價(jià)值客戶的良好關(guān)系，進(jìn)一步挖掘潛在價(jià)值客戶，合理分配有限的資源，提供有針對(duì)性的差別服務(wù)，是企業(yè)在激烈的市場(chǎng)競(jìng)爭(zhēng)中制勝的關(guān)鍵。

3 K-means聚類算法

K-means算法是一種得到最廣泛使用的基于劃分的聚類算法，把n個(gè)對(duì)象分為k個(gè)簇，以使簇內(nèi)具有較高的相似度。相似度的計(jì)算根據(jù)一個(gè)簇中對(duì)象的平均值來(lái)進(jìn)行。K-means算法采用迭代更新的思想，首先隨機(jī)地選擇k個(gè)對(duì)象，每個(gè)對(duì)象代表一個(gè)簇的初始均值或中心。對(duì)剩下的每個(gè)對(duì)象，根據(jù)其與各個(gè)簇中心的歐式距離，將它分配到最相似的簇。然后K－means算法迭代地改善簇內(nèi)變差。對(duì)于每個(gè)簇，它使用上次迭代分配到該簇的對(duì)象，計(jì)算新的均值。然后使用更新后的均值作為新的簇中心，重新分配所有對(duì)象。迭代繼續(xù)，直到分配穩(wěn)定，即本輪形成的簇與前一輪形成的簇相同[3]。

K－means算法的具體步驟：

輸入：聚類個(gè)數(shù)k和包含n個(gè)對(duì)象的數(shù)據(jù)集X={x1，x2，…，xn}；

輸出：k 個(gè)簇{S1，S2，…，Sk}

方法：1）從數(shù)據(jù)集中隨機(jī)選定k個(gè)對(duì)象作為初始聚類中心 c1，c2，…，ck；

2）逐個(gè)將對(duì)象 xi（i=1，2，…，n）按歐式距離分配給距離最近的一個(gè)聚類中心

其中Nj是第j個(gè)聚類Sj所包含的對(duì)象個(gè)數(shù)；

4）若聚類中心不再變化，目標(biāo)函數(shù)最小，算法終止，否則轉(zhuǎn)步驟2）。

4 民航客戶細(xì)分模型

隨著民航信息化程度的日益加深，航空公司快速準(zhǔn)確的客戶分析將成為制定差異化營(yíng)銷策略、提升企業(yè)競(jìng)爭(zhēng)力的必然需要。本文為A航空公司提供科學(xué)合理的客戶細(xì)分模型，能夠正確地對(duì)該航空公司的旅客進(jìn)行分析，確定不同的客戶群對(duì)該航空公司的價(jià)值，以此方便A航空公司針對(duì)不同客戶群的行為特征制定有差別的營(yíng)銷策略，提升A航空公司對(duì)客戶的吸引力，從而提升A航空公司在民航市場(chǎng)中的競(jìng)爭(zhēng)力。

4.1 數(shù)據(jù)準(zhǔn)備與預(yù)處理

數(shù)據(jù)處理是模型實(shí)施的保障，數(shù)據(jù)預(yù)處理所得到的數(shù)據(jù)質(zhì)量將直接影響到民航旅客細(xì)分結(jié)果的精度和性能。本實(shí)驗(yàn)采用A航空公司的旅客訂票數(shù)據(jù)，包含旅客的訂票記錄、旅客個(gè)人基本信息等。使用SPSS作為數(shù)據(jù)預(yù)處理的主要工具，通過(guò)數(shù)據(jù)清理、數(shù)據(jù)細(xì)分變量的選擇來(lái)實(shí)現(xiàn)對(duì)數(shù)據(jù)的預(yù)處理[4]。

首先對(duì)數(shù)據(jù)進(jìn)行清理，主要對(duì)數(shù)據(jù)集中缺失的數(shù)據(jù)進(jìn)行缺失值處理，采取SPSS自帶的臨近點(diǎn)中位數(shù)的方法為缺失值進(jìn)行填補(bǔ)，如圖1所示。

細(xì)分變量的選擇是數(shù)據(jù)預(yù)處理的關(guān)鍵步驟，細(xì)分變量不僅關(guān)系到模型的實(shí)施，而且關(guān)系到后期的結(jié)果分析[5]。本文使用SPSS軟件對(duì)這些數(shù)據(jù)變量進(jìn)行分析，篩選出對(duì)民航客戶細(xì)分模型有意義的屬性項(xiàng)，得到的結(jié)果如表1所示。由于涉及客戶和航空公司隱私，省略了一些屬性項(xiàng)的列舉。

圖1 SPSS數(shù)據(jù)缺失處理Fig.1 SPSSmissing data process

表1 A航空公司的訂票數(shù)據(jù)Tab.1 The ticket data of A airline

4.2 應(yīng)用K-means聚類算法建模

本文根據(jù)客戶價(jià)值將客戶分為高價(jià)值客戶、普通客戶和低價(jià)值客戶3類。因此建模的聚類個(gè)數(shù)k設(shè)為3，實(shí)驗(yàn)所用數(shù)據(jù)集為A航空公司的1 000條訂票數(shù)據(jù)，預(yù)處理后利用K－means算法進(jìn)行聚類，得到結(jié)果如表2所示。

表2 聚類結(jié)果Tab.2 The results of clustering

分析表2各個(gè)客戶群的特征：就艙位而言，Y艙在每個(gè)客戶群中都占有較重的比例，由此可見(jiàn)商務(wù)型旅客應(yīng)該是航空公司今后的重點(diǎn)營(yíng)銷對(duì)象。客戶群1的主要特征是提前訂票時(shí)間較短，并且折扣較低，可知這類旅客對(duì)票價(jià)不敏感，但對(duì)時(shí)間敏感，且以商務(wù)旅客為主，應(yīng)該是高價(jià)值客戶。客戶群2多為常旅客，提前訂票時(shí)間為5天左右，對(duì)時(shí)間的敏感度僅次于客戶群1，折扣也相對(duì)比較低，應(yīng)是普通價(jià)值客戶，航空公司可提供一些營(yíng)銷策略，將該類客戶向客戶群1發(fā)展。客戶群3提前訂票時(shí)間長(zhǎng)，折扣較高，應(yīng)是低價(jià)值客戶，以學(xué)生、游客為主。

5 結(jié) 論

客戶管理和營(yíng)銷是目前我國(guó)民航運(yùn)輸企業(yè)發(fā)展的一個(gè)難點(diǎn)，如何將航空旅客劃分為不同的客戶群，針對(duì)不同的客戶群制定有差別的營(yíng)銷策略，從而提供不同的服務(wù)與管理成為民航企業(yè)發(fā)展的關(guān)鍵問(wèn)題[6]。本文利用K-means聚類算法實(shí)現(xiàn)對(duì)航空旅客的劃分，航空公司可以根據(jù)旅客細(xì)分的結(jié)果進(jìn)行分析，結(jié)合實(shí)際條件，為不同價(jià)值的客戶提供不同的服務(wù)，從而提升企業(yè)在民航市場(chǎng)中的競(jìng)爭(zhēng)力。

[1]郭雯.基于客戶認(rèn)知價(jià)值的CRM戰(zhàn)略[J].商業(yè)研究，2003，8（268）:9-12.GUOWen.CRMstrategy based on customer cognitive value[J].Commercial Research，2003，8（268）:9-12.

[2]朱金福，劉鳳.航空貨運(yùn)客戶細(xì)分與客戶價(jià)值分析方法[J].交通運(yùn)輸工程學(xué)報(bào)，2005，5（2）:73-76.ZHU Jin-fu，LIU Feng.Analysing method of customer segmentation and customer value of air cargo[J].Journal of Traffic and Transportation Engineering，2005，5（2）:73-76.

[3]閆相斌，李一軍，葉強(qiáng).基于購(gòu)買行為的客戶分類方法研究[J].計(jì)算機(jī)集成制造系統(tǒng)，2005，11（12）:1770-1774.YAN Xiang-bin，LI Yi-jun，YE Qiang.Research on customer segmentation based on purchase behaviors[J].Computer Integrated Manufacturing Systems，2005，11（12）:1770-1774.

[4]胡少東.客戶細(xì)分研究[J].工業(yè)技術(shù)經(jīng)濟(jì)，2005，24（7）:63-69.HU Shao-dong.The research of customer segmentation[J].Industrial Technology and Economy，2005，24（7）:63-69.

[5]劉英姿，何偉.基于不同視角的客戶細(xì)分方法研究綜述[J].商場(chǎng)現(xiàn)代化，2007（31）:271.LIU Ying-zi，HE Wei.The research of customer segmentation method based on a different perspective review[J].Market Modernization，2007（1）:271.

[6]羅彪，閆維維.基于ANP和K-means聚類的客戶價(jià)值分類模型及應(yīng)用[J].計(jì)算機(jī)應(yīng)用，2013，33（10）:2954-2959.LUO Biao，YAN Wei-wei.Customer value classification model and application based on analytic network process and K-means clustering[J].Journal of Computer Applications，2013，33（10）:2954-2959.