基于旅客行为的航空旅客细分模型研究及其实现

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战略指导。

目录

封面

声明

中文摘要

英文摘要

目录

图表清单

注释表

缩略词

第一章 绪论

1.1 研究背景

1.2 研究目的和意义

1.4 课题来源

1.5 本论文的主要内容和结构安排

第二章 航空旅客细分理论和方法研究

2.1 客户细分

2.2 数据挖掘技术在客户细分中的应用

2.3 航空行业现有的细分方法及问题

2.4 基于旅客行为的航空旅客细分模型构建

2.5 小结

第三章 基于核的DBSCAN算法

3.1 DBSCAN算法

3.2 核函数的基本特征

3.3 核聚类方法

3.4 航空旅客相似性度量

3.5 基于核的DBSCAN算法描述

3.6 实验分析

3.7 本章小结

第四章 DfP-DBSCAN聚类算法

4.1 理论基础

4.2 数据分区

4.3 局部聚类及合并

4.4 DfP-DBSCAN聚类算法描述

4.5 实验分析

4.6 本章小结

第五章 A航空公司基于旅客行为的细分模型实例

5.1 需求分析

5.2 航空旅客行为特征

5.3 数据准备和预处理

5.4 基于旅客行为的航空旅客细分模型实施

5.5 本章小结

第六章 结论与展望

6.1 结论

6.2 展望

参考文献

致谢

在学期间的研究成果及发表的学术论文