CN104361502A - 乘客行为数据分析方法 - Google Patents
乘客行为数据分析方法 Download PDFInfo
- Publication number
- CN104361502A CN104361502A CN201410167537.7A CN201410167537A CN104361502A CN 104361502 A CN104361502 A CN 104361502A CN 201410167537 A CN201410167537 A CN 201410167537A CN 104361502 A CN104361502 A CN 104361502A
- Authority
- CN
- China
- Prior art keywords
- data
- passenger
- behavior
- different
- analysis method
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种乘客行为数据分析方法，其步骤如下：收集乘客行为数据，将订票系统和社交网络平台等其他渠道得到的数据进行抽取、整合和清理，并将数据转换成可用于数据分析的格式；采用数据挖掘算法、统计方法以及业务经验知识对乘客的属性进行计算和筛选，提取有用的行为属性和信息属性；实现潜在类别模型对乘客行为的细分，并进行可视化展示每一类别乘客的特点，以及给出精准营销的建议。和以为技术相比，本发明对乘客行为数据的各种数据源进行整合，形成较为完整的分析数据源；通过为不同特点的乘客群提供不同的营销活动，达到精准营销的效果，降低成本，并提高了收益。
Description
技术领域
本发明涉及一种乘客行为数据分析方法。
背景技术
航空旅游业各公司内部每天都会产生很多数据，如订票数据、航班数据、安检数据等，这些数据分别部署在不同的系统上，不仅相当庞而且分散，没有被很好地结合和运用。
当下，航空旅游业的乘客行为分析主要存在如下问题：
1、缺乏对各种数据源进行整合，数据分散（订票系统数据、社交网站数据、机场数据等）；
2、缺乏对乘客的特征描述，即如何选择哪些属性来描述乘客，如性别年龄分布、消费情况等；
3、缺乏对乘客行为的细分，对乘客进行细分从而进行不同的营销活动，如定义不同的票价、推广不同的广告和其他更多的个性化服务。
发明内容
为了解决上述问题，本发明提供一种乘客行为数据分析方法，从各个渠道收集的乘客行为相关的数据，运用数据挖掘与统计分析方法细分乘客，从而对乘客提供针对性的服务，并改进营销策略以提高收益。
为了达成本方面之目的，本发明的技术方案如下。
乘客行为数据分析方法，包括以下步骤：
步骤1，收集乘客行为数据，将订票系统和社交网络平台等其他渠道得到的数据进行抽取、整合和清理，并将数据转换成可用于数据分析的格式；
步骤2，采用数据挖掘算法、统计方法以及业务经验知识对乘客的属性进行计算和筛选，提取有用的行为属性和信息属性；
步骤3，实现潜在类别模型对乘客行为的细分，并进行可视化展示每一类别乘客的特点，以及给出精准营销的建议。
本发明的有益效果是：对乘客行为数据的各种数据源进行整合，形成较为完整的分析数据源；乘客细分可用于描述各个乘客群的行为特征，通过为不同特点的乘客群提供不同的营销活动，达到精准营销的效果，降低成本，并提高了收益。
附图说明
图1是本发明实施例乘客行为细分流程图；
图2是本发明实施例乘客细分的结果展示图。
具体实施方式
如图1所示，每一部分的具体过程如下：
1、数据源：PNR数据、乘客的社交网络数据（如微博、微信、人人网、论坛等）、航空订票系统、机场数据等与乘客行为相关的数据；
2、数据预处理（ETL过程）：将所有数据源的数据通过提取、转换、加载存储到数据库，并采用Python进行数据预处理，将数据格式转换为符合数据分析工具的数据格式；
3、RFM改进模型计算乘客价值：采用RFM的改进模型来分析和推测乘客消费的状况，判断乘客流失的可能性，计算乘客的价值，从而能够及时地挽留住重要贡献的乘客；其中，R(Recency)表示在观测期间内，乘客最近一次购买的时间；F(Frequency)表示乘客在观测时间内购买的次数；M (Monetary)表示乘客在观测时间内购买的金额；RFM模型在航空领域的应用不同于其他领域，根据航空领域的特点，加入起飞日期、机票费用、成为会员的时间、里程积分等变量属性，并采用逻辑回归来拟合RFM模型的参数，得到乘客的价值属性；
4、乘客的行为特征选取：根据民航业务经验知识和统计方法，选取可用于乘客细分的行为特征属性；其中考虑的变量包括乘客价值、乘客类型（成人、儿童、婴儿）、出行目的（旅游、商务）、舱位等级、离港时刻、提前订座时间差、起飞时间是否为周末、起飞时间是否为早上、航程类型（单程、往返、其他）、性别、年龄、消费情况、学历情况（初中、高中、本科、硕士及以上）、工作情况（学生、白领、公务员、非全职）、家庭情况（有无小孩、小孩是否上学）、行李、出行频率、出行目的地等行为和乘客信息属性；
5、数据挖掘实现乘客细分：潜在类别模型（Latent Class Model）；潜在类别模型处理的是类别变量，它是一种用于从多元数据中寻找潜在类，并实现聚类；将航空乘客的行为属性特征放进潜在类别模型，从中将行为相近的乘客聚集在一起，实现乘客细分；采用R语言工具实现算法；
6、乘客细分结果为五类：积极规划型、体验爱好型、自发娱乐探索型、旅游购物爱好型、就近度假探索型；
7、可视化展示统计乘客细分结果如图2：分析和挖掘每一类乘客的特点，动态展示每一乘客群的行为特点，并对不同的乘客群制定不同的营销手段，达到精准营销的效果。
Claims (1)
1.乘客行为数据分析方法，其特征在于，包括以下步骤：
步骤1，收集乘客行为数据，将订票系统和社交网络平台等其他渠道得到的数据进行抽取、整合和清理，并将数据转换成可用于数据分析的格式；
步骤2，采用数据挖掘算法、统计方法以及业务经验知识对乘客的属性进行计算和筛选，提取有用的行为属性和信息属性；
步骤3，实现潜在类别模型对乘客行为的细分，并进行可视化展示每一类别乘客的特点，以及给出精准营销的建议。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410167537.7A CN104361502A (zh) | 2014-04-24 | 2014-04-24 | 乘客行为数据分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410167537.7A CN104361502A (zh) | 2014-04-24 | 2014-04-24 | 乘客行为数据分析方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN104361502A true CN104361502A (zh) | 2015-02-18 |
Family
ID=52528760
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410167537.7A Pending CN104361502A (zh) | 2014-04-24 | 2014-04-24 | 乘客行为数据分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104361502A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105512773A (zh) * | 2015-12-25 | 2016-04-20 | 中国民航信息网络股份有限公司 | 旅客出行目的预测方法及装置 |
| CN106157105A (zh) * | 2015-04-22 | 2016-11-23 | 阿里巴巴集团控股有限公司 | 获取用户状态信息的方法和装置 |
| CN106294780A (zh) * | 2016-08-12 | 2017-01-04 | 西安电子科技大学 | 一种从社交网络抽取msvl模型的方法 |
| CN106651403A (zh) * | 2016-12-30 | 2017-05-10 | 上海富聪金融信息服务有限公司 | 客户信息管理系统和方法 |
| CN107662869A (zh) * | 2016-07-29 | 2018-02-06 | 奥的斯电梯公司 | 用于乘客运送装置的大数据分析处理系统和方法 |
| CN109063130A (zh) * | 2018-08-02 | 2018-12-21 | 广州友米科技有限公司 | 基于用户行为合并展示社交分享信息的方法 |
| CN109522372A (zh) * | 2018-11-21 | 2019-03-26 | 北京交通大学 | 民航领域旅客价值的预测方法 |
| US10951922B1 (en) | 2019-08-27 | 2021-03-16 | Panasonic Avionics Corporation | Passenger tailored content for vehicle entertainment systems |
| US11395022B1 (en) | 2021-06-03 | 2022-07-19 | Panasonic Avionics Corporation | Passenger preference based content delivery in commercial passenger vehicles |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101383872A (zh) * | 2008-10-22 | 2009-03-11 | 中国移动通信集团福建有限公司 | 通信行业基于数据仓库的飞机乘坐客户筛选的方法 |
| CN101620706A (zh) * | 2008-06-30 | 2010-01-06 | 上海全成通信技术有限公司 | 一种增量销售的数据挖掘建模方法 |
| CN103699601A (zh) * | 2013-12-12 | 2014-04-02 | 深圳先进技术研究院 | 基于时空数据挖掘的地铁乘客分类方法 |
-
2014
- 2014-04-24 CN CN201410167537.7A patent/CN104361502A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101620706A (zh) * | 2008-06-30 | 2010-01-06 | 上海全成通信技术有限公司 | 一种增量销售的数据挖掘建模方法 |
| CN101383872A (zh) * | 2008-10-22 | 2009-03-11 | 中国移动通信集团福建有限公司 | 通信行业基于数据仓库的飞机乘坐客户筛选的方法 |
| CN103699601A (zh) * | 2013-12-12 | 2014-04-02 | 深圳先进技术研究院 | 基于时空数据挖掘的地铁乘客分类方法 |
Non-Patent Citations (6)
| Title |
|---|
| 刘攀: "基于数据挖掘的航空公司客户价值建模", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 林元震: "《R与ASReml-R统计分析教程》", 31 January 2014 * |
| 林盛等: "基于RFM的电信客户市场细分方法", 《哈尔滨工业大学学报》 * |
| 田晖: "航空公司客户关系管理模式研究", 《中国优秀硕士学位论文全文数据库 经济与管理科学辑》 * |
| 顾兆军等: "基于潜在类别模型的航空旅客分类", 《计算机技术与发展》 * |
| 麦金尼: "《利用Python进行数据分析》", 30 September 2013 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106157105A (zh) * | 2015-04-22 | 2016-11-23 | 阿里巴巴集团控股有限公司 | 获取用户状态信息的方法和装置 |
| CN105512773A (zh) * | 2015-12-25 | 2016-04-20 | 中国民航信息网络股份有限公司 | 旅客出行目的预测方法及装置 |
| CN107662869A (zh) * | 2016-07-29 | 2018-02-06 | 奥的斯电梯公司 | 用于乘客运送装置的大数据分析处理系统和方法 |
| CN106294780A (zh) * | 2016-08-12 | 2017-01-04 | 西安电子科技大学 | 一种从社交网络抽取msvl模型的方法 |
| CN106294780B (zh) * | 2016-08-12 | 2019-04-30 | 西安电子科技大学 | 一种从社交网络抽取msvl模型的方法 |
| CN106651403A (zh) * | 2016-12-30 | 2017-05-10 | 上海富聪金融信息服务有限公司 | 客户信息管理系统和方法 |
| CN109063130A (zh) * | 2018-08-02 | 2018-12-21 | 广州友米科技有限公司 | 基于用户行为合并展示社交分享信息的方法 |
| CN109522372A (zh) * | 2018-11-21 | 2019-03-26 | 北京交通大学 | 民航领域旅客价值的预测方法 |
| US10951922B1 (en) | 2019-08-27 | 2021-03-16 | Panasonic Avionics Corporation | Passenger tailored content for vehicle entertainment systems |
| US11395022B1 (en) | 2021-06-03 | 2022-07-19 | Panasonic Avionics Corporation | Passenger preference based content delivery in commercial passenger vehicles |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104361502A (zh) | 乘客行为数据分析方法 | |
| Hörl et al. | Synthetic population and travel demand for Paris and Île-de-France based on open and publicly available data | |
| Ma et al. | Understanding commuting patterns using transit smart card data | |
| Anderson et al. | Multimodal route choice models of public transport passengers in the Greater Copenhagen Area | |
| Eboli et al. | Spatial variation of the perceived transit service quality at rail stations | |
| Gal et al. | Traveling time prediction in scheduled transportation with journey segments | |
| Chen et al. | Nonlinear effects of built environment on intermodal transit trips considering spatial heterogeneity | |
| De Ona et al. | Heterogeneity in perceptions of service quality among groups of railway passengers | |
| Eker et al. | An exploratory investigation of public perceptions towards key benefits and concerns from the future use of flying cars | |
| Gössling et al. | Why sustainable transport policies will fail: EU climate policy in the light of transport taboos | |
| Lee et al. | Trip purpose inference using automated fare collection data | |
| De Oña et al. | Key factors affecting rail service quality in the Northern Italy: a decision tree approach | |
| Junior et al. | Efficiency drivers of international airports: A worldwide benchmarking study | |
| Chantruthai et al. | A Study of competitiveness between low cost airlines and high-speed-rail: A case study of southern corridor in Thailand | |
| Cordera et al. | Trip distribution model for regional railway services considering spatial effects between stations | |
| Xu et al. | Improving service quality of metro systems—A case study in the Beijing metro | |
| Cerqueira et al. | Inference of dynamic origin–destination matrices with trip and transfer status from individual smart card data | |
| Marra et al. | Determining an efficient and precise choice set for public transport based on tracking data | |
| Hadiuzzaman et al. | Structural equation approach to investigate trip-chaining and mode choice relationships in the context of developing countries | |
| Schmalz et al. | Door-to-door air travel: Exploring trends in corporate reports using text classification models | |
| Mamdoohi et al. | Modeling air passengers’ ground access mode choice a case study of IKIA | |
| Kim et al. | A study on the effect of airport choice attributes on airport users’ satisfaction and behavioural intentions: The case of Gimpo International Airport | |
| Cordera et al. | Future scenarios for the European railway sector: A methodology based on past trends and a stated preference survey | |
| Mohammadian et al. | Investigating transferability of national household travel survey data | |
| Sha et al. | Modeling airline decisions on route planning using discrete choice models |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150218 |
|
| RJ01 | Rejection of invention patent application after publication |