[发明专利]客户价值发现方法

说明书

本发明公开了一种客户价值发现方法，用于评估航空旅客的价值得分，其包括数据库选择、数据抽取、数据预处理、模型分析、模型组合及模型调整六大步骤。其中，在数据抽取中，引入了本航飞行占比P和里程消费情况M，并引入了多指标数据用于计算客户关系得分。在模型分析中，采用引入客户关系的改进Pagerank算法度量客户的社交网络价值，充分考虑社会网络中客户的相互影响和关系强弱，可以提高客户价值评估精确度，不仅可以找到当前价值较高的客户，也可以找出潜在的高价值客户，通过对高价值的客户提供更好的个性化的服务，可以为航司带来更高的消费收益。

技术领域

本发明涉及数据分析技术领域，具体涉及一种应用于航空业的客户价值发现方法。

背景技术

随着航空企业间的竞争日益加剧，客户价值分析成为航空业最为关注的问题，当前主流的客户价值分析通常采用LRFMC模型，该模型主要由5个指标构成：L(会员入会时间距观测窗口结束的时间，反映可能的活跃时长)、R(最近消费时间距当前的间隔，反映当前的活跃状态)、F(乘机次数，反映客户的忠诚度)、M(客户在观测窗口内累计的飞行里程数，反映客户对乘机的依赖性)和C(客户在观测窗口内乘坐舱位所对应的折扣系数的平均值，侧面反映客户价值高低)，该模型在实践中便于实施与推广而到达广泛应用，新客户历史出行记录信息往往较少，该模型很难发现新客户中潜在的高价值客户，同时该模型仅考虑了客户个体的消费行为，而客户作为真实的社会个体，客户与其所处的社会网络中的客户之间往往是相互影响的，来自客户的引导消费、推荐，间接营销和口碑效应都能提高客户的间接价值，高价值的客户能影响周围的客户而带来更多的消费收益。

目前国内外对于航空客户关系网络的构建和旅客价值度量存在以下问题，同行关系网络的构建局限于分析PNR系统，通过旅客同订单关系量化客户关系，而客户之间存在同一订单的显示关系和不同订单的隐含关系；仅根据网络拓扑结构计算网络节点的价值，忽略客户个体的差异对周围客户的影响差异，不够准确和全面。

发明内容

本发明的目的在于提供一种综合考虑客户个体价值与客户网络价值的客户价值发现方法，实现对客户价值全面与准确的分析。

为实现上述目的，本发明采用以下技术方案：

客户价值发现方法，用于评估航空旅客的价值得分，包括以下步骤：

S1、从航司的各系统中选择相应的数据库，为客户价值分析所需的数据源做准备,所述数据库包括离港系统和PNR系统；

S2、从所选择的数据库中抽取所需的数据，其包括：

S21、引入本航飞行占比P和里程消费情况M，根据LRFMC_PM模型选择分析变量；

S22、从PNR数据和离港数据中提取构建客户社交网络的相关数据，所述相关数据满足以下3种链接规则的任意一种：

a、同航班相同购票码；

b、同航班3次及3次以上的客户；

c、根据同一航班安检和登机编号，同一航班且安检在同一通道先后安检并先后登机；

S3、对抽取的数据进行预处理，使其满足模型建立所需的数据格式与量纲；

S4、采用R或PYTHON建立分析模型，对模型进行训练与预测，输出客户个体价值得分与客户网络价值得分；

具体地，包括以下步骤：

S41、获得客户个体价值得分S1：

用PCA算法对模型变量进行降维，去除数据中的噪声，得到客户的个体价值得分PCA_SCORE1，将PCA_SCORE1得分转化为0-100之间，获得客户个体价值得分S1；

S42、获得客户网络价值S2，具体包括：