基于数据挖掘技术的航空客户流失与细分研究及R语言程序实现

详细信息    查看全文 | 推荐本文 |

英文篇名：Analysis of the Airline Customer Churn and Consumer Segmentation Based on Data Mining Algorithm Using R 作者：张利利 ; 马艳琴 英文作者：ZHANG Li-li;MA Yan-qin;Huanghe Science and Technology College; 关键词：决策树 ; 聚类分析 ; 客户细分 ; 客户流失 英文关键词：decision tree;;clustering analysis;;consumer segmentation;;customer churn 中文刊名：SSJS 英文刊名：Mathematics in Practice and Theory 机构：黄河科技学院信息工程学院; 出版日期：2019-03-23 出版单位：数学的实践与认识 年：2019 期：v.49 基金：河南省科技厅基础与前沿技术项目(182102311100) 语种：中文; 页：SSJS201906014 页数：9 CN：06 ISSN：11-2018/O1 分类号：136-144

摘要

提高航空客运的上座率既能使航空资源得到充分利用,更能显著的增加航空公司的效益.主要从某航空公司旅客乘机记录中对航空公司的客户进行行为分析,采用数据挖掘技术,首先利用决策树方法对客户进行流失预测,然后利用K-均值聚类进行客户细分,将客户划分为五类,同时对客户进行价值评估,挖掘出有价值的客户,最后综合分析客户流失与客户细分结果,并提出相应的营销策略,从而达到提高上座率和效益的目标.
        Improving the attendances of scheduled flights can not only make full use of aviation resources, but can also increase the benefit of the airline effectively. This Article build a customer segmentation model by a decision tree firstly and customer churn model by K-means cluster secondly, using mass data of members of the airline, by data mining, to distinguish customer bases and put forward the corresponding marketing strategies. So that,the airline is able to improve the attendences and benefit.

引文

[1]关静.聚类分析在电信客户细分中的应用[D].长春理工大学,2011.
    [2] Ziafat H, ShakeriM. Using Data Mining Techniques in Customer Segmentation[J]. International Journal of Engineering Research&Applmatiom, 2014, 4(9).
    [3]赵红,付立军,王丽琴等.基于模糊聚类算法的客户细分研究[J].数学的实践与认识,2010, 40(11):34-39.
    [4]胡国兰.基于数据挖掘的移动CRM客户细分研究[D].湖南大学,2012.
    [5]梁霄波.电信客户细分中基于聚类算法的数据挖掘技术研究[J].现代电子技术,2016, 39(15):95-98.
    [6]张文欣.航空公司常旅客细分研究[D].南京航空航天大学,
    [7]钱苏丽,何建敏,王纯麟.基于改进支持向量机的电信客户流失估计模型[J].管理科学,2007(1):54-58.
    [8]朱志勇,徐长梅,刘志兵等.基于贝叶斯网络的客户流失分析研究[J].计算机工程与科学,2013(3):155-158.
    [9]罗彬,邵培基.基于预算限制和客户挽留价值最大化的电信客户流失挽留研究[J].管理学报,2012(2):280-288.
    [10]范波,程久军.用户间多相似度协同过滤推荐算法[J].计算机科学,2012(1):23-26.
    [11]朱思思.H航空公司贵宾会员流失应对策略研究[D].广东财经大学,2017.
    [12]王巡.航空客户消费行为分析与航班优化研究[D].西南交通大学,2013.
    [13] Wass J A. CART:A Powerful Decision Tree Tool for Predictive Modeling[J]. Scientific Computing,2007, 24(7):47-49.
    [14] Zhao Xue Jun, Yang Yang.The Study of Coal Enterprise Ability for Technology Innovation Based on CART Decision Tree[J]. Advanced Materials Research, 2007, 24(7):47-49.
    [15]李武,赵娇燕,严太山.基于平均差异度优选初始聚类中心的改进K-均值聚类算法[J].控制与决策,2017, 32(4):759-762.
    [16]陈敏娜,梁海华.K-means聚类算法在企业环境效率评价的应用及R语言实现[J].数学的实践与认识,2018(2):307-315.