摘要：本文首先對航空貨運客戶進行分類，然后細分了航空貨運客戶價值，進而重點介紹了數(shù)據(jù)挖掘中面向?qū)傩缘臍w納的算法，并在此基礎上對航空貨運客戶的進行了實證研究。

關鍵詞：航空貨運客戶 客戶價值細分 數(shù)據(jù)挖掘

一、前言

近年來，航空貨運已經(jīng)成為航空運輸?shù)囊粋€重要組成部分，同時航空貨運市場的競爭也日益激烈[1]。發(fā)展航空貨運業(yè)已然成為我國運輸業(yè)面臨的一項緊迫戰(zhàn)略任務。所以，航空公司需要積極主動地采取措施改善服務，以優(yōu)質(zhì)的服務來獲得認可，以便應對不斷增長的貨運需求[2]。在“以客戶為中心”的業(yè)務模式下，客戶關系管理（CRM）是最好的工具和方法，無疑也是國內(nèi)外航空公司的最佳選擇[2]。本文采用理論研究與實證研究相結(jié)合的方法，運用數(shù)據(jù)挖掘技術(shù)對航空貨運CRM作了定性和定量的研究。

二、航空貨運客戶價值細分

企業(yè)要正確實施客戶關系管理和客戶價值研究，就必須根據(jù)需要對其擁有的客戶進行合理的分類，并通過此分類建立起一對一的客戶服務體系，實施差異化客戶管理[3]。我們結(jié)合航空貨運業(yè)務的實際特點，將貨運客戶分為散貨主和合同貨主，其中，合同貨主又分為大貨主和貨運代理兩種。

在現(xiàn)實中，為了使各細分市場客戶的特征更加突出和統(tǒng)一，從而使客戶關系管理的實施更具針對性和有效性，有必要對各類客戶再次細分為：高價值忠誠客戶和低價值忠誠客戶、高價值一般客戶和低價值一般客戶、高價值不忠誠客戶和低價值不忠誠客戶、高價值潛在客戶和低價值潛在客戶8類，如圖2.1所示[3]。在下圖中，代表每類客戶的方框中顯示的百分比是該類客戶數(shù)量占總客戶數(shù)量的百分比。

圖2.1 航空貨運客戶細分模型【4】【5】

A類客戶:是企業(yè)大量潛在客戶中具有較高價值的一類客戶。企業(yè)應給予這類客戶廣泛的關注，提高對這類客戶的服務質(zhì)量和服務效率。

B類客戶:這類客戶雖然與公司交易次數(shù)不多，但每次交易都會為公司帶來巨大利潤。對于這類客戶公司應該給予更大的關注，應設法將其轉(zhuǎn)變?yōu)橹艺\客戶。

CD類客戶:這是一類對企業(yè)做出巨大貢獻的客戶，是企業(yè)得以成功的依靠所在[1]。企業(yè)應繼續(xù)保持與該類客戶已經(jīng)建立的良好客戶關系，并及時了解其需求和心理的變化，力求延長其生命周期[7]。

三、數(shù)據(jù)挖掘在航空貨運CRM中的應用

1.數(shù)據(jù)挖掘

航空公司中有關客戶的數(shù)據(jù)繁多，存在于各種不同部門，每個部門之間由于各種原因形成信息孤島，使得公司不能得到完整、統(tǒng)一、全面的視角[2]。為了有效挖掘這些數(shù)據(jù)中的有用信息，航空公司首先要做的就是進行數(shù)據(jù)集中，建立數(shù)據(jù)倉庫?；诖嘶A，航空公司才能有序的開展其貨運客戶關系管理活動，以及運用數(shù)據(jù)挖掘解決其實際存在的問題。

數(shù)據(jù)挖掘在航空公司CRM中有兩個角色：一是將數(shù)據(jù)轉(zhuǎn)化為信息和知識，二是將知識融入到航空公司的運營系統(tǒng)中，進行正確的運作。在航空業(yè)中，數(shù)據(jù)挖掘被廣泛應用于群體細分、行為分析、流失分析、價值分析、忠誠度分析、數(shù)據(jù)庫營銷等業(yè)務主題[2]。

2.算法介紹：

算法的第一步，根據(jù)用戶所描述的數(shù)據(jù)挖掘任務的要求從數(shù)據(jù)庫中抽取與挖掘任務相關的初始數(shù)據(jù)集。

第二步，收集初始關系上的統(tǒng)計，對初始數(shù)據(jù)集進行一次掃描。對每個屬性計算最低期望層和確定映射對(v，v’)依賴于每個屬性的不同值數(shù)量，它比初始關系的元組數(shù)n小。

第三步，進行前一節(jié)所介紹的屬性消減工作，即利用所設置的（每個屬性）泛化控制閾值幫助消減擁有過多不同值的屬性。

四、數(shù)據(jù)挖掘在航空貨運CRM中的實證研究

1.航空貨運客戶群特征泛化的具體過程

數(shù)據(jù)來源是XX航空公司某段航線的貨運系統(tǒng)中2005-2006年的部分貨運數(shù)據(jù)。

第一步，屬性泛化閾值控制，即對每個屬性設置一個閾值。如果屬性的不同值個數(shù)大于屬性概化閾值，則進行進一步的屬性刪除或?qū)傩愿呕?。屬性泛化后所得的客戶群特征如表4.1所示：

表4.1 歸納后的客戶特征表

第二步，泛化關系閾值控制。為泛化關系設置一個閾值，如果泛化關系中不同元組的個數(shù)超過該閾值，則應當進行進一步概化，即重新確定屬性泛化閾值，并返回第一步；否則，不再進一步泛化關系閾值控制，不再進一步壓縮泛化的關系。

最后，通過OLAP查詢，就可得知航空貨運客戶的大致共同特征。

2.航空貨運客戶群特征泛化所得出的結(jié)論

第一，客戶托運的貨物以為普貨類最多，約占57%左右，有14%的貨物屬于水產(chǎn)類、菜類的貨物約占到11%，.代理急件和服裝類約占到8%左右，另外還有少量的貨站急件以及報紙等其他貨物。

第二，高價值忠誠客戶主要是來自托運貨物為普通貨物類的客戶?？蛻魯?shù)目最多，而且他們對公司的利潤貢獻很大。

第三，高價值潛在客戶主要來自托運特種貨物和水產(chǎn)類的客戶，其中托運特種貨物的客戶數(shù)目不多，但是他們對公司的利潤貢獻卻很大。

五、結(jié)束語

本文運用數(shù)據(jù)挖掘技術(shù)中基于屬性歸納的方法，對航空貨運業(yè)的客戶群特征進行了定性和定量的研究，希望本文的研究能為我國航空貨運客戶關系管理的改善，航空貨運服務的效率和質(zhì)量的提高等方面提供有價值的參考，為航空貨運業(yè)創(chuàng)造更大的利潤。

參考文獻：

[1]唐小衛(wèi)，徐月芳. 航空貨運客戶價值研究[J]，經(jīng)濟管理論壇，2005（6）：47

[2] 遲曉明. 基于數(shù)據(jù)倉庫與數(shù)據(jù)挖掘的航空貨運分析CRM應用研究[D].，中國海洋大學，2009.5：12

[3] 劉鳳，朱金福. 應用數(shù)據(jù)倉庫技術(shù)實現(xiàn)航空貨運客戶關系管理[A]交通運輸研究與探索[C] 北京：人民交通出版社，2003