论文部分内容阅读
从大量民航旅客订票数据中识别潜在高价值旅客是航空公司面临的重要问题。现有的旅客价值评价方法依赖于大量旅客订票历史记录,仅能发现当前乘机次数较多的高价值旅客。而潜在高价值旅客由于当前乘机历史记录少,较难被航空公司准确发现并关注。另一方面,旅客基于一定的出行意图出行,出行意图客观存在且被所有旅客共享,可以通过大规模旅客出行数据得到民航旅客出行背后隐藏的出行意图。因此,通过发现旅客出行意图分布,开展基于出行意图发现的潜在高价值旅客挖掘研究,对航空公司旅客细分和旅客价值发现有很大的研究价值和应用前景。潜在高价值旅客当前乘机出行次数较少,未来乘机需求却很高。因此,本文首先提出一个基于出行意图的潜在高价值旅客发现概率模型,将旅客出行意图引入概率模型,通过参数动态调节预测旅客潜在航线需求,优化旅客潜在价值计算,从而实现通过出行意图发现潜在高价值旅客。实验表明,相比于次数法、里程法以及RFM(Recency Frequency Monetary)模型等传统的旅客价值度量方法,基于出行意图的潜在高价值旅客发现概率模型能够有效识别潜在高价值旅客。由于概率模型没有考虑乘机花费金额,且旅客之间并不全部是彼此不相关联的独立实体,具有共同出行关系的旅客之间的出行意图会相互影响。因此,本文将旅客共同出行关系引入旅客出行意图发现,通过旅客出行意图预测旅客未来乘坐每条航线的概率。再将旅客乘坐每条航线的概率与航线航程乘积的加权和作为旅客未来的乘机花费,改进传统RFM模型中F和M指标的计算方法,提出了基于改进的出行意图发现的RFMPro模型。实验表明,与传统RFM模型对比,RFMPro模型能够更准确发现当前乘机次数少但是未来乘机花费金额高的潜在高价值旅客。