随着互联网以及移动支付的快速发展,中国在线机票预订市场交易规模与日俱增,线上购买机票成为旅客购票的主要方式。随着用户的年轻化和支付场景的转变,旅客的消费习惯和出行需求也随之发生转变。传统的航空旅客划分方式主要有两种:一是依据旅客的累计飞行里程将乘客划分为不同的会员等级,二是将旅客按照普通旅客与商务旅客进行区分。传统的旅客划分方式过于笼统,无法满足航空公司以及代理人网站对于精准营销的需求。而随着数据挖掘的日益发展,聚类分析为旅客细分提供了有利条件。为此,本文依托旅客细分理论,以在线购票的航空旅客为研究对象,利用聚类分析将在线购票的航空旅客分类,刻画不同类别旅客肖像。通过分析不同场景下旅客的在线购买行为为航空公司及在线购票平台提供相应营销策略。本文主要运用K-means聚类算法对在线购票的航空旅客进行分类,将具有相似特征的旅客划分为同一类别,并通过二元logistic回归分析不同场景下旅客聚类的影响因素。首先梳理了聚类分析在航空旅客细分领域的应用,选取旅客的自身属性并融入在线旅客的特征作为聚类指标,通过分层聚类法对指标进行归并;其次,通过K-means聚类算法对在线购票的航空旅客进行聚类,并引入“Hart”指标,F检验确保聚类结果的有效性,得到将旅客划分为三类时聚类效果最好,这三类旅客可概括为“探亲访友的中年航空旅客”,“寒暑假返家的学生党旅客”以及“年轻的休闲航空旅客”;然后,设置了两个旅客在购票时可能会遇到的场景,场景一为是否独自出行,场景二为是否仅需订票服务,并选取描述旅客出行属性的指标作为因变量,通过二元Logistic回归分析得到购票渠道和提前购票时间对大部分旅客的聚类结果具有显著影响;最后,通过分析不同场景下每一类旅客的购票行为,识别不同类别旅客的消费诉求,为航空公司及第三方订票平台提供在不同场景下针对各类旅客的营销建议。