民航业务旅客画像的分析维度

刘柳 李淑静 姚佳童 吴越伯 刘婷婷 黄斯诺

一、民航旅客画像分析的意义

民航旅客画像的分析对于民航业务具有重要的意义。分析旅客画像可以帮助航空公司了解旅客的购票偏好、出行需求，从而为旅客提供更精准的产品与服务，提升旅客满意度。

区别于互联网普通用户的画像分析，民航旅客有两大特征。一是用户购买产品的交易流程长。二是民航产品之间具有强关联。

二、旅客画像的应用

用户画像可以实现的业务价值包含基于用户群体的生命周期管理、高价值客户深入挖掘，也可以输出用于个性化实时营销提高销售转化。下面将主要从市场定位、产品定制、销售推广、客户维护四个方面分析用户画像的应用。

支撑市场定位。产品走向市场的一个关键问题便是出售给谁，关注市场规模和市场份额的同时，关注细分市场。可以通过旅客画像将一个大型异质市场细分为许多同质性较小市场，即从用户的角度进行市场定位，从而对不同用户群所属的市场制定不同的市场战略。

支撑产品定制。为满足旅客的多元化需求，可以通过对旅客画像进行深层次分析，挖掘新产品类型或进行产品升级，从而开发出符合旅客需求的个性化产品，增强产品特点，提高市场吸引力与产品竞争力。

支撑销售推广。一方面，各个航司普遍存在自身产品及品牌的宣传需求，而这一需求基于对目前市场环境的判断，其宣传的主要受体是旅客，旅客画像是宣传推广策略的一个重要考量因素；另一方面，品牌宣传、产品推广等需要根据旅客画像实施精准营销，对不同画像的旅客制定不同的营销策略，通过用户画像可以更好的了解用户，提供更符合他们兴趣的推送内容，从而尽可能提升用户的体验，帮助用户享受更好的产品与服务。

支撑客户维护。通过对旅客画像的分析，进行客户分类，有针对性地提供服务，提高目标客户感知度，从而增加客户粘性。同时，在安全方面，也可以通过应用用户画像，定义不文明旅客分类，保障广大正常旅客的利益以及维护民航运行安全等。

三、旅客画像分析可用的数据源

为了精准的描述民航旅客画像，首先要具备全面的用户数据作为画像的数据输入源。旅客从预订机票到抵达目的地成行，往往会产生大量的数据可用于分析用户行为。

梳理出生成用户画像需要的数据后，则需要了解从何处可以采集上述信息。中国民航真正意义上的信息化，是从PSS（旅客服务系统）的引进、建设和应用开始的，PSS系统包括订座系统（ICS）、离港系统（DCS）、以及代理人系统（CRS）。航空公司的票据交易数据存储在上述系统。而随着互联网的发展，旅客通过航司电商系统如B2C网站、AppP等航司自营渠道以及OTA渠道购买产品与服务的比重逐渐上升。为了更好地了解旅客的行为，在旅客授权数据的前提下，我们可以通过埋点技术获取旅客在电商系统的前端行为数据，比如浏览的页面、停留的时间、访问的频次、点击的按钮等信息数据，更多的获取旅客在交易前的行为信息。

其中，订座系统产生的数据包括库存数据（INV）、客票数据（ET）、EMD票数据（EMD）、订座pnr数据（PNR）、航班计划数据（SCH），内容涵盖旅客在全渠道订票时的所有旅客身份信息、航班行程信息、附加服务、客票信息及pnr信息等；离港系统产生的数据则主要包括离港航班数据（FLT）、离港旅客数据（CKI），内容涵蓋航班离港初始化后的旅客值机、行李托运、安检、登机等航班离港各节点信息；航司电商系统产生的数据主要是电商Super PNR数据（SPNR）与旅客注册登录数据，SPNR则主要涵盖旅客在航司电商系统购买的订单中的产品或服务内容（机票、酒店、保险等）、价格、支付方式等信息。

四、用户画像的分析手段

标签是通过对用户的各种综合信息进行分析而来的高度精炼的特征标识，是用户画像体系中的最小单元。通过构建标签体系将数据整合为数据资产，刻画用户画像，了解用户显著特征。

从标签统计方式方面，则主要可以分为事实类标签、统计类标签、算法模型类标签。

事实类标签主要以用户为中心，围绕旅客出行全生命周期进行数据收集、汇聚，生成基于数据事实的基础标签，如年龄阶层、用户性别、用户所属城市等用户基础信息，主要用于描述客观事实。

统计类标签则主要是基于对业务的理解，依据一定的规则，对原始数据进行统计加工。如活跃用户，可以定义为过去7天登录次数大于3次的用户、或过去90天购票次数大于3次的用户。

算法模型类标签主要应用于多维度信息整合后体现的相关标签。比如用户价值、用户风险等。基于对业务的理解选用合适的数学模型，通过规则模型或机器学习模型来进行标签的运算，无监督类别的机器学习模型往往无法对运算结论进行解释，当具备海量数据、数据本身可信度较高且需要计算输出的结果逻辑复杂时，适合采用此种方式。

五、用户画像的梳理方法

由于用户画像的分析角度有方方面面，航空公司应该怎样梳理自己的用户画像维度。一般可以从以下角度考虑：

（一） KPI导向

公司会根据发展指定发展目标，并下发目标的KPI。将公司要达成的目标进行拆解，这个拆解的过程，可以使用OSM模型。O-Objective代表目标，比如：提升销售额20%、提升网站渠道用户流量10%、提升新用户数量占比5%。在定义目标的时候，对其进行量化。S-Strategy 代表策略，即达成目标要采用怎样的事实路径，比如：针对活动的销售量提升20%，则可以通过提升用户数、提升用户访问量、提升转化率、提升客单价、发送优惠券等策略。M-Measurement 代表度量，衡量该策略的指标，如提升访问量的实现策略，可以通过浏览的用户量、浏览的时长、退出率、各个活动入口的流量等客观评估该策略是否有效。

（二） 航司的运营目标导向

如完成流量、销量、风控等相关的运营目标。提升航司的拉新、促活、留存、分享等流量运营目标时，分析相关运营目标的依赖项并将其转化为标签，如实现拉新时，关注用户注册时间、用户注册渠道、注册方式、用户类型（潜在用户/会员等）；实现促活，则需要关注用户的活跃度（高/中/低）。运营目标设置为提升航司的销量，业务上则关注机票购买转化率、购买总金额、购买总次数等；风控方面的运营目标则一般关注用户的退票率、是否黑名单用户等。

（三） 按照旅客出行全流程

根据旅客出行流程的不同阶段进行梳理，如航班搜索、注册、登录、预定、支付、选座、出票、值机、成行、乘机体验等进行分类。在浏览阶段，又可以细化为用户本人的最近一次访问时间、用户访问的设备信息，以及用户浏览的渠道等。

六、结语

本文主要基于民航业务特征、数据特征等，结合民航相关的业务应用，对民航业旅客画像的分析维度进行了分析阐述。通过对用户画像多维分析，从多角度、多场景对标签进行构建与分类，能够不丢不重的构建丰富的用户标签体系。在深度刻画用户画像的同时，也有助于帮助未来对海量标签的维护与更新。而互联网行业的用户画像分析构建起步较早，对民航业旅客画像的构建有一定的借鉴意义，航司也可结合自身特点进行旅客画像构建的分析与研究。在未来民航业的发展过程中，旅客画像分析可有力地帮助航司深入了解自己的用户，为旅客提供精准的产品与服务，从而加速实现人享其行、助推航司快速发展。

作者单位：中国民航信息网络股份有限公司