航空公司客戶流失率及其影響因素分析

周寶建 盧鋒長(zhǎng)

[摘 要] 航空公司之間的競(jìng)爭(zhēng)日益激烈，提高客戶滿意度，降低客戶流失率是航空公司制勝的關(guān)鍵。文章以某航空公司的實(shí)際運(yùn)營(yíng)數(shù)據(jù)為基礎(chǔ)，應(yīng)用數(shù)據(jù)分析軟件，從客戶的會(huì)員卡級(jí)別、入會(huì)時(shí)間、性別、年齡、所在城市、飛行次數(shù)、總飛行里程、平均乘機(jī)間隔時(shí)間、積分兌換次數(shù)等多維度進(jìn)行分析，包括相關(guān)性分析、回歸分析，構(gòu)建數(shù)據(jù)模型，包括流失概率模型和客戶畫像，進(jìn)行客戶流失預(yù)警，為航空公司運(yùn)營(yíng)管理提供對(duì)策建議，數(shù)據(jù)模型對(duì)于其他航空公司的運(yùn)營(yíng)決策具有一定的參考價(jià)值。

[關(guān)鍵詞] 航空公司 客戶流失率 資料分析

中圖分類號(hào)：F407.5 文獻(xiàn)標(biāo)志碼：A

伴隨全球數(shù)字化經(jīng)濟(jì)的高速發(fā)展，世界進(jìn)入了一個(gè)嶄新的數(shù)字經(jīng)濟(jì)時(shí)代。消費(fèi)者行為日益理性化，在客戶驅(qū)動(dòng)的新型市場(chǎng)特征下傳統(tǒng)的CRM難以滿足企業(yè)維持客戶關(guān)系的需求。

通過(guò)分析客戶數(shù)據(jù)獲取價(jià)值成為企業(yè)提高核心競(jìng)爭(zhēng)力的新策略。如何改善客戶流失的問(wèn)題，繼而提高客戶滿意度、忠誠(chéng)度是航空公司維護(hù)自身市場(chǎng)并面對(duì)激烈競(jìng)爭(zhēng)的一件大事，客戶流失分析將成為幫助航空公司開展持續(xù)改進(jìn)活動(dòng)的指南。

一、A航空公司分析

目前A航空公司擁有大量較為完善的2016—2017年間歷史客戶數(shù)據(jù)，對(duì)歷史數(shù)據(jù)進(jìn)行分析，為當(dāng)下的精準(zhǔn)營(yíng)銷策略提供決策支持。

航空數(shù)據(jù)分析的過(guò)程如下：通過(guò)篩選數(shù)據(jù)，初步認(rèn)識(shí)數(shù)據(jù)流失狀況，借助不同算法和工具來(lái)了解客戶在本航空公司中牽涉到飛行的日常行為習(xí)慣，如會(huì)員卡級(jí)別、累計(jì)飛行次數(shù)等，找出影響客戶流失的主要因素，再接著針對(duì)具體問(wèn)題提供不同的解決方案。

二、航空公司客戶價(jià)值模型

RFM模型是衡量客戶價(jià)值和客戶創(chuàng)利能力的重要工具和手段。該模型通過(guò)一個(gè)客戶的R（最近一次消費(fèi)距觀測(cè)窗日結(jié)束時(shí)間的間隔）、F（消費(fèi)頻次）、M（消費(fèi)總額）三項(xiàng)指標(biāo)來(lái)描述該客戶的價(jià)值狀況。因?yàn)镕和M指標(biāo)并不能完全反應(yīng)客戶的真實(shí)價(jià)值，兩者適用的營(yíng)銷策略不同，故可用LRRFM模型。

三、客戶流失率分析

數(shù)據(jù)來(lái)源于A公司，數(shù)據(jù)字段包括：第一次飛行日期、性別、年齡、會(huì)員卡級(jí)別、飛行次數(shù)、積分兌換次數(shù)、平均乘機(jī)時(shí)間間隔等各項(xiàng)相關(guān)數(shù)據(jù)字段，下面我們將通過(guò)分析客戶的各類歷史數(shù)據(jù)來(lái)論證客戶流失率。

（一）航空公司會(huì)員級(jí)別分析

將會(huì)員級(jí)別進(jìn)行分類，根據(jù)A公司數(shù)據(jù)顯示，會(huì)員級(jí)別分為：4級(jí)、5級(jí)和6級(jí)：

1.4級(jí)會(huì)員客戶：頻率58066，占會(huì)員總數(shù)的百分比92.20%，是航空公司的主要收入來(lái)源，是客戶流失的重點(diǎn)關(guān)注群體，對(duì)以下航空公司客戶流失數(shù)據(jù)分析起到重要作用。

2.5級(jí)會(huì)員客戶：頻率3409，百分比5.40%，位于4級(jí)和6級(jí)之間，是穩(wěn)定收人來(lái)源，航空公司需要著力將該類用戶發(fā)展成6級(jí)會(huì)員。

3.6級(jí)會(huì)員客戶：頻率1515，百分比2.40%，是航空公司的重要收入來(lái)源，該類用戶也是航空公司的核心競(jìng)爭(zhēng)力，是客戶流失的重點(diǎn)關(guān)注對(duì)象。

企業(yè)可以依據(jù)不確定因素定期進(jìn)行客戶的升級(jí)，升級(jí)的最終目標(biāo)是使客戶成為企業(yè)的忠實(shí)客戶。

（二）客戶類型與流失率的關(guān)系

根據(jù)航空公司客戶流失數(shù)據(jù)，分別通過(guò)對(duì)客戶性別、客戶會(huì)員等級(jí)、會(huì)員積分兌換次數(shù)以及客戶年齡四個(gè)維度，以此來(lái)進(jìn)行航空公司客戶流失率分析，分析內(nèi)容如下所示：

1.在客戶的性別維度上，男性客戶流失率為36.99%，女性客戶流失率為44.86%。航空公司在服務(wù)中分別收集男性和女性客戶的滿意度，分析其中差異，根據(jù)所收集的用戶反饋對(duì)服務(wù)質(zhì)量進(jìn)行針對(duì)性的改善，以此提高客戶滿意度。

2.在客戶的會(huì)員等級(jí)維度上，客戶流失率最高的是最低等級(jí)4級(jí)會(huì)員，流失率為41.56%，表明客戶的會(huì)員等級(jí)越低流失率就越高；6級(jí)會(huì)員流失率為11.04%，較5級(jí)會(huì)員的流失率5.08%高出5.96%。

3.在客戶的積分兌換次數(shù)維度上，積分兌換0—4次的流失率分別為：42.18%、22.23%、17.74%、14.45%、11.17%。沒(méi)有進(jìn)行過(guò)積分兌換的客戶流失率最高，進(jìn)行過(guò)4次積分兌換的客戶流失率最低，可見積分兌換次數(shù)越多，客戶流失率越低。

對(duì)此現(xiàn)象，航空公司可以通過(guò)降低積分兌換額度、提高兌換品類來(lái)鼓勵(lì)會(huì)員進(jìn)行積分兌換，以此提高客戶感知價(jià)值，減少流失。

由于1—10歲人群還不具備自主消費(fèi)意愿，所以不作為流失率分析指標(biāo)。上圖數(shù)據(jù)顯示，該航空公司客戶年齡與流失率的關(guān)系呈正態(tài)分布，在40歲以前，隨著年齡的增長(zhǎng)客戶的生活和事業(yè)日漸成熟，乘飛機(jī)次數(shù)也會(huì)相應(yīng)增加；40歲以后，會(huì)員客戶的年齡漸大，乘飛機(jī)次數(shù)也會(huì)相應(yīng)減少。

根據(jù)以上現(xiàn)象，航空公司可以針對(duì)40歲以下的客戶提供高品質(zhì)和高效率的服務(wù)，滿足其社會(huì)需求；可以針對(duì)40歲以上客戶提供舒適、便捷的服務(wù)，提高客戶體驗(yàn)和忠誠(chéng)度。

（三）主成分分析

由于變量較多，為便于構(gòu)建分析模型，本文將運(yùn)用主成分分析來(lái)獲取主導(dǎo)變量。

分析結(jié)果是由14個(gè)主要因素構(gòu)成的相關(guān)性因素矩陣。為降低相關(guān)性對(duì)分析過(guò)程帶來(lái)的干擾，從中選取10個(gè)主成分變量來(lái)代替原有的14個(gè)數(shù)值變量進(jìn)行后續(xù)的建模分析。該10個(gè)主成分（1—10）能夠解釋全部變量的比例達(dá)到98.159%。

所選取的前10個(gè)主要成分變量分別為：會(huì)員卡級(jí)別、年齡、飛行次數(shù)、第一季度飛行次數(shù)、第二季度飛行次數(shù)、第三季度飛行次數(shù)、總飛行公里數(shù)、最大乘機(jī)間隔、平均折扣率、第1年乘機(jī)次數(shù)。

在此針對(duì)會(huì)員卡級(jí)別、年齡、飛行次數(shù)和第一季度飛行次數(shù)這前4個(gè)主要變量進(jìn)行分析，它們對(duì)流失率的影響分別為49.217%、9.429%、8.317%和7.053%，累計(jì)74.016%，在14個(gè)變量中具有較強(qiáng)的代表性。

對(duì)此現(xiàn)象，航空公司首要任務(wù)是針對(duì)不同級(jí)別會(huì)員制定更加合理的管理方案和優(yōu)惠策略，完善會(huì)員管理生態(tài)體系；其次，針對(duì)不同年齡的會(huì)員客戶制定差異化的服務(wù)管理辦法，例如為中老年人提供一些更加舒適暖心的服務(wù)，滿足不同年齡段客戶的需求；此外，航空公司還應(yīng)在每年的第一季度提高折扣力度，此舉不僅可以提高客戶忠誠(chéng)度，還有利于新客戶的開發(fā)。

（四）UNIVARIATE分析

UNIVARIATE過(guò)程是探索性數(shù)據(jù)分析中最常用的過(guò)程之一，它可以計(jì)算均值、中位數(shù)、偏度系數(shù)、偏峰系數(shù)等描述性統(tǒng)計(jì)量。

以下是對(duì)該航空公司的avg_discount平均折扣率）進(jìn)行的UNIVARIATE分析過(guò)程，表1為輸出結(jié)果，從表中數(shù)據(jù)可見A航空公司的平均折扣力度在0.72左右，符合正態(tài)分布。

航空公司可以考慮調(diào)整對(duì)于未流失客戶的預(yù)警，比如結(jié)合上文分析的會(huì)員卡級(jí)別、年齡、飛行次數(shù)和第一季度飛行次數(shù)4個(gè)主要影響因素進(jìn)行折扣，這樣可以有效的降低客戶流失率。

（五）LOGISTIC回歸分析

因?yàn)樵揂航空客戶的流失情況數(shù)據(jù)中，因變量是分類變量而不是連續(xù)變量，所以本文采用來(lái)LOGISTIC回歸[7]模型來(lái)進(jìn)行定量分析分類變量?？捎梅謱幼兞靠刂品ǖ脑?，來(lái)擬合條件LOGISTIC回歸模型[8]。

使用SPSS 22軟件擬合前面所選的主成分分析變量，進(jìn)行LOGISTIC回歸擬合，報(bào)表中輸出如下：因變量0（非流失）頻數(shù)38315；因變量1（流失）頻數(shù)24253，百分比38.8%。

使用選項(xiàng)EVENT=“1”，使LOGISTIC過(guò)程對(duì)runoff_flag=1進(jìn)行建模。

在表2變量分析報(bào)表中，給出了MAX_FLIGHT_ INTERVAL（最大乘機(jī)間隔）、FFP_TIER（會(huì)員卡級(jí)別）、age（年齡）、FLIGHT_COUNT（飛行次數(shù)）、FLIGHT_COUNT_QTR_1（第一季度飛行次數(shù)）、FLIGHT_COUNT_QTR_2（第二季度飛行次數(shù)）、FLIGHT_COUNT_QTR_5（第五季度飛行次數(shù)）、SEG_KM_SUM（總飛行公里數(shù)）、avg_discount（平均折扣率）和P1Y _Flight_Count（第1年乘機(jī)次數(shù)）的參數(shù)估計(jì)和假設(shè)檢驗(yàn)結(jié)果，這里是運(yùn)用顯著性檢驗(yàn)，報(bào)表中除了age、FLIGHT_COUNT_QTR_2外，顯著性都小于0.01，說(shuō)明參數(shù)都是顯著非零的。因此，可以將LOGISTIC回歸模型寫成如下形式：

四、結(jié)語(yǔ)

根據(jù)統(tǒng)計(jì)數(shù)據(jù)顯示，A航空公司客戶流失率基本在每年40%左右，通過(guò)主成分分析、L OGISTIC分析模型等方法發(fā)現(xiàn)客戶流失主要與屬性變量中的會(huì)員卡級(jí)別、入會(huì)時(shí)長(zhǎng)有關(guān)，與行為變量中的每年的乘機(jī)次數(shù)、平均折扣率、最大間隔乘機(jī)時(shí)間關(guān)系密切。對(duì)于長(zhǎng)時(shí)間未乘機(jī)的客戶及時(shí)做出相應(yīng)提醒。根據(jù)最后一次乘機(jī)時(shí)間來(lái)設(shè)置老客戶召回日，減少客戶流失比例。實(shí)行老顧客計(jì)劃，對(duì)非忠誠(chéng)顧客提供一定的個(gè)性化服務(wù)，促使其下次在此消費(fèi)。

參考文獻(xiàn)：

[1]崔亞奇.基于C5.0算法的航空客戶流失分析[J].西安航空學(xué)院學(xué)報(bào)，2018，36（01）：72-77.

[2]姜朋，李挺.基于大數(shù)據(jù)的航空客戶價(jià)值分析[J].民航學(xué)報(bào)，2019，3（03）：1-4.

[3]潘玲玲.基于旅客行為的航空旅客細(xì)分模型研究及其實(shí)現(xiàn)[D].南京：南京航空航天大學(xué)，2011.

[4]陳寧.航空公司客戶價(jià)值分析——以某一航空公司為例[J].現(xiàn)代商業(yè)，2017（22）：137-138.