民航业务旅客画像的分析维度.pdfVIP

民航业务旅客画像的分析维度

作者：刘柳李淑静姚佳童吴越伯刘婷婷黄斯诺

来源：《中国信息化》2024年第01期

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。

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。

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），内容涵盖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

SuperPNR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。

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