数学建模论文_航空客运信息挖掘 - matlab数学建模

下载频道> 资源分类> matlab源码> 数学建模> 数学建模论文_航空客运信息挖掘

标题：数学建模论文_航空客运信息挖掘
分享到：

所属分类: 数学建模资源类型：文档文件大小: 1.18 MB 上传时间: 2016-09-01 20:12:09 下载次数: 526 资源积分：1分提供者: 源码共享数学建模论文_航空客运信息挖掘

内容：
提高航空客运的上座率既能使航空资源得到充分利用，更能显著的增加航空公司的效益。为了实现这一目标，我们从大量航空公司会员的会员数据出发，通过数据挖掘技术，分别建立用户细分、用户价值评估和流失预测模型，区分客户群，并提出相应的营销策略，从而达到提高上座率和效益的目标。

首先是建立客户细分模型。我们根据文献并对已有数据进行预处理，筛选出5个L、R、F、M、C 五个指标作为航空公司客户细分的核心维度，利用LRFMC聚类分析法进行用户分群与初步评分。这个方法利用层次分析法（AHP）计算各核心维度的权重，再对数据进行标准化，并用SPSS软件实现K-means聚类法将所有客户划分为32种客户类别及其类型特点。接着利用权重计算各客户群综合得分，从而将航空公司的客户群体划分成重要保持客户、重要发展客户、重要挽留客户、忠诚型一般客户、低价值客户等五个级别的客户群。

然后是建立客户价值评估模型。我们将客户细分模型所得的5个客户群的数据进行预处理，选择对客户价值影响最大的14个属性作为主成分分析法中所选用的要素。通过SPSS软件，对数据进行因子分析和降维处理，根据所得的数据可知，这14个属性可由2个主成分来综合表示，同时得出了各属性在主成分的组成中所占权重。通过数据标准化，结合权重，计算出了各用户群的综合得分，作为价值排名依据。

接着是建立客户流失模型。我们定义了客户回头率这个概念（客户第二年乘机次数与第一年乘机次数比值），以0.5和0.8为两个临界值将老客户划分为流失客户、准流失客户、未流失客户三种客户类型，并选取一些维度及其衍生出的维度，使用决策树、神经网络两种方法进行客户流失模型的建立，找出了影响客户流失的关键性因素，并用将两种方法进行对比，最终确定了影响客户流失的几个比较重要因素有平均折扣率、单位里程票价和单位里程所得积分。

最后，根据已建立的客户细分、价值评估和流失模型所得的结论，针对各个不同的客户群提出不同的服务和营销策略，吸引客户乘坐航班，来提高上座率和效益。

文件列表（点击上边下载按钮，如果是垃圾文件请在下面评价差评或者投诉）:

数学建模论文_航空客运信息挖掘/
数学建模论文_航空客运信息挖掘/www.gusucode.com.txt
数学建模论文_航空客运信息挖掘/【谷速代码】-免费源码.url
数学建模论文_航空客运信息挖掘/航空客运信息挖掘.pdf
数学建模论文_航空客运信息挖掘/说明.txt