什么是客户建模？——在航空规划中理解客户及其需求

概述

航空公司规划过程包括机队规划、航线网络规划、航班计划制定、产品设计、定价与收益管理、分销等环节。如果以收益最大化作为最终衡量标准，就需要在每个环节中对未来收益进行评估，然后进行相应的决策。例如，在航线网络规划、新开航线或现有航线的加密或减密场景中，需要评估相关OD市场上的总需求以及本航空公司以有限的时刻资源、机型与运力投入及品牌价值能拿到的市场份额和平均价格；

例如，在航线网络规划、新开航线或对现有航线进行加密或减密的情况下，需要评估相关OD市场的总需求，以及本航空公司在有限的时刻资源、机型和运力投入，以及品牌价值的基础上，能够获得的市场份额和平均价格。”

在定价和收益管理场景中，需要了解客户的分群信息、客户偏好，以动态地设计产品Offer并进行定价。

客户建模是收益评估的重要工具，因此也是航空公司规划过程的重要工具，在航线网络规划、定价与收益管理、航空分销、产品设计、CRM、企业客户销售及忠诚度计划等几乎所有方面都能起到重要作用。

客户建模的目的

对客户建模最初是为了实现客户分群，即通过“票价使用限制条件”来区分商务客和休闲客，这一方法用在传统收益管理系统中取得了相当好的效果。

然而随着航旅营销环境的不断变化，对客户建模提出了更多要求。

首先是精细化客户分群的需求。如下两个原因造成传统的客户分群方法不再有效：

①由于LCC的市场占有率一直增加，而LCC采用简化的运价结构，无法也无需用“票价限制条件”将客户分群为商务和休闲两类；

②线上渠道使用的持续增加，客户比价更加容易，使得低价成为所有产品属性中几乎最重要的一项，同时也破坏了传统客户分群的基础。因此需要有新的方法实现精细化客户分群，以满足新型收益管理系统的要求。

其次，最近几年出现的一些新趋势、新问题对客户建模提出了要求，包括：

③历史数据缺失的问题：传统收益管理系统需要前三至五年的历史数据，才能用时间序列与统计学方法来预测未来需求，但三年的疫情不仅改变了人们的购票习惯和模式，也使得传统算法难以利用历史数据来预测未来需求。我们要有新的客户建模方法来预测未来市场需求。

④动态（或连续）定价的要求：产品与服务拆包、动态打包（用户自己组合产品）、动态Offer的趋势对动态定价提出了更高要求，这种情况下如何实时确定客户需求、偏好及对应的支付意愿就非常关键，这也对客户建模提出了要求。

此外，航空公司规划过程的其他环节也提出了要求，包括：

⑤在激烈竞争的航线上，或者进行新开、加减密航线/运力的决策时，也需要用客户建模等技术评估市场整体需求和市场份额；

⑥在精准营销中，需要对不同渠道上的购买行为，对企业客户、常旅客等的购买行为进行建模，并据此进行客群细分和精准Offer与定价。

客户模型的组成

客户模型包括两部分，分别是“静态的”客户画像和“动态的”客户选择模型。

客户画像是对客户的静态特征建模的方法。

客户画像首先对客户的各种特征进行分析，这些特征包括人口统计学特征、消费历史与消费习惯、出行习惯、爱好、常客等级/品牌忠诚度、是否同为企业客户等；

其次在特征工程基础上对客户进行分类。目前客户画像更多是基于线上数据对客户进行的分群及对分群的描述。在使用时，首先要根据客户画像，针对具体客户进行分类，并根据分类进行后续应用。

很多情况下仅有客户画像（分类）还不够，我们还需要知道客户分类在面对特定产品时的反应，如价格弹性（价格变化是否会改变客户的购买意愿）、具体的支付意愿，以及客户在挑选产品组合时对产品属性的权衡。客户选择模型是对客户在产品及其属性间权衡的过程进行模拟和建模，客户选择模型起到了链接客户分类与产品属性的作用。客户选择模型不仅能模拟客户在单一产品（相同航线上不同的航班选项）上的权衡，还能模拟客户在产品组合（相同航线的机票+辅营产品）上权衡，甚至可以模拟不同类型产品（高铁 vs 飞机）间的权衡和选择。

结论

客户建模过程是航空公司规划过程中用到的重要工具之一。随着航空旅行零售转型及信息技术、人工智能技术的快速发展，客户建模过程也发生很大变化。目前主流的客户模型有静态的客户画像和动态的客户选择模型组成，客户建模所需的数据包括传统旅客服务系统的交易数据，用户在线上的行为数据，产品数据（不仅是客户选择的产品，还有那些客户未选的产品），市场竞争数据等，所用的算法包括运筹优化算法，时间序列与统计学算法，机器学习及深度学习算法等。