全文总字数：1994字

1. 研究目的与意义及国内外研究现状

对于航空公司而言，构建数据仓库，进行数据挖掘的目的是活的正确决策和对旅客展开个性化服务，这是航空公司客户系统的关键，基于这个目的的数据挖掘的主要任务主要有三个：一是细分，也称为客户行为分析，根据客户行为的不同将他们划分为不同的群体，各个群体有着明显的行为特征，这种划分方式也称为“行为分组”；第二是评估，即重点旅客发现，目标是找出对企业具有重要意义的客户，这些重点客户主要包括以下几类：潜在客户、交叉销售、增量销售和客户保持。第三是预测，即对旅客未来的价值大小和相应的市场策略的预测。在这三个方面中，旅客细分是进一步评估与预测的基础，也是航空公司客户关系系统的重要功能成分。

国内外研究现状

实施客户平台的基础就是客户数据，数据仓库是目前国际上解决此项问题的比较成熟、应用较为广泛的技术。在客户平台中，数据仓库的目标就是决策支持，数据仓库技术在改善交易系统数据方面取得了显著成效。采用个性化的销售方法，必须尽可能了解有关客户详情和行为的信息，而只有通过提取、转换、装载等程序建立起来的以客户为中心的数据仓库才能满足这一需求。

2. 研究的基本内容

1.借助航空公司客户数据，对客户进行分类。2.对不同的客户类别进行特征分析，比较不同类客户的客户价值

3.对不同价值的客户类别提供个性化服务，制定相应的营销策略。

数据清洗：丢弃票价为空记录，丢弃票价为0、平均折扣率不为0、总飞行公里数大于0的记录属性规约：原始数据中属性太多，根据航空公司客户价值LRFMC模型，选择与模型相关的六个属性。删除其他无用属性，如会员卡号等等数据变换：将原始数据转换成“适当”的格式，用来适应算法和分析等等的需要。主要采用数据变换的方式为属性构造和数据标准化 .需要构造LRFMC的五个指标L=LOAD_TIME-FFP_DATE(会员入会时间距观测窗口结束的月数=观测窗口的结束时间-入会时间（单位：月）)R=LAST_TO_END（客户最近一次乘坐公司距观测窗口结束的月数=最后一次。。。）F=FLIGHT_COUNT(观测窗口内的飞行次数)M=SEG_KM_SUM(观测窗口的总飞行里程)C=AVG_DISCOUNT(平均折扣率)客户聚类：利用K-Means聚类算法对客户数据进行客户分群，聚成五类（根据业务理解和需要，分析与讨论后，确定客户类别数量）

3. 实施方案、进度安排及预期效果

1.从航空公司，选择性抽取与新增数据抽取，形成历史数据和增量数据2.对步骤一的两个数据，进行数据探索性分析和预处理，主要有缺失值与异常值的分析处理，属性规约、清洗和变换3.利用步骤2中的已处理数据作为建模数据，基于旅客价值的LRFMC模型进行客户分群，对各个客户群再进行特征分析，识别有价值客户。4.针对模型结果得到不同价值的客户，采用不同的营销手段，指定定制化的营销服务，或者针对性的优惠与关怀。（重点维护老客户）

预期效果：

重要保持客户：R（最近乘坐航班）低，F（乘坐次数）、C（平均折扣率高，舱位较高）、M（里程数）高。最优先的目标，进行差异化管理，提高满意度。重要发展客户：R低，C高，F或M较低，潜在价值客户。虽然说，当前价值不高，但是却有很大的发展潜力，促使这类客户在本公司消费和合作伙伴处消费。重要挽留客户：C、F、M较高，但是较长时间没有乘坐（R）小。增加与这类客户的互动，了解情况，采取一定手段，延长客户生命周期。一般与低价值客户：C、F、M、L低，R高。他们可能是在公司打折促销时才会乘坐本公司航班。

4. 参考文献

[1] 周贺来 . 客户关系管理实务 [m]. 北京：北京大学出版社， 2011.[2] anderson, j. l. customer relationship management in retailing: a contentanalysisof retail tradejournals [j]. journal of retailing and consumerservices,2007:394-399.

[3] 叶开. 中国 crm 最佳实务 [m]. 北京：电子工业出版社， 2005.

[4] 王永贵 . 客户关系管理 [m]. 北京：清华大学出版社，北京交通大学出版社，2007.

[5] 杨莉. 客户关系管理应用与研究 [d]. 天津：天津大学， 2007.