一种民航旅客价值计算模型的研究

张波

摘要：航空公司为旅客提供服务时，如何能够有效的区分不同旅客的价值，对于服务的提供者来说是至关重要的。基于旅客在航空公司出行、消费数据的积累，能够对旅客的价值进行计算和量化。MRV模型是一个民航旅客价值计算模型，通过该模型，能够实现对于旅客价值的计算，从而能够使航空公司等民航相关服务提供商，针对不同的旅客，提供差异化的服务，从而实现收益的最大化。

关键词：旅客价值；MRV；模型；标准化

中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2015）24-0069-02

在整个交通运输业中，民航业是一个较为特殊的细分。民航业服务成本和服务价格较高，带来的利润也相对较高。当前民航业竞争比较激烈，各航空公司为了取得竞争优势，怎么能够识别出众多旅客中的高价值旅客，并留住高价值旅客，是航空公司面临的一个重要课题。

航空公司在提供民航服务的过程中，积累了大量的旅客出行数据，其中包括了旅客的行程、票价、舱位、偏好等数据，基于旅客的这些数据，航空公司就有可能从中识别出高价值的旅客，从而提供差异化的服务。

1 识别旅客价值的必要性

高价值旅客指能够为航空公司带来丰厚利润的关键旅客群体，包括两舱旅客以及真正意义上的常旅客，此类旅客约占航空公司旅客总数中的2%，但是其贡献的收入占航空公司旅客总收入的8%左右。这种现象即是帕累托定律（又称80/20法则）在航空领域的体现，为此，越来越多的航空公司开始密切关注并提升高价值旅客服务，来确保航空公司的收益。

按照上面的定律，航空公司不断地推出各种产品来实现对旅客的分级服务，实行差异化营销，差异化服务。例如：国航的超级经济舱、南航的豪华经济舱等。这些都是航空公司不断深化旅客分级服务意识，推出相应产品来提升航空公司的服务和收益的方式。相应的，IT相关的服务和产品同样也能够起到类似的作用。

2 旅客服务模型

为了找到一种旅客价值计算的方法，这里首先需要分析航空公司旅客服务模型，通过对旅客身份分类的研究，从而给出可能的旅客价值计算模型的要素。

1） 旅客分类模型：描述了旅客分类的依据，以及根据该依据具体划分出来的旅客细分标准。目前主要划分标准有动态身份/静态身份/高端旅客这三个划分标准：

① 对于动态身份，信息在系统中的留存时间较短，主要用于一些服务保障环节为旅客服务时，作为参考信息。

② 对于静态身份，则长期有效，基于这些身份可以提供旅客身份自动识别/身份校验等服务。

③ 对于高端旅客，则是航空公司服务的重点环节，针对这类旅客细分，能够提供多种服务。

④ 这三个划分标准并不完全独立，旅客身份会有重叠，例如常客金卡会属于高端旅客，也是旅客的静态身份属性

2） 支持工具模型：为了支持旅客的分类，丰富旅客的信息，这里采用工具模型对旅客分类模型进行完善。目前主要包括价值计算模型，偏好信息模型。

① 价值计算模型：价值计算模型对旅客分类模型进行数值化，便于旅客分类模型在特定业务场景的可度量性。

② 偏好信息模型：偏好信息模型依托于旅客分类模型，对于旅客分类模型中的高端旅客，提供偏好信息描述。

旅客分类模型如下图所示：

基于旅客分类模型，航空公司可以根据需要，选择特定的旅客身份分类，作为旅客价值计算时的属性，从而给出更适合营销和服务需求的旅客价值计算模型。

3 旅客价值计算模型

价值计算模型目前主要针对高价值旅客服务，在旅客分级服务中，对于旅客身份信息进行数值化，对于一些使用场景具有现实意义。这里提出的模型主要基于旅客当前的一些信息来进行计算，对于基于数据服务提供的旅客价值，也能够纳入到这个模型中参与计算。

3.1 多规则价值（MRV）模型

为了能够对旅客身份分级信息进行数值化，基于旅客的分类模型，可以使用多规则价值模型（Multi Rules-Values，简称MRV模型）来进行建模。

该模型的核心思路如下：

1） 找出所有价值计算相关的内容，称之为规则r（rule），例如白金卡旅客是一个规则。

2） 每一规则都对应一个旅客价值类别t（type），，每一个旅客价值类别都对应一个旅客价值量v（value）。

3） 定义组合规则来确定规则分类g（group），每个分类中包含m规则，计算时只取价值量最高的规则，每个分类有一个权值k，表示在总的价值中该类规则的比重。

4） 对于不同的规则分类，因为数据取值不同，所以需要首先进行标准化。

5） 通常的，规则分类包括有：

① 可计算价值，与本次乘机相关的规则分类，可以有多个分类。

② 参考价值，基于LRFMC模型或者其他模型计算出来的旅客价值。

3.2 多规则价值模型计算公式

其中不同的规则分类的价值取值范围可能是不同的，因此需要对不同规则的价值数值进行标准化，标准化后的价值取值范围都介于0到1之间

标准化的方法如下：

注意：在实际使用中，应该对于每一个规则类别的价值量给出设定默认的最小和最大值，最小值vmin设置为0，最大值vmax设置为1（或者一个合适的值），具体规则类别的取值则可以在最小和最大值之间平均分布即可。

3.3 MRV模型分析

从上面MRV模型的说明，可以看到该模型实现的关键有两个：规则/价值数值的选择；价值分类权值的选择。

确定了这两个因素之后，就可以给出一个客户的最终的价值数值。这里我们并没有明确给出具体选择的规则，这样可以根据特定的业务特定和客户需求来设定具体的规则。

4 结论

基于旅客价值计算的MRV模型，航空公司可以有一种现实可行的方式，来对旅客的价值计算。获得旅客价值后，在旅客服务的过程中航空公司就可以找到这部分高价值旅客，为他们提供更加优质的服务，从而在竞争中获得优势地位。

参考文献：

[1] 罗亮生，张文欣. 基于常旅客数据库的航空公司客户细分方法研究[J]. 现代商业，2008（23）.

[2] 顾兆军，王伟，李晓红. 基于潜在类别模型的航空旅客分类[J]. 计算机技术与发展，2012（4）.

[3] 白京，吴卫，蔡颖竹. 高端旅客特征分析与服务建议[J]. 中国民用航空，2012（4）.