隨著互聯(lián)網(wǎng)以及移動支付的快速發(fā)展,中國在線機(jī)票預(yù)訂市場交易規(guī)模與日俱增,線上購買機(jī)票成為旅客購票的主要方式。隨著用戶的年輕化和支付場景的轉(zhuǎn)變,旅客的消費(fèi)習(xí)慣和出行需求也隨之發(fā)生轉(zhuǎn)變。傳統(tǒng)的航空旅客劃分方式主要有兩種:一是依據(jù)旅客的累計飛行里程將乘客劃分為不同的會員等級,二是將旅客按照普通旅客與商務(wù)旅客進(jìn)行區(qū)分。傳統(tǒng)的旅客劃分方式過于籠統(tǒng),無法滿足航空公司以及代理人網(wǎng)站對于精準(zhǔn)營銷的需求。而隨著數(shù)據(jù)挖掘的日益發(fā)展,聚類分析為旅客細(xì)分提供了有利條件。為此,本文依托旅客細(xì)分理論,以在線購票的航空旅客為研究對象,利用聚類分析將在線購票的航空旅客分類,刻畫不同類別旅客肖像。通過分析不同場景下旅客的在線購買行為為航空公司及在線購票平臺提供相應(yīng)營銷策略。本文主要運(yùn)用K-means聚類算法對在線購票的航空旅客進(jìn)行分類,將具有相似特征的旅客劃分為同一類別,并通過二元logistic回歸分析不同場景下旅客聚類的影響因素。首先梳理了聚類分析在航空旅客細(xì)分領(lǐng)域的應(yīng)用,選取旅客的自身屬性并融入在線旅客的特征作為聚類指標(biāo),通過分層聚類法對指標(biāo)進(jìn)行歸并;其次,通過K-means聚類算法對在線購票的航空旅客進(jìn)行聚類,... 

【文章來源】：中國民航大學(xué)天津市

【文章頁數(shù)】：84 頁

【學(xué)位級別】：碩士

【部分圖文】：

015-2019中國旅行預(yù)訂用戶規(guī)模及使用率走勢數(shù)據(jù)來源：根據(jù)網(wǎng)站公開信息整理而成

中國民航大學(xué)碩士學(xué)位論文18圖3-12015-2019中國旅行預(yù)訂用戶規(guī)模及使用率走勢數(shù)據(jù)來源：根據(jù)網(wǎng)站公開信息整理而成圖3-22018第一季度至2019第二季度中國在線機(jī)票預(yù)訂市場交易規(guī)模數(shù)據(jù)來源：根據(jù)網(wǎng)站公開信息整理而成3.1.2主要在線購票平臺機(jī)票預(yù)訂情況及發(fā)展方向首先從在線購票網(wǎng)站的用戶規(guī)模進(jìn)行概述，根據(jù)互聯(lián)網(wǎng)產(chǎn)品分析系統(tǒng)顯示，在線旅行類APP的用戶規(guī)模遠(yuǎn)大于航空公司官方APP。截至2019年9月，“攜程旅行”APP活躍人數(shù)已達(dá)7292.59萬人，在旅游出行綜合類APP榜單排名第一�！叭ツ膬郝眯小焙汀巴獭盇PP位居第二與第三。相比之下，航空公司APP的活躍人數(shù)只有在線旅行APP人數(shù)的十分之一，排名最靠前的南方航空APP活躍人數(shù)達(dá)987.5萬人。2019年9月處

中國民航大學(xué)碩士學(xué)位論文19于頭部的旅行類互聯(lián)網(wǎng)應(yīng)用的活躍人數(shù)及同期環(huán)比增幅如圖3-3所示：圖3-32019年5月國內(nèi)主要旅游應(yīng)用活躍人數(shù)數(shù)據(jù)來源：根據(jù)網(wǎng)站公開信息整體而成我國航司APP活躍人數(shù)排名最靠前的分別為：南方航空，東方航空，中國國際航空。截至2018年第四季度，南方航空APP活躍人數(shù)達(dá)987.5萬人，東方航空為397萬人，中國國際航空為242.9萬人。2018年第一季度到第四季度我國航司APP活躍人數(shù)變化如圖3-4所示：圖3-42018年度中國航司APP活躍人數(shù)變化數(shù)據(jù)來源：根據(jù)網(wǎng)站公開信息整理而成從在線購票平臺的交易情況來看，2019年第二季度中國在線機(jī)票預(yù)定市場交易情況

【參考文獻(xiàn)】：
期刊論文
[1]基于旅客出行意圖的航線潛在價值計算模型[J]. 徐濤,徐召朋,盧敏.  交通運(yùn)輸系統(tǒng)工程與信息. 2018(05)
[2]基于粗糙集聚類算法的鐵路通道客運(yùn)市場細(xì)分[J]. 李海軍,李引珍,周鵬,朱昌鋒,馬昌喜.  交通運(yùn)輸系統(tǒng)工程與信息. 2018(03)
[3]基于PCA-聚類分析的高鐵旅客購票行為特性研究[J]. 劉帆洨,彭其淵,梁宏斌,傅志堅,張斌.  交通運(yùn)輸系統(tǒng)工程與信息. 2017(06)
[4]哪些因素影響消費(fèi)者的在線購買決策?——顧客感知價值的驅(qū)動作用[J]. 李宗偉,張艷輝,欒東慶.  管理評論. 2017(08)
[5]基于潛在類別模型的高鐵旅客市場細(xì)分[J]. 喬珂,趙鵬,文佳星.  交通運(yùn)輸系統(tǒng)工程與信息. 2017(02)
[6]一種基于航空旅客行為的旅客細(xì)分模型[J]. 許青林,熊夢琪,劉揚(yáng)帆.  計算機(jī)工程與應(yīng)用. 2017(24)
[7]基于多維數(shù)據(jù)分析的民航旅客價值計算[J]. 黨悅,曹衛(wèi)東,王碩.  計算機(jī)與數(shù)字工程. 2017(01)
[8]基于旅客價值測度模型的客運(yùn)市場細(xì)分和公路客運(yùn)發(fā)展策略研究[J]. 王文娣,楊忠振,李一旋.  公路交通科技. 2016(08)
[9]基于聚類分析的鐵路出行旅客類別劃分[J]. 呂紅霞,王文憲,蒲松,余大本.  交通運(yùn)輸系統(tǒng)工程與信息. 2016(01)
[10]基于Map/Reduce的民航高價值旅客發(fā)現(xiàn)方法[J]. 曹衛(wèi)東,白亮,聶笑盈.  計算機(jī)工程與設(shè)計. 2015(04)

博士論文
[1]在線商戶商品信息呈現(xiàn)對消費(fèi)者購買意愿影響的研究[D]. 喻昕.吉林大學(xué) 2017
[2]基于旅客行為分析的高速鐵路收益優(yōu)化研究[D]. 李麗輝.中國鐵道科學(xué)研究院 2017
[3]聚類分析中的最佳聚類數(shù)確定方法研究及應(yīng)用[D]. 周世兵.江南大學(xué) 2011

碩士論文
[1]基于社交網(wǎng)絡(luò)的民航旅客價值和出行預(yù)測模型研究[D]. 劉曉慶.中國民航大學(xué) 2018
[2]基于客戶價值的航空旅客細(xì)分研究[D]. 王麗菊.北京郵電大學(xué) 2018
[3]K-means算法的改進(jìn)及其在文本聚類中的應(yīng)用研究[D]. 李敏.江南大學(xué) 2018
[4]在線消費(fèi)者購買決策過程中編輯階段的有限理性研究[D]. 李莎.南京理工大學(xué) 2017
[5]基于顧客價值的航空客運(yùn)市場細(xì)分研究[D]. 王悅.南京航空航天大學(xué) 2016
[6]基于客戶細(xì)分的國航西南公司營銷策略研究[D]. 常城.電子科技大學(xué) 2015
[7]移動網(wǎng)購情境特征對消費(fèi)者購買意愿的影響研究[D]. 盧益.華僑大學(xué) 2015
[8]基于隨機(jī)游走的潛在高價值旅客發(fā)現(xiàn)及細(xì)分研究[D]. 徐冰宇.中國民航大學(xué) 2015
[9]基于訂票行為的航空旅客劃分方法研究[D]. 楊倩倩.江蘇科技大學(xué) 2015
[10]基于用戶行為信息的民航旅客價值度量研究[D]. 唐先超.中國民航大學(xué) 2012



本文編號：3367243