
大数据时代 航企常旅客计划荣升为“印钞机”_数据分析师考试
步入大数据时代,航空公司常客项目的价值属性可被全新演绎——印钞机。澳洲墨尔本莫纳士大学市场营销Steve Worthington教授对澳洲航空常客项目的评价与此十分接近且更为形象,他说,对澳航而言,其常客项目就是一头可以挤出现金的“现金牛”。
当今,航空市场仍未从全球经济颓势中恢复过来,鲜有公司不经受着资金短缺或成本高企不下的严峻考验。自家想“印刷钞票”,需要提升客户数据的潜在价值,必须对客户数据进行重组和再利用。常客项目中每条里程信息都是由旅客支付记录、乘机过程、受让关系、购买偏好等构成,若算上跨界点数兑换因素引发的关联效应,这些数据完全具备“海量”的资质,一经挖掘,变现潜力巨大。正因为如此,国外航空公司不断对常客项目进行拓展和创新。从里程换机票到换商品,从与地空联运各环节进行合作到与航空联盟伙伴公司资源共享,再转进至跨界消费积分,各航空公司耗其所能来推进该项目,努力拉开与竞争对手的差距。自1997年第一家航空联盟诞生以来,竞争开始涉及会员里程以外领域,有的公司降低常客资格最低消费标准,有的公司则取消里程过期规则。里程被卖给酒店、信用卡公司和零售商的做法日益盛行。步调领先的航空公司,干脆将常客项目的财务业绩分离出来,项目获取的客户忠诚度转化为收入的速率大幅提升。除了常客商务会员的高端收入贡献外,普通常客会员对航空公司的关注程度若提升至“病毒效应”阶段,质变倒逼量增,关注也随时可能转化为一笔可观的收入贡献。
常客项目套现理论的产生与尝试
2008年,加拿大航空从常客项目中为其Aeroplan 的IPO集资2.88亿加币,唤起业内人士的思考:航空公司决定累积点数的价值,出售里程,这相当于获得了印刷钞票的许可!
各类公司付钱买航空公司的点数,因为他们精算出当面临产品和服务的选择时,顾客更钟情于积累点数,提供给顾客选择的同时,也获取了顾客的忠诚。通常情况下,常客会员积累的点数要延后几个月才可兑换使用,有了以上这些买家,理论套现速率加大。而澳航常客项目的成绩单,使得常客套现理论向实践又迈进一步。经过多年精耕细作,澳航奖励点数俨然成为国家的第二货币,忠实度被开发到极高水平。例如,澳航选择全国食品行业的领军零售商Woolworths进行合作。后者具有引以为豪的近90年的顾客服务历史。Woolworths公司家族包括15种商标,在全国范围内总共有1114家分店,员工超过125000人。事实上每100个澳大利亚劳动力中就有一个被Woolworths公司所雇用。难怪澳航的会员达1000多万,相当于全澳洲人口的一半。Woolworths这家大客户,加上其余的14家大客户,去年为澳航带来了8%的收入增长。2013年,澳航推出针对中小企业的常客计划,注册会员达35000人。约30万人决定激活常客卡的智能芯片,常客卡变成借记卡,可存储货币种类有9种。独立存在的常客项目部门,终于为澳航灰头土脸的损益报告带来“一道希望之光”。澳航常客项目连续五年以双位数字增长,2014年盈利2.86亿澳币,创下历史新高。而同期,澳航宣布2014年亏损28亿澳币,一些投资者便催促澳航出售全部或部分常客股份,估值30亿澳币,以度难关。可见,澳航的常客项目被投资者“牛化”,是预料之中的。
不过,守着这头咀嚼忠诚度又能挤出现金的萌牛,面对同行的羡慕嫉妒恨和自身经营亏损的套现压力,澳航决策层头脑还是相当冷静的。经过深思熟虑,澳航最终排除出售常客计划股份的可能。因为澳航进军常客市场起步早,手中的这只“原始股”潜力巨大,现在还未到忍痛割爱的地步呢。相比之下,澳航的老对手维珍航空对这头“现金牛”的态度就猴急很多。日前,维珍澳洲公司已出人意料宣布完成了将常客Velocity项目35%的股份卖给骏麒投资的交易,该交易对Velocity的估价将近10亿元。交易后,维珍将允许Velocity的会员兑换新加坡航空的常飞客计划KrisFlyer的积分。这将容许Velocity的会员在新加坡航空上使用积分升舱,并且能在其他属于星空联盟的航空公司上获得奖励席位,包括汉莎航空、加拿大航空。
数据创新思维对中国航企的启迪
对待这头“现金牛”,无论是澳航的冷静还是维珍的猴急,二者虽然态度不同,但其数据挖掘的聚焦点和关注方向都是相同的:客户数据绝对是各航空公司及其直分销渠道争抢的宝贵资源,值得不择手段地予以拓展并持续投入。任何一类客户数据的首要价值被发掘后,一定要对其进行归集并循环利用。航空公司的管理思维与时俱进之越快,其掌握的客户数据转化为经济价值之速率越高……在一个世间万物皆可数据化的时代,这种思维无疑对中国的航空企业有借鉴意义:
首先,国内航企对其客户(包括合作伙伴)数据通常是作为资料而不是作为资源对待的,缺乏系统开发和可持续发展的理念。因此,直至今日,对大数据的理解仍停留在“数据量大”的懵懂阶段。实际上,这方面我们并没有输在起跑线上。在多年以前,国内航企已开始通过常旅客、大客户会员注册、调查问卷、离港系统、结算系统、呼叫中心等采集客户信息。渐渐热情减退,这些数据被分散于不同职能部门。当初出手阔绰于系统投入,现今各部门开发建设的发展方向却迥然不同。这种源数据重复利用方面的分道扬镳,造成已开发资源的极大浪费,为突如其来的大数据时代埋下隐患。这个阶段,各航空公司倾向挖掘数据,但却是单打独斗,经营分析系统、结算系统、常客系统、渠道管理系统、预算管理系统等纷纷上线。由于对待数据处理追求的是精准,那些不能为细分市场、定位渠道、增加收益起指引决策作用的数据(也就是没有因果关系的数据),或是已经完成使命(解决了服务、营销、竞争等方面某一具体问题)的数据,便被忽略或清除,以降低管理成本。对外沟通与交流方面,航企在界定数据是否为敏感或保密属性时,也不屑考虑已使用过的数据会有多大的被再次利用的价值。
其次,航企数据价值的不被重视和无节制分享,致使以科技创先为特性的异业有机可乘,大展身手。正是由于未能看到数据冰山水面以下的价值,当海量数据的处理手段一出现,看似与航空运输无关的行业(搜索引擎、互联网、第三方支付)雨后春笋般渗入航空销售领域分羹搅局,让航企受到的困扰越来越多。比价平台、低价机票销售平台的产生,引发了航企渠道成员间横向及纵向的矛盾与冲突。实际上,这些非航空机票代理合作经营的网上机票销售平台,就是利用先进的技术手段,从网络上爬取与航空公司有关的票价、航班、地空服务信息甚至是旅客投诉等信息,再进行比价、分析和预测。其预测系统不究票价高低变化的原因,而是快速显示价格,引导旅客买低价票,诱使代理追求高代理费,侵蚀航空销售渠道起止端,让航企潜在收入减少,代理费支出增多,可谓损失惨重。按理说,这种不探究原因的思维方式在航空公司是必须被鄙视的,但在大数据时代,这种创新思维极具杀伤力,足以让航企措手不及。暂不提淘宝、去哪儿、今日天下通等,大家未必陌生的“必应搜索”,就是造成美国的航空公司机票收入蒸发的幕后推手。微软以1.1亿美元收购了Farecast这家科技创业的数据公司,2012年,Farecast系统用了将近10万亿条价格记录来帮助预测美国国内航班票价,预测准确度高达75%。使用该系统,旅客购买机票每张可节省50美元。这简直就是航空公司收益管理系统的“天敌”!
最后,国内航企想体验牵着“现金牛”游走的愉悦感,捷径便是整合各类资源拥抱大数据时代的到来!这可是一个不进则退的选择:云计算出现之后,航空旅游产业的上下游,一旦某一微不足道的环节思维转变过来,不再追求精确度,不再追求因果关系,而是关注混杂性,探索相关关系,守株待兔的航企注定苦海无涯;这更是一个令人期待的选择:发展瓶颈一旦被突破,数据可被巧妙地用来激发新产品和新型服务,把控好时机的航企必将成为行业领军人物!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23