
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
Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02