基于K-均值聚類分析的航班不正常時旅客行為分類

毛 瑛

(廣州民航職業(yè)技術(shù)學院 民航經(jīng)營管理學院, 廣州 510403)

疫情期間,航班不正常導致的旅客服務抱怨占比非常大。以2022年3—8月民航局官網(wǎng)發(fā)布的《公共航空運輸旅客服務投訴情況的通報》為例,不正常航班的相關(guān)投訴占比40%以上,其中信息告知、食宿服務、地面交通服務等與民航地面服務相關(guān)的投訴總和為2 774件,平均每月為472件。即使在疫情前,以2019年為例,不正常航班的投訴率也達到了48.32%。因此航班的保障工作是民航地面服務至關(guān)重要的一環(huán)。航班不正常發(fā)生實際上是航空公司的服務失誤,在這個過程中,旅客非常容易產(chǎn)生服務抱怨,因此應該考慮如何對旅客進行服務補救,從而提升地面服務水平。

學者們對航班不正常服務問題展開了諸多研究。王勇[1]、汪奉奇[2]、繆莉[3]、畢曉青[4]、徐初娜[5]等從服務人員的意識、企業(yè)管理層以及政府層面的管理等提出相關(guān)建議?，F(xiàn)有研究多是針對所有旅客進行分析,較少考慮到航班不正常的特殊性。與普通的服務失誤不同,航班不正?？赡軙沟寐每兔鎸Ω嗟牟淮_定性,包括后續(xù)航班的安排、等待時間、信息通知等問題。不同類型的旅客在發(fā)生航班不正常時關(guān)注的問題和敏感點是不同的,例如有些旅客急于出行,得不到后續(xù)安排的信息的情況下,2 h內(nèi)不會引起憤怒情緒,而3 h就會引起憤怒從而造成爭執(zhí),而有些旅客更多關(guān)注餐食和住宿安排。因此有必要對航班不正常時旅客行為進行分類。

學者們對旅客分類進行了一些研究。部分研究根據(jù)出行目的不同,將旅客分為商務型旅客、公務型旅客及旅游型旅客;部分研究通過分析旅客選擇民航出行的敏感點,將旅客分為時間敏感旅客、價格敏感旅客及里程敏感旅客[6]。任新惠等[7]研究了航班延誤下旅客出行行為異質(zhì)性,并將旅客分為4類,探討航班延誤時不同旅客對信息發(fā)布的敏感度以及后續(xù)交通的選擇方式,但這種分類方式對地面服務人員來說無法快速定位旅客類別,從而進行后續(xù)服務。

因此,本文通過問卷調(diào)查,提取航班不正常旅客行為數(shù)據(jù),采用K-均值聚類分析法對航延旅客進行分類。

1 航班不正常時旅客行為指標體系的建立

根據(jù)旅客投訴分類及文獻分類,主要從以下5個方面分析不正常航班旅客的行為:

1)個人出行行為特征。包括旅客性別、年齡、年乘機次數(shù)、購票關(guān)注點。通過描述性指標的調(diào)研,獲得航班不正常旅客的特質(zhì),作為分類的標準之一。

2)旅客氣質(zhì)類型指標。心理學上從對事物反應的速度和強度不同,將人的氣質(zhì)類型分為4類:膽汁質(zhì)、多血質(zhì)、黏液質(zhì)、抑郁質(zhì)[8]。每種氣質(zhì)類型的旅客在遇到航班不正常時造成服務抱怨的表現(xiàn)不同,見表1。

表1 不同氣質(zhì)類型抱怨表現(xiàn)

3)服務抱怨情緒遞進時間指標。主要從不正常延誤時間的角度分析旅客情緒的變化,設計了3個情緒層次:厭煩、憤怒、非常憤怒急于發(fā)泄,以此分析旅客不滿情緒反應時間。

4)航班不正常地面服務類別的滿意程度指標。通過航班不正常發(fā)生時地面服務的服務類別滿意程度分析,得到旅客對航班不正常地面服務類別的關(guān)注點。

5)航班不正常信息發(fā)布渠道指標。由于旅客對航班不正常時信息發(fā)布的及時有效非常重視,因此旅客對不正常航班發(fā)布信息平臺的使用也是旅客行為分類的重要指標。

簡言之，要使鄉(xiāng)村從原來被動接受的從屬地位中擺脫出來，伴隨兩個平等主體在異質(zhì)中發(fā)揮各自優(yōu)勢，城鄉(xiāng)融合的體制機制加快形成，兩者的互補和互需將不斷增強，最終形成命運共同體。

綜上所述,航班不正常時旅客行為研究的主要指標體系見表2。

表2 航班不正常時旅客行為指標體系

根據(jù)指標體系,設計調(diào)查問卷收集數(shù)據(jù),選擇K-均值聚類分析法進行旅客行為分類。

筆者于2021年12月10日到2022年4月1日在專業(yè)的問卷調(diào)查網(wǎng)進行問卷調(diào)研,共回收294份數(shù)據(jù),其中有效問卷為213份,問卷有效率為72.4%。

2 K-均值(K-means)聚類分析法原理

K-均值算法是一種迭代型聚類算法,在給定k值和k個初始類簇中心點的情況下,把每個點(即數(shù)據(jù)記錄)分到離其最近的類簇中心點所代表的類簇中,所有點分配完畢之后,根據(jù)一個類簇內(nèi)的所有點重新計算該類簇的中心點(取平均值),然后再迭代的進行分配點和更新類簇中心點的步驟,直至類簇中心點的變化很小,或者達到指定的迭代次數(shù)。其基本原理是:假定給定數(shù)據(jù)樣本X,包含了n個對象X={X1,X2,…,Xn},其中每個對象都具有m個維度的屬性。K-means算法的目標是將n個對象依據(jù)對象間的相似性聚集到指定的k個類簇中,每個對象屬于且僅屬于一個其到類簇中心距離最小的類簇中[9]。算法步驟如下:

1)初始化k個聚類中心{C1,C2,…,Ck},1

2)計算每一個對象到每一個聚類中心的歐式距離dis(Xi,Cj),即

式中:Xi為第i個對象,1

3)依次比較每一個對象到每一個聚類中心的距離,將對象分配到距離最近的聚類中心的類簇中,得到k個類簇{S1,S2,…,Sk}。

式中:Sl為第l個類簇的中心,1≤l≤k;|Sl|為第l個類簇中對象的個數(shù);Xi為第l個類簇中第i個對象,1≤i≤|Sl|

3 數(shù)據(jù)處理

K-均值進行聚類時,可以快速處理大量數(shù)據(jù),但缺點是需要手工設定k值。為了使聚類結(jié)果更加客觀,數(shù)據(jù)處理步驟如下:首先在SPSS軟件中使用基于主成分分析的因子分析法對標準化后的數(shù)據(jù)進行因子分析,根據(jù)因子分析降維結(jié)果進行初始k值確定;然后進行K-均值聚類,根據(jù)聚類結(jié)果進行k值優(yōu)化;最后使用優(yōu)化后的k值再次聚類得到聚類結(jié)果。

3.1 基于主成分分析的因子分析

設定保留特征值大于1的因子,采用方差最大旋轉(zhuǎn)法進行因子分析,共提取出5個公因子。表3中的總方差解釋顯示,5個公因子可以解釋68.683%變異量,5個公因子的成分矩陣見表4,因此設定初始k值為5。

表3 因子分析總方差解釋

表4 因子分析成分矩陣

3.2 第一次K-均值聚類

使用SPSS軟件進行K-均值聚類分析。迭代22次后實現(xiàn)了收斂,得到了每個聚類中的個案數(shù)目,見表5,由于第5分組個案數(shù)目僅有2個,與其他幾組個案數(shù)目差距較大。因此減少一個類,將k=4,再次進行聚類。

表5 初次聚類個案數(shù)目

3.3 第二次K-均值聚類

將k=4聚類后,經(jīng)過16次迭代實現(xiàn)了收斂,得到的最終聚類中心見表6,聚類的個案數(shù)目見表7。

表6 二次聚類最終聚類中心

表7 二次聚類個案數(shù)目

4 航班不正常時旅客行為分類及地面服務策略

根據(jù)最終聚類結(jié)果得到航班不正常時可以將旅客分為4類。描述性指標中的年齡、收入、年乘機次數(shù)、性別指標的結(jié)果差距不大,但旅客在購票關(guān)注點比較顯著,排除旅客年齡、收入及年乘機次數(shù),得到4類旅客的特征表現(xiàn),見表8。

4.1 旅客類型辨別方法

航班不正常對地面服務人員來說,不同類型旅客的服務要點不同,因此需要辨別旅客類型,然后根據(jù)旅客類型進行不同服務從而滿足旅客需求。辨別旅客類型主要有以下兩個步驟:

1)快速定位旅客氣質(zhì)類型。對地面服務人員來說,可首先根據(jù)旅客情緒反應的快慢強弱來快速判斷旅客基本氣質(zhì)類型。如果旅客在航班發(fā)生不正常時情緒起反應快速,但強度不是很大(沒有吵鬧或者攻擊),那么他可能屬于多血質(zhì),則可以初步判斷旅客類型為1或者4,后續(xù)需要進行區(qū)別;如果旅客在航班不正常時情緒波動較慢,語氣等也很平和,則初步判斷為黏液質(zhì)旅客,即定位為第2類旅客;如果旅客情緒反應快速且強度很大(大吵大鬧甚至動手),可以初步判定為膽汁質(zhì)旅客,定位為第3類旅客。

2)從購票關(guān)注點區(qū)分第1類和第4類旅客。如果在表述中多次表示出于航空公司口碑才購買了機票,那么就基本判斷屬于類型1旅客,否則可認為是第4類旅客。

4.2 不同類型旅客航班不正常時地面服務策略

航班不正常時不同類型旅客地面服務人員的服務要點不同,具體如下:

1)第1類旅客,1～2 h產(chǎn)生厭煩情緒和憤怒情緒,因此需要快速安撫旅客,不要拖到2 h以上。如果是航空公司原因,達到賠償標準的,要重視對旅客的賠償以及后續(xù)航班的及時安排問題。這類旅客對信息的獲得途徑多為微信公眾號,因此盡量在公眾號上設計航班不正常查詢渠道,幫助旅客查詢。

2)第2類旅客,產(chǎn)生厭煩和憤怒情緒的時間比較快,但產(chǎn)生極其憤怒情緒的時間比較慢,更重視退改簽服務,因此應該優(yōu)先詢問旅客后續(xù)出行安排,快速幫助旅客進行客票退改簽服務。旅客比較反感航空公司工作人員不出面解釋,因此地面服務人員應盡量安排工作人員解釋、安撫旅客,并告知旅客延誤信息情況。

3)第3類旅客,膽汁質(zhì)類旅客情緒反應時間很快且強度很強,地面服務人員應快速反應,盡快安撫,并及時解釋延誤情況,安排餐食服務。對于情緒特別激動的旅客,應盡快將旅客隔離開,然后由工作人員進行安撫。

4)第4類旅客,憤怒及極其憤怒的情緒時間會比較延后,這類旅客應盡快安排退改簽服務,并安排地面服務人員出面解釋,另外航班信息應安排發(fā)布短信、公眾號信息等,以滿足旅客對信息的獲得需求。

5 結(jié)語

基于K-均值聚類分析,結(jié)合問卷調(diào)研數(shù)據(jù)對航班不正常時旅客行為進行了分類研究,得到了4種旅客類型。地面服務工作人員可以根據(jù)旅客行為快速鎖定旅客類型,然后對旅客產(chǎn)生厭煩、憤怒以及極其憤怒的情緒時間有所了解,優(yōu)先安撫快速進入抱怨情緒的旅客,并能及時給予旅客容易引起服務滿意的安撫工作,避免引起服務不滿的表現(xiàn)。雖然旅客類型不同,重視的信息渠道不同,但應保證每個渠道的信息都能快速發(fā)布,保證旅客對不正常航班信息的快速獲取。

本研究還有一些局限性,對旅客抱怨情緒演變的分析還需細化,只考慮了旅客個人的行為,沒有考慮同行及周圍人員對旅客抱怨的影響。在之后的研究中,應該更進一步完善,更好地幫助機場及航空公司地面服務人員在航班不正常時對旅客的服務。