投诉是被服务对象对服务者所提供的服务不满而采取的一种表达方式，从服务提供者角度来讲，处理客人投诉的过程是改进管理、提升服务质量和打动旅客“路转粉”的关键时刻（MOT）。随着信息技术不断发展，用户对服务质量的要求越来越高，因此在各个行业中投诉率都呈攀升趋势。在民航业中，许多航企为提高旅客投诉处理的时效性，成立投诉受理部门，以加强投诉各环节闭环管理及过程管控，例如山东航空在2016年3月正式成立了投诉受理中心，提升了该公司整体服务品质。

1.引言

进入互联网、大数据的时代，用大数据技术去研究分析旅客投诉行为，成为主流趋势。早期的旅客投诉数据分析，是一种点对点、缺乏关联性的滞后方法，无法发掘投诉背后真正的原因。本文以山航全流程旅客服务系统和Python为工具平台，以机器学习运算加权和逆向最大匹配法为算法，对山航旅客投诉数据进行关联性分析，以找出隐藏在投诉背后的真正原因。

2.研究平台介绍

山航全流程旅客服务系统（简称全流程系统）是该公司服务领域的“操作系统”，在高端旅客服务信息服务保障、投诉信息线上流转、不正常航班通知等领域发挥了重要作用。从2013年开始，全流程系统中流转的旅客投诉处理量逐年增多，为本次研究提供了大数据支持。

Python是一种面向对象的解释型计算机类语言，是由荷兰人Guido van Rossum于1989年发明，该技术有丰富强大的库，并且语法简洁清晰，因为该技术常被用于大数据分析、机器学习、人工智能等领域的研究。本次研究以全流程系统采集的数据为输入，以Python工具作为加工平台，经过一系列过程处理，最终取得大数据分析结果。

3.研究方法介绍

首先对历史数据逐条进行自动分类，包括营销服务、地面服务、客舱服务、行李运输等等类别，便于统计分析。其实进行数据清洗，这里用到了文本挖掘中的中文分词技术，通过程序去识别旅客投诉详情信息中的一个个词语。之后进行量化过程，介入各种性能指标。最后经过大数据算法处理通过自动学习运算对大数据进行处理，得到用户投诉关键数据各个维度下的权重，再通过逆向最大匹配法得到关键词分值，产生输出结果。

图1.研究过程图示

python工具基于机器学习和逆向最大匹配法对2013年以来数万条投诉信息进行分析,生成投诉关键词词云与词频统计数据如下图所示。

图2.关键词词云

图3.关键词排行

图4.关键词关联关系系数

5.总结

从输出结果，可对山航旅客投诉得出以下结论：

（1）行李和不正常航班（延误、取消）是导致旅客投诉的两大主要原因，5769个投诉单出现了“延误”、“取消”、“行李”、“托运”等字眼，占总投诉量的50%左右。青岛地区与济南地区的延误，以及两地的行李、托运问题关联系数排行最高，成为旅客投诉主要原因。

（2）“赔偿”字眼出现了1998次，进一步统计得出1436个投诉单中旅客提出了赔偿的诉求，占总投诉量的12.5%。延误赔偿、延误与托运的关联系数较高，因此成为旅客投诉主要关切点。

（3）“先生”和“女士”分别出现了1302次和1374次，另外“先生”和“女士”组合关键词排行基本持平，说明投诉人群中男女比例基本持平。

（4）“头等舱”和“金卡”分别出现1160次和791次，进一步统计1151个投诉单涉及到了头等舱或者金卡，约占总投诉量的10%，而目前我公司每日高端旅客出行比例在5%以内，头等舱旅客组合关联系数较高，说明高端旅客群体对服务质量更加敏感。

数据反映了客观事物的属性,数据被加工升华后形成了信息，以创新为驱动力，将信息通过获取、生成、传递、共享等技术处理后衍生出了数字化，一旦充分运用信息技术开发信息资源，促进信息交流与知识共享，提高企业运营效率，数字化就发展为信息化。通过本文案例可知，旅客投诉的业务数据都是有“温度”的，目前缺乏的是驱动业务价值提升的有效数据挖掘，如何让有“温度”的投诉数据开口说话，将成为今后大数据分析的主要发展方向。（尹海龙、中国民航网智库专家周舰）