原文地址:https://partners.skyscanner.net/how-ai-can-better-support-airlines-in-their-fleet-developments/thought-leadership

在一条从未飞过的航线开通之前，我们需要知道些什么？常见的来自航司的问题类似，需求量足以支持每天一个航班么？如何定价？如何分配营销资源？

通常来说，航司会根据一系列“直觉”回答如上问题。当“直觉”的预测效果不尽如人意的时候，也很容易归咎于竞争形势、宏观经济等其他干扰因素。航司常见的方法是根据“同一个国家的”、“已经开通航线的“其他城市来预估新航线。这个方法有明显的不足，例如说，根据“同国家的”不同城市预估，就会将莫斯科和圣彼得堡，或者里斯本和法鲁，分为同一组，虽然他们地理上是相近的，但是在航班需求方面则差异很大。

那么，是否有更科学的方法来对新的OD对（译者注：始发和到达，例如伦敦-里斯本，下同）进行预测呢？这将对营销投放的精准化，定价和收益管理的初始化，以及航班时刻规划等方面起到很大的助益。

机器学习可以提供这样一种更为科学的处理方式，本文我们将演示一下，机器学习如何在上文所述的多因素复杂情景下，实现以数据支持决策。虽然人工智能已经在很多行业领域被证明能切实提高效率，但是对于航线规划来说，应用还并不常见。本文我们采用较为简单的K-means算法对航班搜索数据进行处理，来帮助航司得到相较之前来说更为科学的预估，以便作出更好的后续决策。（译者注，k-means是难度和决策树差不多的入门算法，可以参考以前的一篇k-means入门博客）

方法：用机器学习处理航班搜索数据

在这个研究里，我们用机器学习来比较成千上万个OD对。我们的目标是运用无监督机器学习来对他们进行分组。（译者注，无监督就是没有事先分类的学习，相对的有监督学习就是已经有分类，将样本归入）

我们的数据来自skyscanner平台的travel insight（译者注，可以参考以前一篇关于sc数据产品的博客），对去年2016年全年的超过5万条OD对的数据进行分析。

分析搜索数据

在这个研究里，每个目的地均具备30个参数，包括如出行月份、预定时间、停留在目的地时长（译者注：特指非单程机票，可以是往返也可以是多程，例如上海到北京，4天后从北京返回上海，停留时长为4天）、出行组合类型（译者注：例如成人带儿童）等。在这个案例里，我们事先选择了有哪些参数，期望通过机器学习来运用这些参数的比较，对OD对进行分组。

在数据源方面，我们第一没有预先限制地理参数（译者注，也就是避免开头说的只考虑同一个国家），第二没有根据距离、始发国家对线路进行有偏好的事先分类，第三也没有引入类似价格、可售性等指标（译者注，也就是说不考虑客人搜索的线路是否有／如何进行售卖）。数据展现的是"纯粹"的用户搜索行为。

我们的目标是根据全球用户的（由搜索体现的）需求来寻找航线的内在共同点。

（译者注：虽然这段提到了参数选择，但sc的这个案例仍然省略了2个最最日常的步骤：
第一个是数据清洗和规约，例如部分数据记录缺失，或去重复-例如多次查询才会买机票的休假和一两次查询就订的出差，其查询次数是否需要去重复等规则，这部分占整个分析的九成时间；
第二个是特征参数筛选，最简单的方法例如两两散点图肉眼观察，选择离散程度大，也就是所谓有信息的属性组合，如果设定的属性互相没有产生更多的信息量-例如一个属性是出行日期，另一个是出行月份，那么这两个属性的距离就没有意义，还会影响整体聚类。
这个案例直接给出了洗好的数据源和现成的参数组合，可以说是面向用户的文章）

结果

完整的分析结果可以参考下面的dashboard（译者注，原文页面嵌了一个tableau的动态web报表，静态译文就只放了截图）。我们首先高屋建瓴的总体看一下分析结果。

毫不意外的结果是，长线、夏季、家庭休假出行是量级最大的查询分类。

数据显示这种类别含有最多的OD对（译者注，出差的大城市就那么几个，而休假冷门目的地繁多），通常这些线路是暑期假期出行，具有较高的周末出发或至少带一个小孩的比例。（译者注，一位sabre的同学也讲过类似的，周末+人数可以筛选出利润最高的线路，维度没有本案例30个那么多，用不着上算法）

距离的影响大于国家

研究显示地理因素确实存在，然而目的地离始发地的距离，关联性要强于目的地所在国家。例如法鲁（译者注，葡萄牙南部城市）作为目的地时,和阿尔及尔（译者注，大航海时代里的北非海盗基地之一）的搜索需求十分近似，因此被分在同一个分组。这两个目的地都是典型的冬季目的地、周一到周四出发（译者注，冬季休假）。他们在距离上比较相近，如果按照传统的按国家预估的方法，这两个目的地可能不会被归为同一类。

（译者注，城市和国家范围在欧洲非常淡漠，因为几十公里就可以多个国家，大部分欧洲网站都提供类似距离50km内的搜索，而不是限于城市、国家，这是产品国际化的欧洲特色之一）

传统的浪漫情侣目的地城市，对单独游客同样热门

数据显示无论是“solo”单人出行（译者注，单打独斗，游戏玩家不会不认识solo这个词），还是双人出行，都近似指向同一类目的地。（译者注，也就是没有产生离散化，没有产生影响，或者说信息熵不大）这个结果显示并不存在所谓"专门适合情侣"的目的地。以威尼斯为例，这是典型的情侣／蜜月目的地之一，但同时在单人出行目的地里，他的比重也相当高。

（译者注,如下是截图，我选了上海SHA始发，原文是交互报表，可以在右上角切换始发城市三字码，不知道啥是三字码请搜索引擎，这玩意和做酒店必背连锁品牌名单一样，是做机票必背的）

Destination map - from SHA

（译者注，再来个韩国SEL始发的看看，明显比我们国际化吧）

Destination map - from SEL

如何阅读报表？

• 在面板右侧选择始发城市，然后观察对应目的地城市的分组。
• 不同分组对应0-9数字和不同颜色标识的10个组
• 地图下方的柱状图，显示每个分组在各个参数下和其他分组的区别，柱子的具体数字只代表对比，独立看没有意义。（译者注，k-means的基本原理是计算距离，虽然超过三维的距离很难想象，然后根据远近来分组，为了避免较大数字的影响大于较小数字，例如金额对比订单数，需要先对原数据进行标准化处理，变成同一范围的数字，最简单的方法例如每个数值减去平均数，再除标准差）
• 左侧气泡的大小，表示每个分组的od对数量的相对量的比较

如何使用这些分析结果？

作为营销人员

• 可以作为“猜你喜欢”的推荐目的地来源之一。（译者注，例如用户预订过上海-巴黎，根据报表可见，上海始发，巴黎为目的地第9组，同组目的地均可以优先推荐，同时第9组的参数为，长期计划预定，夏季出行，周末出发，单人、双人均为热门，这些均可以用于推荐）
• 规划目的地营销的预算分配，特别是对于还没有历史数据的新航线来说，尤其适用。（译者注，也就是用同组已经开通的去预估）

作为收益管理人员

• 可以用同分组已有航线的数据来进行初始定价
• 在收益管理组合里优化航线归属（译者注，就是下一段说的网络运筹）

作为航线运筹规划人员

• 可以根据需求分组来辅助参考在一周的哪一天、或一天的哪些时段安排航班（译者注，例如大部分是周末起飞的搜索，倾向安排在周末）
• 可以将航线分组作为航线网络运筹的‘校准’（译者注，航线网络运筹是传统的机票收益管理，最简单的例子是根据不同航线冷热频次不同，从“航路网络组合”的角度提高整体收益，结果就是例如上海到北京、再从北京到东京的票价，比两段相加要便宜-甚至比其中一段都便宜，而形成弃程。‘校准’的意思是，可以利用同分组的已有线路，快速得到初始参数）

人工智能时代的航线规划

航空业一直以来都采用量化分析的方式预估并依次开通新航线。机器学习是更新、更高效处理复杂多维度数据的分析方法。引入机器学习，或许可以帮助航空业在新航线开通时减少对“直觉”的依赖。

skyscanner的数据产品travle insight可以收集大量用户搜索需求，帮助航司开展本文这样的分析，如需进一步了解，可以访问网站（译者注，请去原文地址看）。

• 注1:本文的工具是基于python实现的k-means，一种无监督学习算法。

• 注2:本文的数据基于skyscanner平台上，去年（2016年）全年的用户搜索数据，包括超过5万个OD组合。