Minitab帮助了解客户满意度以保持业务飞速增长

本文最初出现在The Minitab Blog

想想您上一次乘坐飞机的时间，那感觉如何？大多数人可能会想到几个方面，无论是正面还是负面地影响了他们过去的飞行，最终都影响了他们的满意度。

在航空旅行中，旅客满意度是航空公司的关键指标。只知道您的乘客满意是一件好事，但是知道他们为什么满意更加重要。这些见解可以真正帮助航空公司从客户的角度了解其优势所在和可以改进的地方。让我们仔细看看。

一项客户满意度研究要求乘客对他们的总体满意度以及航班的其他方面（例如，座椅舒适度，在线预订的便利性，腿部空间，出发和到达的延迟时间）进行评分。这项调查发现，有54％的乘客对他们的航班感到满意，这告诉我们，总体而言，大多数顾客对他们的体验感到满意。

了解为什么客户满意

很高兴知道大多数客户对他们的飞行体验感到满意。接下来的逻辑问题是：为什么客户满意，又如何将满意的客户与中立/不满意的客户区分开？该调查为我们提供了许多要预测的预测因素（> 20）和大量数据（超过100,000行）。凭借最新版本的Minitab统计软件的预测分析菜单，我们可以使用CART 快速识别客户满意度的关键驱动因素。

CART 分类和回归树，是一种决策树算法，用于帮助找到重要的模式和数据变量的关系。如果您面临的问题或挑战具有二项式或多项式分类响应，则使用CART分类，而具有许多分类或连续预测变量的连续响应，则使用CART回归。

在此调查中，我们将客户分为满意或中立/不满意两类，因此我们将使用CART分类。CART背后的主要思想是我们将预测变量分为不同的区域，以便可以更准确地预测因变量（在这种情况下也称为目标变量）。Minitab 20将自动为您找到最佳决策树，并提供模型统计信息，因此您可以了解模型是否有用。

分析此数据时，默认模型很大，假设您真的只想集中精力并了解满意度的关键驱动因素。在这种情况下，相对变量重要性图可以告诉您哪些预测变量是树上最重要的变量。如下所示，在预测满意度时，飞机上娱乐和座椅舒适度是最重要的变量，其次是在线预订和在线支持的便捷性，而这些也同样至关重要。

选择备择树

CART树通常可能很大。用类似的信息查看一棵较小的树可能会很有用，特别是如果我们计划将我们的发现传达给他人。幸运的是，最新版本的Minitab 20包含一个交互式模型视图，使我们可以在一个方便的窗口中浏览，查看和检查备用模型。

如下所示，已选择了一个较小的树，因此我们可以查看关键变量和拆分。

树图可帮助您了解详细信息

现在，我们更仔细地研究这棵树，我们可以看到，当飞机上娱乐的评分超过3.5时，大约81％的客户对他们的体验感到满意。

红色和蓝色的指示条（显示在树的上方和每个节点中）使这些结果易于看到，其中蓝色表示满意，而红色表示中立/不满意。这也可以帮助您注意到，当客户对飞机上娱乐系统的评分低于3.5时，如果座椅舒适度较高，则他们更可能会感到满意，而如果座椅舒适度较低，则满意度会低得多（请遵循座椅左侧的路径）树）。

当您想了解重要变量时，CART树非常有用，它们也使任何人都可以通过查看模型中的分割值来轻松探索变量。使用上面的树，航空公司可能不会很惊讶地得知客户想要良好的飞机上娱乐功能和舒适的座椅-但是知道即使机上娱乐功能不佳，他们也可以使乘客对舒适的座椅感到满意-这是个很重要的发现。

CART对于您的分析工具箱是有用的工具，因为它不需要很多假设（有别于逻辑回归）并且可以很快完成。如果您因为预测性分析和机器学习对您来说太过吓人而没有分析数据，请尝试CART-最新版的Minitab 20现在变得更加容易。

本文最初出现在 Minitab博客 上