Minitab功能分享 | 了解客户满意度以保持飙升

想想你上次坐飞机是什么时候。那次体验如何？大多数人可能会想到对他们过去的航班产生正面和负面影响的几个方面，并终影响了他们的满意度。

在航空旅行方面，乘客满意度是航空公司的一项关键指标。仅仅知道你的乘客满意是好的，但知道他们为什么满意重要。这些见解可以真正帮助航空公司从客户的角度了解他们的优势在哪里以及他们可以在哪些方面进行改进。让我们仔细了解一下。

一项客户满意度研究要求乘客对其整体满意度以及航班的其他方面（例如座位位置、在线预订的便利性、腿部空间、起飞延误时间）进行评分。这项调查发现，54%的乘客对他们的航班感到满意，这告诉我们，总体而言，大多数客户对他们的体验感到满意。

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：为什么客户感到满意，是什么将满意的客户与中立/不满意的客户区分开来？该调查为我们提供了许多预测变量 (>15) 和大量数据（过 100,000 行）。利用新版Minitab Statistical Software中的 Predictive Analytics 菜单，我们可以使用 CART 确定客户满意度的关键驱动因素。

  了解多Minitab功能  

CART (Classification and Regression Trees) 分类和回归树是一种决策树算法，用于帮助查找数据变量中的重要模式和关系。如果您面临的问题或挑战具有二项式或多项式分类响应，请使用CART Classification，而任何具有许多分类或连续预测变量的连续响应都应使用CART Regression。

在本次调查中，我们将客户分为两组，无论他们是否满意，因此我们将使用 CART Classification。CART 背后的主要思想是我们将预测变量划分为不同的区域，以便可以准确地预测因变量（也称为目标变量，在这种情况下为满意度）。Minitab Statistical Software 将自动为您找到佳决策树，并提供模型统计数据，以便您了解模型是否有用。

在分析这些数据时，默认模型非常大——这完全没问题。假设您真的只想关注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中重要的变量。

如下所示，在预测满意度时，机上娱乐和座椅舒适度是重要的变量，其次是在线预订的便利性和在线支持，这也非常重要。

CART Trees 通常会很大。查看具有类似信息的较小 tree 可能很有用，特别是如果我们计划将我们的发现传达给其他人。幸运的是，Minitab Statistical Software 的新版本包含一个交互式模型视图，可让您在一个方便的窗口中探索、查看和检查替代模型。

如下所示，选择了一个小得多的 tree ，因此我们可以查看关键变量和拆分。

现在详细地查看 tree，我们可以看到，当机上娱乐评分** 3.5 时，大约 81% 的客户将他们的体验评为满意。

Minitab 统计软件中 CART Tree 中的指示条

红色和蓝色指示条（如上图和 tree 的每个节点所示）使这些结果很容易看到，蓝色表示满意，红色表示不满意。这也有助于您注意到，当客户对机上娱乐的评分低于 3.5 时，如果座位靠近窗户或过道，他们往往会满意，但如果他们有中间座位的（沿着 tree 左侧的路径查看），他们会不满意。

当您想了解重要变量时，CART Trees 非常有用，它们也使任何人都可以通过查看模型中的拆分值来轻松探索变量。使用上面的tree ，航空公司可能不会太惊讶地发现客户想要好的机上娱乐和舒适的座位——但知道即使机上娱乐不是很好，他们也可以让乘客对舒适的座位感到满意——这是一个重要的分析。

CART 是您的分析工具箱的有用工具，因为它不需要很多假设并且可以很快完成分析。如果您因为预测分析和机器学习对您来说太复杂，而有未分析的数据。试试 CART - 现在在新版本的Minitab Statistical Software中变得加容易操作使用。