Dijital Çağda Havayolu Yolcu Memnuniyeti: Rastgele Orman ile Bir Analiz
HAVADER Editör Ekibi
Bir uçuş sonrası anketi doldururken "genel olarak memnun kaldınız mı" sorusuna verdiğiniz cevabın arkasında aslında onlarca küçük deneyim yatar: koltuğun genişliği, check-in'in ne kadar hızlı olduğu, kabin ekibinin tavrı. Bu çalışma, bu onlarca faktörü büyük veriyle ayrıştırıp, hangisinin gerçekten belirleyici olduğunu ortaya koyuyor.
Araştırmanın amacı, havayolu yolcu memnuniyetini etkileyen faktörlerin karmaşık, çoğu zaman basit doğrusal ilişkilerle açıklanamayacak bir yapıya sahip olduğu fikrinden yola çıkarak, 129.880 yolcu gözlemi içeren açık erişimli bir veri setinde memnuniyeti Rastgele Orman yöntemiyle tahmin etmekti. Bu yöntem, birçok küçük karar ağacını bir araya getirerek, tek bir basit formülün yakalayamayacağı karmaşık etkileşimleri tespit edebiliyor.
Model, 0,9585 doğruluk ve 0,9936 ROC-AUC değeriyle çok yüksek bir ayırt edici performans gösterdi ve klasik lojistik regresyon modelini tutarlı biçimde geride bıraktı. Ama asıl ilgi çekici bulgu, hangi faktörlerin öne çıktığıydı: koltuk konforu ve çevrimiçi check-in (online boarding) en güçlü belirleyiciler olarak ortaya çıkarken, yaş, cinsiyet gibi demografik özellikler ve operasyonel göstergelerin etkisi görece sınırlı kaldı.
Bu çalışmanın katkısı, havayollarının müşteri deneyimi yatırımlarını nereye yönlendirmesi gerektiğine dair net bir öncelik sıralaması sunması. Günlük hayattan bir benzetmeyle anlatmak gerekirse, bu biraz da bir otelin misafir memnuniyetini artırmak isterken, lobi dekorasyonuna değil, yatağın konforuna ve check-in sürecinin hızına odaklanması gerektiğini fark etmesine benziyor -gösterişli ama etkisiz yatırımlar yerine, doğrudan deneyimi şekillendiren temel unsurlara öncelik vermek.
Sonuç olarak bu araştırma, geleneksel anket analizleriyle makine öğrenimini birleştirerek, havayolu yolcu memnuniyetinin basit, doğrusal örüntüler değil, deneyimsel hizmet faktörleri arasındaki karmaşık etkileşimlerle şekillendiğini gösteriyor; bu da havayolu yönetimi için veri odaklı karar almanın pratik faydasını somutlaştırıyor.
← Blog
Araştırmanın amacı, havayolu yolcu memnuniyetini etkileyen faktörlerin karmaşık, çoğu zaman basit doğrusal ilişkilerle açıklanamayacak bir yapıya sahip olduğu fikrinden yola çıkarak, 129.880 yolcu gözlemi içeren açık erişimli bir veri setinde memnuniyeti Rastgele Orman yöntemiyle tahmin etmekti. Bu yöntem, birçok küçük karar ağacını bir araya getirerek, tek bir basit formülün yakalayamayacağı karmaşık etkileşimleri tespit edebiliyor.
Model, 0,9585 doğruluk ve 0,9936 ROC-AUC değeriyle çok yüksek bir ayırt edici performans gösterdi ve klasik lojistik regresyon modelini tutarlı biçimde geride bıraktı. Ama asıl ilgi çekici bulgu, hangi faktörlerin öne çıktığıydı: koltuk konforu ve çevrimiçi check-in (online boarding) en güçlü belirleyiciler olarak ortaya çıkarken, yaş, cinsiyet gibi demografik özellikler ve operasyonel göstergelerin etkisi görece sınırlı kaldı.
Bu çalışmanın katkısı, havayollarının müşteri deneyimi yatırımlarını nereye yönlendirmesi gerektiğine dair net bir öncelik sıralaması sunması. Günlük hayattan bir benzetmeyle anlatmak gerekirse, bu biraz da bir otelin misafir memnuniyetini artırmak isterken, lobi dekorasyonuna değil, yatağın konforuna ve check-in sürecinin hızına odaklanması gerektiğini fark etmesine benziyor -gösterişli ama etkisiz yatırımlar yerine, doğrudan deneyimi şekillendiren temel unsurlara öncelik vermek.
Sonuç olarak bu araştırma, geleneksel anket analizleriyle makine öğrenimini birleştirerek, havayolu yolcu memnuniyetinin basit, doğrusal örüntüler değil, deneyimsel hizmet faktörleri arasındaki karmaşık etkileşimlerle şekillendiğini gösteriyor; bu da havayolu yönetimi için veri odaklı karar almanın pratik faydasını somutlaştırıyor.