在一條從未飛過的航線開通之前，我們需要知道些什么？常見的來自航司的問題類似，需求量足以支持每天一個航班么？如何定價？如何分配營銷資源？
通常來說，航司會根據(jù)一系列“直覺”回答如上問題。當“直覺”的預測效果不盡如人意的時候，也很容易歸咎于競爭形勢、宏觀經濟等其他干擾因素。航司常見的方法是根據(jù)“同一個國家的”、“已經開通航線的“其他城市來預估新航線。這個方法有明顯的不足，例如說，根據(jù)“同國家的”不同城市預估，就會將莫斯科和圣彼得堡，或者里斯本和法魯，分為同一組，雖然他們地理上是相近的，但是在航班需求方面則差異很大。
那么，是否有更科學的方法來對新的OD對（譯者注：始發(fā)和到達，例如倫敦-里斯本，下同）進行預測呢？這將對營銷投放的精準化，定價和收益管理的初始化，以及航班時刻規(guī)劃等方面起到很大的助益。
機器學習可以提供這樣一種更為科學的處理方式，本文我們將演示一下，機器學習如何在上文所述的多因素復雜情景下，實現(xiàn)以數(shù)據(jù)支持決策。雖然人工智能已經在很多行業(yè)領域被證明能切實提高效率，但是對于航線規(guī)劃來說，應用還并不常見。本文我們采用較為簡單的K-means算法對航班搜索數(shù)據(jù)進行處理，來幫助航司得到相較之前來說更為科學的預估，以便作出更好的后續(xù)決策。（譯者注，k-means是難度和決策樹差不多的入門算法，可以參考以前的一篇k-means入門博客）
方法：用機器學習處理航班搜索數(shù)據(jù)
在這個研究里，我們用機器學習來比較成千上萬個OD對。我們的目標是運用無監(jiān)督機器學習來對他們進行分組。（譯者注，無監(jiān)督就是沒有事先分類的學習，相對的有監(jiān)督學習就是已經有分類，將樣本歸入）
我們的數(shù)據(jù)來自skyscanner平臺的travel insight（譯者注，可以參考以前一篇關于sc數(shù)據(jù)產品的博客），對去年2016年全年的超過5萬條OD對的數(shù)據(jù)進行分析。
分析搜索數(shù)據(jù)
在這個研究里，每個目的地均具備30個參數(shù)，包括如出行月份、預定時間、停留在目的地時長（譯者注：特指非單程機票，可以是往返也可以是多程，例如上海到北京，4天后從北京返回上海，停留時長為4天）、出行組合類型（譯者注：例如成人帶兒童）等。在這個案例里，我們事先選擇了有哪些參數(shù)，期望通過機器學習來運用這些參數(shù)的比較，對OD對進行分組。
在數(shù)據(jù)源方面，我們第一沒有預先限制地理參數(shù)（譯者注，也就是避免開頭說的只考慮同一個國家），第二沒有根據(jù)距離、始發(fā)國家對線路進行有偏好的事先分類，第三也沒有引入類似價格、可售性等指標（譯者注，也就是說不考慮客人搜索的線路是否有／如何進行售賣）。數(shù)據(jù)展現(xiàn)的是"純粹"的用戶搜索行為。
我們的目標是根據(jù)全球用戶的（由搜索體現(xiàn)的）需求來尋找航線的內在共同點。
（譯者注：雖然這段提到了參數(shù)選擇，但sc的這個案例仍然省略了2個最最日常的步驟：
第一個是數(shù)據(jù)清洗和規(guī)約，例如部分數(shù)據(jù)記錄缺失，或去重復-例如多次查詢才會買機票的休假和一兩次查詢就訂的出差，其查詢次數(shù)是否需要去重復等規(guī)則，這部分占整個分析的九成時間；
第二個是特征參數(shù)篩選，最簡單的方法例如兩兩散點圖肉眼觀察，選擇離散程度大，也就是所謂有信息的屬性組合，如果設定的屬性互相沒有產生更多的信息量-例如一個屬性是出行日期，另一個是出行月份，那么這兩個屬性的距離就沒有意義，還會影響整體聚類。
這個案例直接給出了洗好的數(shù)據(jù)源和現(xiàn)成的參數(shù)組合，可以說是面向用戶的文章）
結果
完整的分析結果可以參考下面的dashboard（譯者注，原文頁面嵌了一個tableau的動態(tài)web報表，靜態(tài)譯文就只放了截圖）。我們首先高屋建瓴的總體看一下分析結果。
毫不意外的結果是，長線、夏季、家庭休假出行是量級最大的查詢分類。
數(shù)據(jù)顯示這種類別含有最多的OD對（譯者注，出差的大城市就那么幾個，而休假冷門目的地繁多），通常這些線路是暑期假期出行，具有較高的周末出發(fā)或至少帶一個小孩的比例。（譯者注，一位sabre的同學也講過類似的，周末+人數(shù)可以篩選出利潤最高的線路，維度沒有本案例30個那么多，用不著上算法）
距離的影響大于國家
研究顯示地理因素確實存在，然而目的地離始發(fā)地的距離，關聯(lián)性要強于目的地所在國家。例如法魯（譯者注，葡萄牙南部城市）作為目的地時,和阿爾及爾（譯者注，大航海時代里的北非海盜基地之一）的搜索需求十分近似，因此被分在同一個分組。這兩個目的地都是典型的冬季目的地、周一到周四出發(fā)（譯者注，冬季休假）。他們在距離上比較相近，如果按照傳統(tǒng)的按國家預估的方法，這兩個目的地可能不會被歸為同一類。
（譯者注，城市和國家范圍在歐洲非常淡漠，因為幾十公里就可以多個國家，大部分歐洲網站都提供類似距離50km內的搜索，而不是限于城市、國家，這是產品國際化的歐洲特色之一）
傳統(tǒng)的浪漫情侶目的地城市，對單獨游客同樣熱門
數(shù)據(jù)顯示無論是“solo”單人出行（譯者注，單打獨斗，游戲玩家不會不認識solo這個詞），還是雙人出行，都近似指向同一類目的地。（譯者注，也就是沒有產生離散化，沒有產生影響，或者說信息熵不大）這個結果顯示并不存在所謂"專門適合情侶"的目的地。以威尼斯為例，這是典型的情侶／蜜月目的地之一，但同時在單人出行目的地里，他的比重也相當高。
（譯者注,如下是截圖，我選了上海SHA始發(fā)，原文是交互報表，可以在右上角切換始發(fā)城市三字碼，不知道啥是三字碼請搜索引擎，這玩意和做酒店必背連鎖品牌名單一樣，是做機票必背的）
（譯者注，再來個韓國SEL始發(fā)的看看，明顯比我們國際化吧）
如何閱讀報表？
- 在面板右側選擇始發(fā)城市，然后觀察對應目的地城市的分組。
- 不同分組對應0-9數(shù)字和不同顏色標識的10個組
- 地圖下方的柱狀圖，顯示每個分組在各個參數(shù)下和其他分組的區(qū)別，柱子的具體數(shù)字只代表對比，獨立看沒有意義。（譯者注，k-means的基本原理是計算距離，雖然超過三維的距離很難想象，然后根據(jù)遠近來分組，為了避免較大數(shù)字的影響大于較小數(shù)字，例如金額對比訂單數(shù)，需要先對原數(shù)據(jù)進行標準化處理，變成同一范圍的數(shù)字，最簡單的方法例如每個數(shù)值減去平均數(shù)，再除標準差）
- 左側氣泡的大小，表示每個分組的od對數(shù)量的相對量的比較
如何使用這些分析結果？
作為營銷人員
- 可以作為“猜你喜歡”的推薦目的地來源之一。（譯者注，例如用戶預訂過上海-巴黎，根據(jù)報表可見，上海始發(fā)，巴黎為目的地第9組，同組目的地均可以優(yōu)先推薦，同時第9組的參數(shù)為，長期計劃預定，夏季出行，周末出發(fā)，單人、雙人均為熱門，這些均可以用于推薦）
- 規(guī)劃目的地營銷的預算分配，特別是對于還沒有歷史數(shù)據(jù)的新航線來說，尤其適用。（譯者注，也就是用同組已經開通的去預估）
作為收益管理人員
- 可以用同分組已有航線的數(shù)據(jù)來進行初始定價
- 在收益管理組合里優(yōu)化航線歸屬（譯者注，就是下一段說的網絡運籌）
作為航線運籌規(guī)劃人員
- 可以根據(jù)需求分組來輔助參考在一周的哪一天、或一天的哪些時段安排航班（譯者注，例如大部分是周末起飛的搜索，傾向安排在周末）
- 可以將航線分組作為航線網絡運籌的‘校準’（譯者注，航線網絡運籌是傳統(tǒng)的機票收益管理，最簡單的例子是根據(jù)不同航線冷熱頻次不同，從“航路網絡組合”的角度提高整體收益，結果就是例如上海到北京、再從北京到東京的票價，比兩段相加要便宜-甚至比其中一段都便宜，而形成棄程。‘校準’的意思是，可以利用同分組的已有線路，快速得到初始參數(shù)）
人工智能時代的航線規(guī)劃
航空業(yè)一直以來都采用量化分析的方式預估并依次開通新航線。機器學習是更新、更高效處理復雜多維度數(shù)據(jù)的分析方法。引入機器學習，或許可以幫助航空業(yè)在新航線開通時減少對“直覺”的依賴。
skyscanner的數(shù)據(jù)產品travle insight可以收集大量用戶搜索需求，幫助航司開展本文這樣的分析，如需進一步了解，可以訪問網站（譯者注，請去原文地址看）。
注1:本文的工具是基于python實現(xiàn)的k-means，一種無監(jiān)督學習算法。
注2:本文的數(shù)據(jù)基于skyscanner平臺上，去年（2016年）全年的用戶搜索數(shù)據(jù)，包括超過5萬個OD組合。
