航空业AI定制化落地：东方航空如何用用户画像实现精准营销

航空业的传统营销，很大程度上还是在“广撒网”。会员邮件统一推送，广告位按固定排期轮播，折扣信息面向所有常旅客无差别投放。这种模式在流量红利期还能跑通，但当用户触点增多、竞争加剧，问题就暴露了——商务旅客收到酒店折扣，度假旅客收到升舱推送，常旅客收到的只是一条又一条他们已经知道的活动通知。推送和需求之间，始终隔着一层。

东方航空很早就意识到了这个问题。他们需要的不是再买一套新的营销系统，而是一个能真正理解“谁在什么时候需要什么”的智能引擎。所以，当上海友赢科技进入项目时，第一件事不是写代码，而是做了一次彻底的“需求拆解”。

从业务痛点里找方案，而不是从技术清单里找功能

项目启动后，友赢科技团队用了将近两周时间，深入东航的营销、会员、地面服务、收益管理等部门做访谈。他们发现一个核心矛盾：东航数据资产非常丰富，会员信息、飞行记录、偏好标签、消费行为、服务反馈，这些数据分散在多个系统里，但彼此之间没有形成真正的“用户理解”。

比如，一位用户一年飞了二十次，其中十八次是周一早班机去北京，周五晚班机回上海。系统里记录的是“高频旅客”，但营销部门只能看到“会员等级”，无法判断这个人究竟是商务出差还是通勤，也无法知道他是否需要酒店、接送机或者休息室升舱。推送的内容，自然只能按最宽泛的“常旅客权益”来发。

友赢科技给出的方案，核心是建立一个动态更新的用户画像系统，把航班信息、权益内容、用户行为这三层数据打通，而不是简单地把数据归到一个大表里。

画像不是标签堆砌，是行为逻辑的还原

很多人都觉得用户画像就是打标签：商务、亲子、高净值、价格敏感。但真正落地的时候，友赢科技遇到的是更实际的问题——怎么判断一个旅客是“出差”还是“度假”？只看航线不够，还需要结合购票时间、是否提前值机、历史乘机记录中的座位偏好、随身行李重量、是否购买了额外行李额，甚至退改签频率。

举个例子，系统里有一个规则：如果某用户在过去三个月内，有三次以上在周一至周五乘坐早班机前往同一城市，并且每次购票与出发日期间隔小于三天，那么系统会自动将该用户标记为“高频商务出差”。这个标签一旦生成，后续的推送逻辑就完全不同了——商务出差用户不会对“周末亲子游套餐”感兴趣，但“快速安检通道券”“机场贵宾室折扣”“同航线升舱机会”这些权益，才是真正能打动他们的内容。

同时，航班信息和会员权益的匹配也做了精细化拆分。不是所有银卡会员都适合推送“升舱券”，因为升舱券对短途航线的价值远低于长途航线。友赢科技在系统里做了一层“权益效用打分”，把每条航线、每个舱位、每个时间段，和用户画像叠加，计算出每个权益对当前用户的实际吸引力。推送不再看“用户有什么权益”，而是看“这个权益对用户此刻有没有用”。

从上线到优化，效果不是一锤子买卖

系统上线后，东航内部的营销团队和友赢科技一起，做了三轮迭代才真正跑通。

第一轮，问题出在“推送频率”上。画像系统精准了，但营销部门一下子放开了推送量，一个用户一天可能收到三条不同权益的推送。打开率确实上去了，但退订率也在涨。友赢科技很快加入了“疲劳度模型”，根据用户对推送的点击、忽略、取消订阅等行为，自动调整推送间隔和内容类型。

第二轮，问题出在“权益门槛”。有些高价值权益，比如免费升舱，对用户画像匹配度要求极高，但符合条件的用户基数太小，推送效果统计上不明显。双方调整了策略，把“免费升舱”拆成了“升舱折扣券”和“升舱积分兑换”，让更多中等画像匹配度的用户也能参与，再通过后续行为数据反向验证画像的准确性。

第三轮，才是真正的智能优化。系统开始记录用户对推送的“即时反应”和“延迟反应”。比如，一个用户没有点击推送，但三天后自己去App里搜了同一条航线的升舱服务。这种“延迟转化”如果不被捕捉，系统就会错误地认为这条推送无效，从而降低该用户的画像权重。友赢科技在评估模型中加入了“兴趣衰减曲线”和“跨会话行为关联”，让用户画像不再是静态的标签集合，而是一个会随着时间推移自我修正的行为模型。

航空业AI落地的关键，不是技术，是“理解业务”

回头看这个案例，最值得关注的点不是用了什么算法，而是“怎么让AI理解航空业的真实场景”。用户画像听起来是个技术问题，但真正决定成败的，是需求调研阶段有没有把“商务出差”和“家庭旅行”的用户行为特征拆解清楚，是匹配逻辑里有没有把“短途航线升舱没用”这个业务常识写进规则，是效果评估时有没有把“三天后的延迟转化”也算作成功。

很多AI项目死在“技术方案很漂亮，但业务部门用不起来”。东航和友赢科技的这次合作，恰恰提供了一个反向验证的思路：先搞清楚业务具体怎么运转，再让AI去适配，而不是让业务去适应AI的系统逻辑。这种“定制化落地”的思路，对航空业乃至整个交通出行领域的AI应用，都值得参考。