用户画像不是标签堆砌，是行为逻辑还原

在航空营销的演进过程中，最核心的转折点并非技术的升级，而是对“用户画像”概念的根本重塑。传统做法往往把用户简单归类为商务、亲子或高净值等标签，随后基于这些标签进行统一推送。东方航空在与上海友赢科技合作时，发现这种标签堆砌无法捕捉旅客真实的出行动机，导致商务旅客收到度假套餐、度假旅客收到升舱券的错位现象。

行为逻辑的画像构建

友赢科技通过近两周的跨部门访谈，识别出东航拥有丰富但碎片化的会员、飞行记录、偏好与消费行为等数据，却缺乏能够把这些数据转化为“行为逻辑”的统一模型。为此，他们设计了一个动态更新的画像系统，核心在于把航班信息、权益内容与用户行为三层数据进行实时关联，而不是简单汇总到一个大表。

举例而言，系统设定了如下规则：如果某用户在过去三个月内，三次以上在周一至周五乘坐早班机前往同一城市，且每次购票与出发间隔小于三天，则自动标记为“高频商务出差”。该标签的生成直接影响后续推送——商务出差旅客将收到“快速安检通道券”“机场贵宾室折扣”等精准权益，而非通用的亲子套餐。

权益效用与推送频率的细化

在画像生成后，友赢科技进一步引入了“权益效用打分”。该模型对每条航线、每个舱位、每个时间段与用户画像进行叠加计算，评估某项权益在当前情境下的实际吸引力。例如，银卡会员在短途航线的升舱券价值远低于长途航线，系统因此抑制不匹配的推送。

首次上线后，营销团队因放宽推送频率导致用户一天收到多条权益信息，虽提升了打开率，却同步推高了退订率。为此，团队加入了“疲劳度模型”，依据用户的点击、忽略和取消订阅行为自动调节推送间隔和内容类型，避免信息过载。

持续迭代的智能优化

第二轮迭代聚焦于权益门槛。原本的免费升舱因匹配度要求高而用户基数过小，影响统计效果。团队将其拆分为“升舱折扣券”和“升舱积分兑换”，让中等匹配度的用户也能参与，并通过后续行为数据验证画像的准确性。

第三轮引入了“兴趣衰减曲线”和“跨会话行为关联”。系统开始捕捉用户的即时点击与延迟转化——例如用户未点推送但三天后自行在App搜索同航线升舱服务，这类行为被计入成功转化，防止画像误判为无效。由此，画像不再是静态标签集合，而是随时间自我修正的行为模型。

结论

该案例表明，真正有价值的用户画像必须从业务行为出发，通过细致的数据关联与动态模型实现“行为逻辑还原”。只有在需求调研阶段明确拆解出“商务出差”和“家庭旅行”等行为特征，并将业务常识嵌入匹配规则，AI 才能在航空营销中发挥实效。对其他交通出行领域而言，遵循“先懂业务、后适配技术”的逆向思路，同样是实现 AI 落地的关键。