高速鐵路客運市場細分論文

時間:2022-07-02 03:40:28

導語:高速鐵路客運市場細分論文一文來源于網友上傳,不代表本站觀點,若需要原創文章可咨詢客服老師,歡迎參考。

高速鐵路客運市場細分論文

1旅客需求影響因素

旅客需求主要受旅客自身屬性、旅客出行特性和鐵路產品屬性的影響:旅客自身特性:包括旅客的性別、年齡、職業、收入等。旅客出行特性:包括旅客出行目的、費用來源、停留時間、同行人數、購票渠道等。鐵路產品特性:包括安全、準時、方便、快速、經濟、舒適等鐵路產品屬性,旅客在選擇鐵路客運產品時,會綜合考慮各種運輸產品的屬性。旅客出行當然都希望能以最快、最好、最舒適的方式出行,但同時又受到收入等預算的影響,因此,旅客只能在各種限制條件下,綜合所有因素選擇與自己出行意愿最接近的方案出行。也就是說,旅客的需求是基于以上各影響因素的綜合分析。為獲得旅客需求,本文針對高速鐵路客運市場進行了調查,現以京滬高鐵為例,進行市場細分分析。

2基于聚類分析的高速鐵路客運市場

細分在對高鐵客運市場進行細分時,旅客屬性和出行方式等調研數據常常是高維多屬性的,如本次針對京滬高速鐵路客運市場調查獲取的數據中包含性別、年齡、職業、席別、出行目的、停留天數、同行人數、費用來源、購票渠道、購票提前天數、乘坐高鐵的頻率等15項,包含了大量的信息。變量太多使得統計分析變得復雜,且細分結果也不易清晰,通常可以采用多元統計分析中的因子分析對數據進行簡化降維。本文先對旅客需求的影響因素作因子分析,將原始變量減少為幾個不相關的公共因子,然后根據公共因子對樣本進行聚類。

2.1原始變量的因子分析

2.1.1提取公共因子

一般采取主成分分析法從原始指標中提取公共因子,并根據特征值大于1來確定因子的數目。原始變量的15個變量通過因子分析后可以得出:利用特征值大于1的7個公共因子可以解釋原來的61.49%的信息。

2.1.2旋轉成份矩陣

因為在旋轉前每個公因子對應于各個原始變量的載荷差異不大,很難經過觀察用原始變量來解釋各個公因子的含義,旋轉后使得每個變量僅在一個公共因子上有較大的載荷,而在其他的公共因子上的載荷比較小,也就是說,每個變量僅與一個公共因子有較大的相關系數,而與其他的公共因子的相關系數較小。最常用的是最大方差法旋轉,此方法是使因子載荷矩陣中,各因子載荷值的總方差達到最大為準則。

2.2樣本聚類

在因子分析的基礎上,得到7個獨立的公因子,可進一步對鐵路客運市場進行聚類分析,得出不同的細分子市場。聚類分析按樣本之間的距離合并為相似特征的樣本,一般有層次聚類法和快速聚類法。本文采用了K-means快速聚類方法。受樣本量的限制,如果分類過多,會出現某個類別的樣本數過少的情況,比較缺乏代表性。因此,本文決定將356個樣本分成5類。聚類分析時,初始類中心是由系統自動選擇的。

3細分市場描述

經過對各細分市場中不同屬性的統計分析,可以總結出不同細分市場的主要特點,以區分各細分市場旅客的差異性需求。從出行目的來看,細分市場1和2主要是以出差/返程為主的商務旅客,細分市場3和4主要是以旅游/返程、探親訪友/返程為主的休閑旅客。再通過對各細分市場的特征進行對比分析,可將四個細分市場分別命名為高端商務旅客市場、中端旅客商務市場、年輕經濟型旅客市場、年長舒適性旅客市場,各細分市場的具體差異化描述。

4結論

市場細分的結果可直接用于指導高速鐵路客運產品設計,如針對高端商務旅客,開行列車應以高鐵、動車組等高等級列車為主,盡量采用一站直達和大站停的停站方式,盡量提供直達車,減少換乘次數;針對中端商務旅客,采用大站停或擇站停的停站方式,除直達車外,還可以提供一定的換乘車,對于通勤流在早晚高峰加大列車開行數量;針對年輕經濟型旅客,應以一般動車組類列車為主,盡量考慮擇站停的停站方式,除了直達車,還可以提供換乘車方案;針對年長舒適型旅客,應以高等級列車如高鐵、動車組為主,停站方案可以考慮旅游資源,以直達車為主,根據旅游淡旺季調整列車開行數量。當然,市場細分開可以指導不同定價方案及銷售策略的制定。總之,只有正確識別不同細分市場,獲得細分市場旅客的差異化需求,才能對各細分市場采取不同的產品策略,真正樹立以旅客為中心,全面滿足旅客需求的經營理念,才能使鐵路企業在不斷變化的激烈競爭中處于優勢地位。

作者:單位:北京交通大學 北京交通大學