请回想一下您上次坐飞机的情形。那次经历感觉如何？大多数人可能会想到影响他们过去飞行体验的几个方面，无论感受良好还是不悦，最终都会影响他们的满意度。
谈到航空旅行，乘客满意度是航空公司的一个关键指标。仅了解到您的乘客表示满意确实不错，但若知道他们为什么满意就更好了。这些见解可以真正帮助航空公司了解自己的优势所在以及基于客户角度可以改进的方面。让我们来深入了解下。
一项客户满意度调查要求乘客对他们的总体满意度以及航班的其他方面（例如，座椅舒适度、在线预订的便利性、腿部空间、出发和到达延误时间（分钟））进行评分。这项调查发现，54% 的乘客对他们的航班感到满意，从中我们可以知道，总体而言大多数客户对他们的体验感到满意。
了解客户满意的原因
很高兴知道大多数客户对他们的飞行体验感到满意。接下来的逻辑问题是：客户为什么满意？哪些因素促使这些顾客感到满意，使他们的反馈不同于中立/不满意的顾客？该调查为我们提供了许多可供调研的预测变量（超过 20 个）和大量数据（超过 100,000 行）。利用 Minitab Statistical Software 最新版本中的“预测分析”菜单，我们可以使用 CART® 快速识别客户满意度的关键驱动因素。
准备好进一步了解 Minitab 的最新版本了吗？
CART®（即分类和回归树）是一种决策树算法，用于帮助找到数据变量中的重要模式和关系。如果您面临的问题或挑战具有二项式或多项式分类响应，请使用 CART 分类，而任何具有多个分类或连续预测变量的连续响应要使用 CART 回归。
在此项调查中，我们将客户分为两组，即他们是满意还是中立/不满意，因此我们将使用 CART 分类。CART 背后的主要理念是，我们将预测变量划分为不同的区域，以便能够更准确地预测因变量（也称为目标变量，在本例中为满意度）。Minitab Statistical Software 将自动为您找到最佳决策树，并提供模型统计量，从而使您能够了解模型是否有用。
当分析这些数据时，默认模型很大，这完全没问题。假设您确实只想侧重于和了解满意度的关键驱动因素。在这种情况下，您可以通过相对变量重要性图了解哪些预测变量是树中最重要的变量。
正如您如下所见，在预测满意度时，机上娱乐和座椅舒适度是最重要的变量，其次是在线预订和在线支持的便利性，这两个因素也很重要。
灵活拟合备择模型
CART 树通常很大。查看一棵具有相似信息的较小树会很有用，特别是如果我们打算将结果传达给其他人。幸运的是，Minitab Statistical Software 的最新版本包含一个交互式模型视图，让我们可以在一个方便的窗口中浏览、查看和检查备择模型。
如下所示，已选择一个小得多的树，因此我们可以查看关键变量和拆分。
树图帮助您了解详细信息
现在更详细地查看此树，我们可以看到，当机上娱乐的评分超过 3.5 分时，约 81% 的客户将他们的体验评价为满意。
红色和蓝色指示条（如上图和树的每个节点中所示）使结果易于查看，蓝色表示满意，红色表示中立/不满意。这也有助于您注意到，当客户对机上娱乐的评分低于 3.5 时，如果座椅舒适度较高，他们更可能会感到满意，但如果座椅舒适度较低，则满意度则会低得多（沿树左侧的路径）。
当您想了解重要的变量时，CART 树非常有用，它也能使任何人都可以通过查看模型中的拆分值来轻松研究变量。通过上面的树，航空公司对于得知客户需要好的机上娱乐和舒适座椅可能不会太惊讶，但同时能了解到即使机上娱乐不够好，也可通过提供舒适座椅使乘客满意，这是一个重要的见解。
CART 是您的分析工具箱中的有用工具，因为它不需要很多假设，且可快速完成。如果您因为预测分析和机器学习对您来说很困难而留有一堆数据未分析的话，不妨尝试下 CART — 在 Minitab Statistical Software 的最新版本中，可以更轻松地使用该工具。