Предметом статьи является раскрытие предпосылок и подхода к разработке технологии кластеризации пассажиров авиакомпании для дальнейшей генерации персональных предложений. В статье обсуждается важность создания решений, позволяющих упростить компаниям продажи дополнительных услуг -как собственных, так и партнерских, при этом повысив вероятность приобретения данных услуг клиентами за счет персонализации. Раскрываются типы используемой для этого информации о пассажирах и подходы к ее обработке -на основе искусственного интеллекта и на основе формальных правил. Приводится описание алгоритмов работы итогового продукта, обучаемого на основе действий пользователей и генерирующего персональные предложения для клиентов на основе проведенной кластеризации. На основе описываемых в статье подходов было разработано программное обеспечение, уже внедренное в хозяйственную деятельность и доказавшее справедливость и эффективность применяемых подходов. Технология, описываемая в статье, разработана специализированно для авиакомпаний, однако при незначительной модификации для учета отраслевой специфики может быть внедрена во множестве других сфер, таких как железнодорожные пассажирские перевозки, банковский сектор, страховая сфера, розничная торговля, медийная сфера, и в иных секторах хозяйственной деятельности.

В статье представлены результаты научно-исследовательской работы, направленной на разработку нового подхода к прогнозированию потребностей клиентов любых бизнес-экосистем с использованием кластерного анализа. Развивающийся информационный рынок предоставляет предприятиям возможность беспрецедентного доступа к данным о потребителях. Эта информация может быть ценной по многим причинам, в частности потому, что она может предоставить сведения о потребительских предпочтениях и готовности платить, поэтому растущая доступность потребительских данных порождает новые требования к их использованию и регулированию. Обсуждаются предпосылки и актуальность разработанного решения, типы данных, использовавшихся при создании программы, и общее содержание самого метода прогнозирования потребностей, включая применяемые приемы кластерного анализа, использование данных об активности клиентов -воронки продаж, и расчет сходства клиентов для проективных расчетов потребностей. На основе описываемых подходов была разработана методика прогнозирования потребностей клиентов, прозрачная для пользователя и позволяющая гибко выполнять настройку, работающая как с качественными, так и с количественными данными. Отличительной особенностью представленного здесь метода является его прозрачность, что важно для повышения доверия со стороны пользователей, а также то, что для выполнения расчетов, связанных с прогнозированием спроса, требуется небольшая инфраструктура.