Enhancing Airline Customer Satisfaction: A Machine Learning and Causal Analysis Approach
提升航空客户满意度：机器学习与因果分析方法AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确采用因果推断评估服务改进对客户满意度的影响。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
提升航空客户满意度：机器学习与因果分析方法
- 研究问题
- 航空服务改进，尤其在线登机牌体验的改善，如何影响客户总体满意度，预测分析与因果分析能提供什么证据？
- 方法与思路
- 作者结合机器学习和因果推断，使用多个预测与因果模型分析服务改进及客户满意度，但摘要未说明具体模型和设计。
- 材料陈述的贡献
- 摘要称数字服务方面的改善显著提高总体满意度，并据此讨论航空公司的服务决策；未提供效应大小或详细验证证据。
- 阅读关注点
- 应核对服务改进与满意度的测量、样本来源、因果识别设计及混杂处理，并区分预测关联与服务干预的因果效应。
- 阅读边界
- 仅据 arXiv 预印本摘要，不能确认同行评审或期刊接收；识别条件、数据和显著性依据未说明，不能验证摘要所称的因果改善。
原文摘要
This study explores the enhancement of customer satisfaction in the airline industry, a critical factor for retaining customers and building brand reputation, which are vital for revenue growth. Utilizing a combination of machine learning and causal inference methods, we examine the specific impact of service improvements on customer satisfaction, with a focus on the online boarding pass experience. Through detailed data analysis involving several predictive and causal models, we demonstrate that improvements in the digital aspects of customer service significantly elevate overall customer satisfaction. This paper highlights how airlines can strategically leverage these insights to make data-driven decisions that enhance customer experiences and, consequently, their market competitiveness.