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.

The subject of the article is the disclosure of the prerequisites and approach to the development of technology for clustering airline passengers for further generation of personal offers. The article discusses the importance of creating solutions that make it easier for companies to sell additional services – both their own and partners, while increasing the likelihood of customers purchasing these services through personalization. The types of passenger information used for this and approaches to its processing are disclosed – based on artificial intelligence and on the basis of formal rules. The algorithms of the final product are described, which is trained on the basis of user actions and generates personal offers for customers based on the clustering. On the basis of the approaches described in the article, software has been developed that has already been introduced into economic activity and has proven the validity and effectiveness of the approaches used. The technology described in the article was developed specifically for airlines, however, with minor modifications to take into account industry specifics, it can be implemented in many other areas, such as rail passenger transportation, banking, insurance, retail, media and other sectors. economic activity.