U.S. Airline Customer Complaint Trends: A Decade-Long Analysis (2013-2022) Including COVID-19 Impacts
Notice bibliographique
Résumé
The Airline Deregulation Act of 1978 significantly reshaped the U.S. aviation industry, transitioning from government-controlled pricing and service standards to market-driven dynamics. This shift led to the rise of low-cost carriers, reduced service quality, and increased customer complaints. In response to fluctuating service standards, the Air Travel Consumer Report (ATCR) was introduced in 1987 to provide transparency in airline service quality. This study leverages ATCR data from 2013 to 2022 to analyze trends in customer complaints across major U.S. airlines. The primary objectives are identifying the major customer complaints and determining which airlines received the most complaints during the studied period including the COVID-19 pandemic era. Results indicate that flight problems, refunds, baggage issues, customer service, and reservations/ticketing/boarding are the top complaints, with refunds peaking during the COVID-19 pandemic due to travel restrictions. Airlines such as Frontier, Spirit, and United consistently received higher complaints, while Alaska, Delta, and SkyWest had fewer complaints. The study underscores the importance of service quality in fostering customer satisfaction and loyalty, suggesting that airlines should focus on reducing complaints in key areas to enhance service quality. The findings provide valuable insights for both airlines and consumers, highlighting areas for improvement and aiding consumers in making informed choices. This study also emphasizes the need for comprehensive service quality measures beyond consumer complaints to assess airline performance accurately.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,007 | 0,009 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».