
大数据焦虑下如何捕捉兴趣“点”_数据分析师
这是一个言必称“大数据”的时代,在旅游市场散客化、移动化两大趋势下,OTA(在线旅游商)竞争激烈、旅行UGC(用户生成内容)社区启动目的地商业合作;PC时代的较量还正进行、旅游移动端又在崛起……
用户彼此成就旅行
未来5-10年,随着人们消费水平的提高、政策的持续利好,以及移动互联网、在线旅游、大数据技术、低成本航空、旅游特价等多个环节的迅猛发展,旅游将从低频次、高消费,变成高频次、高关注度以及更低出行成本的消费行为。这一变化意味着人们对更多优质旅游信息和数据的渴求。“2014年将成为在线旅游行业的分水岭,未来大数据模式更要符合旅行者信息的需求,个性化、人性化首当其冲。”蚂蜂窝CEO陈罡给出了一个年度结论性观点。
途客圈黄而慧认为,对移动产品来讲,首先要站在用户角度,用户怎么去用你的产品,这点很重要。“包括像我们自己在做旅游攻略的时候,我们很多的旅游攻略都是我们自己亲身经历去到那边,我们做北京的旅游攻略,整个团队周末就在北京转悠,怎么去收集信息,同样一个景点有哪几个门,哪些门你是可以逃票,这些都会去亲身经历尝试去看。”
每一个人都有故事,每一个酒店、餐厅、景点也会因为注入了他人的故事而变得有血有肉,立体生动。这就是大数据时代要捕捉人心的要义。POI (兴趣点)信息在哪里?陈罡解释,“食宿行游购娱”六种要素分类往往彼此割裂。现在要围绕POI兴趣点,例如当代中国客人觉得免费wifi比免费早餐重要得多,又比如围绕一个受欢迎的区域,一家餐厅,一个酒店,一个景点进行在线预订,各要素彼此关联,它为什么受欢迎是有原因的,而且它受欢迎背后一定也有被人诟病的瑕疵,从而形成丰富、生动、完整的出行画面。
蚂蜂窝CEO陈罡:蚂蜂窝可以从 UGC 的游记攻略里提取出类似“酒店距离新宿车站很近,乘坐地铁和 JR 线都非常方便,方便去新宿购物。酒店有地下通道可以直通新宿站,带着很大的箱子行走也不会太吃力”这样的句子,不是“还行”、“不错”等习惯性好评,也不是“烂透了”、“垃圾”等情绪发泄,而是有风格的评价,要知道这是纯粹做酒店预订的OTA 很难做到的。
大数据时代 信息依然不对等
“你不要认为现在是信息太多,其实仍然是信息不对等。”陈罡解释,“目前的大数据产品和用户的需求还是有距离的,我们现在对数据的掌握和管理能力还有很大的提升空间。现在大家都希望自助游,自由行,但是很多人还是没有这么去做,说明信息的鸿沟还是存在。”
微驴儿的盛迪认为,虽然资源是非常多,但用户在找资源过程中他是很盲从,换句话说你给他看什么他就看什么,用户真实需求到底是什么,以及这个真实需求是否能够在这么多资源里面瞬间就推给他。
如果企业通过技术手段,能够精准抓住用户需求,跟资源方合作,把资源精准推送到用户面前,对用户来讲,“不见得是一个我要在很多资源里面去挑去找,而是我要想一个什么东西,是个模糊的东西,但是你可以精准帮我匹配到东西,这个可能是未来有价值的一个方向。”
“关键是我们现在做得还不够好”,陈罡举例说,“如果你去泰国海岛旅游,喜欢热闹和方便,那么你会知道,49%的游客选择住在芭东海滩,这里有721家酒店,这里夜生活丰富多彩,购物及就餐选择也非常多,步行就可以抵达海滩内的观光和饮食点,平均价格相对不高;如果你喜欢安静,”皮皮岛会告诉你19%的游客选择住这里,这里有115家酒店。皮皮岛是由两个主要岛屿组成的姐妹岛,沙滩十分柔软洁白。旺季时岛上人比较多,中国人也不少。这里的海水蓝而清澈,其中大PP和小PP是浮潜圣地。有时候会提取出一些最常被提及的字眼作为直观参考,比如“贵啊”、“味道一般”、“十年陈酿”这些字眼,效果接近淘宝的评价系统。但是目前的数据海量庞杂信息,要把用户变成一个有个性、有特质、可被描绘出来的人,为他们提供个性化的服务,却不是容易的事情。
PC端?移动端?
我们的手机里都有很多APP,很多都不用。微信公众订阅号太多,也懒得看了……这就是现代人的通病。但是大数据时代目前的论调是,旅游移动化的争夺战很激烈。对于在移动端做一系列的旅游产品,陈罡的理解是,在移动端游客对应用的整个交互要求非常简洁,所以在移动端做产品,一定要简单、直接、清晰,能让用户在有需求的时候第一时间想到你的产品,这一点非常关键。
陈罡还表示,移动端与PC端各有利弊,对于移动端与PC端的重要性,还是要看企业自身的业务态势来决定,因为旅游是低频次、但复杂度特别高的。做复杂的决策需要更多的信息,PC端的价值不仅仅在于展示,它能更好地承载更大的操作属性和决策过程,而移动端的优势,在于能够很轻很快很精准,这两者的结合才能构成对用户更好的体验系统。
2013年,携程(56.72, 0.33, 0.59%)旅行网依托于强大的网络呼叫中心和地面资源整合,提出了“大拇指加水泥”的业务战略,为消费者提供“指尖上的旅行社”,这是从OTA转变为MTA的开端,国家旅游智慧战略一个有益的尝试和拓展。经过这几年不断创新和整合,目前携程旅行网无限应用APP的下载量已经超过一个亿,同时携程互联网和无线平台的交易比重现在已经占到60%,其中酒店预订业务无线预订的比重已经超过了30%。
大数据时代的旅游,最后依然是服务和品质。一个人进入旅游大数据的矩阵,完成消费决策,他为一件并不存在的旅游商品买单了。在这其中经过的互动、学习、被服务,也会让他用现实眼光来看待一件实实在在的旅游商品,并期待也许不一样的下一次旅行,因为每一次都不能复制。
穷游网CEO肖异:在纷繁复杂的APP中,用户真正能够每天用到并开启的APP并不多,企业不应只沉迷于下载量这样的数据之中,更应该看的是每天真正活跃的用户是多少,包括整个访问的时长是多少。第二,回归移动互联网的底层思维,移动不仅仅是一个APP,更是一种思维。这种思维就是用户是在触手可及的地方,可以即时地享用到企业提供的产品和服务,企业专注于它,把这个产品和服务做到最好,满足用户的需求。文章来自:CDA数据分析师官网
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10