京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据分析成旅游移动个性化关键_数据分析师
旅游企业Expedia、Orbitz和其他公司正在积极利用大数据来打造新一代的移动体验。这些公司希望从智能手机和平台电脑用户中获得更多的订单。
旅游业迅速意识到了移动渠道所蕴含的潜力,它能提高旅客体验并带来收益。许多旅游企业的移动渠道订单都占了很高比例。除了现有的移动预订策略以外,许多企业现在正在进一步探索数据库这个宝藏,希望开发出旅客心目中必备的新一代移动功能和服务。
从酒店业到航空业,每个企业都应该重点提升自己在移动服务方面的整体用户体验。Forrester Research的副总裁兼首席分析师Julie Ask如是说道。
航空业和酒店业以及在生态系统中的其他行业已经研发了API接口,它既能为内部使用,也可以为第三方使用来拖取数据和服务消费者。
这不是一个关于航空业或者酒店业现在把旅客服务得很好的问题。这些旅客对于航空业或酒店业来说是非常有吸引力的一个消费群体,他们频繁在旅途中使用智能手机上的旅游相关服务。每个处于旅游生态系统中的企业都希望自己是不可替代的。
酒店房价热点地图
Amadeus去年秋季发布的一份报告显示,通过提高决策、驱动产品和服务创新以及提升顾客关系,大数据可以帮助旅游企业更好地满足顾客的需求。这份报告同时也敦促旅游企业马上行动起来,从而占据先机。
Orbitz和Expedia都在利用数据来打造独一无二的移动体验,他们在此方面处于领先地位。
例如,Orbitz在一月时推出了全新的OrbitzLabs页面,以测试一系列的新工具,其中能够被消费者接受的工具将被整合入Orbitz的移动端和PC端预订引擎。
其中一个工具能够让用户依据预订日期来搜索酒店的历史房价,这样顾客就能够决定预订的最佳时机,获得最便宜的房价。酒店的房价热点地图也通过地理分布的形式提供了类似的信息。
Orbitz还提供了展示每日机票搜索情况的模拟地图。
此外,还有帮助顾客预订大型赛事举办地last-minute机票和酒店客房的工具。它们被称作Big Game Flight Finder(Big Game机票搜索引擎)和Big Game Hotel Finder(Big Game酒店搜索引擎),这些工具似乎尤其适用于移动端,因为许多航空公司和酒店移动渠道的last-minute订单获得了显著增长。
分析预订模式
对数据的重视同样体现在了一月份Expedia在移动应用和PC端推出的几个新功能上,它们分别是Flight Recommendations(机票推荐)、Scratchpad以及ItinerarySharing(路线分享)。
Expedia的研究显示,人们在预订机票前会在旅游网站间进行48次搜索。Flight Recommendations的推出就是为了简化这一过程。它通过分析顾客旅游和预订模式来为搜索者提供他们也许感兴趣的可选航线。
当顾客进行一次搜索时,他们可以和其他进行类似搜索的顾客比较搜索结果,他们的搜索词只有一两个参数的差别。Expedia希望这个能够帮助顾客更快地找到更便宜或是更方便的旅游方案。
Scratchpad为用户提供存储搜索的功能,之后他们就可以随时回来查看自己的搜索,他们也可以将内容发送到自己的邮箱。对于登录用户来说,可以在一个设备上开始搜索,然后在另外一个设备上完成搜索,内容则可以在不同的设备间共享。
Itinerary Sharing可以让顾客通过邮件、AirDrop、短信或Facebook来分享自己的旅行线路。当他们与同样使用Expedia移动应用的顾客进行线路分享时,后者也可以收到该线路相关延误和到达时间的应用推送消息。
下一代的移动旅游服务将会利用数据来打造高度个性化的体验,并开始预测顾客的需求。
例如,一家航空公司知道航班时间,甚至还有我的所在地,他们可以推测出我的需求,并通过移动端在恰当的时间提供给我相应服务。Ask女士说道。
假如我现在还有一小时就要起飞,我不大可能会在期间预订下一次出行的航班,我更可能是需要升舱服务或是食物。
通过对文本的利用,旅游移动应用将开始预测我的需求并采取行动,例如再次预订某班航班,或是改变来机场接送我的时间,或是我入住酒店的时间。(文章来自:CDA数据分析师培训官网)
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06在 CDA(Certified Data Analyst)数据分析师的工作中,“可解释性建模” 与 “业务规则提取” 是核心需求 —— 例如 “预测用户 ...
2025-11-06在分类变量关联分析中(如 “吸烟与肺癌的关系”“性别与疾病发病率的关联”),卡方检验 P 值与 OR 值(比值比,Odds Ratio)是 ...
2025-11-05CDA 数据分析师的核心价值,不在于复杂的模型公式,而在于将数据转化为可落地的商业行动。脱离业务场景的分析只是 “纸上谈兵” ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-04【2025最新版】CDA考试教材:CDA教材一级:商业数据分析(2025)__商业数据分析_cda教材_考试教材 (cdaglobal.com) ...
2025-11-04在数字化时代,数据挖掘不再是实验室里的技术探索,而是驱动商业决策的核心能力 —— 它能从海量数据中挖掘出 “降低成本、提升 ...
2025-11-04在 DDPM(Denoising Diffusion Probabilistic Models)训练过程中,开发者最常困惑的问题莫过于:“我的模型 loss 降到多少才算 ...
2025-11-04在 CDA(Certified Data Analyst)数据分析师的工作中,“无监督样本分组” 是高频需求 —— 例如 “将用户按行为特征分为高价值 ...
2025-11-04当沃尔玛数据分析师首次发现 “啤酒与尿布” 的高频共现规律时,他们揭开了数据挖掘最迷人的面纱 —— 那些隐藏在消费行为背后 ...
2025-11-03这个问题精准切中了配对样本统计检验的核心差异点,理解二者区别是避免统计方法误用的关键。核心结论是:stats.ttest_rel(配对 ...
2025-11-03在 CDA(Certified Data Analyst)数据分析师的工作中,“高维数据的潜在规律挖掘” 是进阶需求 —— 例如用户行为包含 “浏览次 ...
2025-11-03在 MySQL 数据查询中,“按顺序计数” 是高频需求 —— 例如 “统计近 7 天每日订单量”“按用户 ID 顺序展示消费记录”“按产品 ...
2025-10-31在数据分析中,“累计百分比” 是衡量 “部分与整体关系” 的核心指标 —— 它通过 “逐步累加的占比”,直观呈现数据的分布特征 ...
2025-10-31在 CDA(Certified Data Analyst)数据分析师的工作中,“二分类预测” 是高频需求 —— 例如 “预测用户是否会流失”“判断客户 ...
2025-10-31在 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30