京公网安备 11010802034615号
经营许可证编号:京B2-20210330
厉新建:大众旅游时代他人经验或成自我消费前兆
10月16日至17日,以“互联网+新机遇与旅游大数据的未来”为主题的第二届智慧旅游与营销年会在京举行。来自中国各省市的60多家优秀旅游局领导、旅游研究领域专家学者、知名旅游企业嘉宾及30余家国内重要的媒体代表共400多人齐聚一堂,就基于“大数据”的智慧旅游解决方案与“互联网+”时代下旅游业发展的新挑战,新机遇,新技术进行深入探讨。
中国发展改革咨询委员会副秘书长、全国休闲标准化技术委员会委员、农业部全国休闲农业专家委员会委员、北京旅游协会副秘书长、北京第二外国语学院旅游管理学院院长厉新建就《大众旅游时代的在线旅游》发表了自己的看法。他表示,在线旅游当中的在线评论的数据分享机制会使得他人的体验越来越多的成为自我体验的“前兆”,成千上万人的消费体验可以促使消费者改变旅游消费模式。
厉新建表示,大众旅游时代,越来越多的变化正在发生。
第一、很大一部分大众旅游随着外部条件的变迁、变化之后可能发生变化。人们在新的环境之中的消费理念会发生变化,原来强调要到一些景观非常壮观的、具有震撼力的地方旅游,现在很多旅游者出去旅游时不见得去原计划的的地方,反而比较喜欢到环境比较好的地方去
第二、随着交通条件发生变化,比如高铁,比如高速公路,很多人愿意选择自驾车或者乘高铁去想去的地方。
第三、现在网络获取信息越来越方便以及旅游电商的发展,人们购买旅游产品的方式都发生了变化,可能倾向于慢休闲、深度的、个性化的旅游产品,更多的消费者选择近距离、多频次的微旅行。这意味着在线旅游企业在把握产品方向上必须适应新变化,完善自己的产品线。
厉新建建议在线旅游企业需要对周边游市场重新认识,并花费心思设计旅游产品,需要在设计、服务、环境、组织上做好文章。
“大众上要求量,用量求得影响;小众时候要做深,也要做私房产品。” 厉新建说,“随着农村旅游政策的调整,第二居所的出现,城际乡村的涌现,旅游电商需要在所设计的产品或者领域作出相应的调整。”
在大众旅游时代,在线旅游领域里还涉及到选择的驳论和过滤机制完善问题。
“如果在线旅游电商不能很好地把过滤机制设计好,很有可能在整个海量信息中丧失竞争优势。” 厉新建说,“信息的丰富是可以降低风险的,但如果有太多选择、太多信息的时候,实际上也会影响人们的选择。消费者只有在有限的选择当中感受到选择的快乐。”
在线旅游电商必须要帮助消费者如何把更多的数据减少到最少,从而使消费者很方便、很准确地作出决策。如何构建面向消费者的分层评价机制和模型,如何把大数据、超大信息包形成可视化、可读性、可用性的数据变得越来越重要。
大数据时代来临之前,旅游者选择酒店会非常艰难,也很难判断。而在线旅游发展之后,每一家酒店都会有很多在线评论和分享,即便正面评论和负面评论的比例为50%对50%,如果通过分门别类的方式把这些信息过滤,通过数据方式呈现,消费者选择起来自然而然会非常方便。
厉新建认为,在大众化在线旅游领域,在线评论会形成在线声誉,而在线声誉会跟整个旅游产业发展或环境变迁有密切的联系。
他表示,旅游本身是具有后验性特点,消费之后才能知道自己采购的产品是否合适。
“消费者在消费之前,无法判断旅游产品的质量好坏,所以才需要找一个能够帮助判断的指标。” 厉新建认为,“以往是靠标准,靠品牌。但现在已经不一样了,在线评论的数据分享机制会使得他人的体验越来越多成为自我体验的 前兆 。”
厉新建强调,成千上万人的消费体验,可以帮助消费者采购旅游产品,同时,也极其容易改变消费者的旅游消费模式。因此,无论在线电商企业也好,线下旅游企业也好,都会面临品牌忠诚度方面的问题,面临频繁品牌转换的问题,面临越来越激烈的竞争环境问题。
厉新建最后表示,在大众化时代,在线旅游的发展一定要考虑到服务保障和未来的线下发展需求。
在线旅游平台化性质使得自身对供应商服务质量保障程度差,这对旅游电商来说,将是非常大的挑战。以前在上电商只做机票,挑战不是非常严峻,随着机票、酒店及旅游产品不断丰富,挑战会越来越大。
一旦产品跳出“机+酒”之后,涉及到东西会越来越多。很多在线旅游企业为了强化服务质量控制,选择了线下发展,而线下发展一定会出现重型化发展趋势;很多企业选择做区域服务中心,收购很多旅行社,或许还有其它类型企业介入,但是,如果物化资产重型化特征加重,会不会和传统意义上的在线旅游轻型化特征发生冲突?一旦发生冲突,下一步的在线旅游应该如何选择?
“在大众时代,在线旅游发展可能面临着很多需要不断探索的问题。” 厉新建说。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19