
大数据助携程提升综合服务能力_数据分析师培训
携程旅行网CTO叶亚明日前在受邀参与旅讯开放日活动时,分享了2014年携程在数据应用方面所做的创新和尝试,“从用户的角度出发”是携程数据应用的核心所在,而携程的根本目标是通过数据来提升综合服务能力。叶亚明在会议中始终强调了一个概念,即携程的大数据应用是面向用户的,“从用户的角度出发”思考问题,即用户需要什么,携程就做什么。
用户在查询、浏览、预订、出行、评论等一系列旅行前后行为中所产生的数据是复杂和不规则的,携程要做的就是在剔除无效数据的同时保证用户所留下的数据的真实性。近两年携程开始保留用户视频会议与移动端及pc端交互的旅行数据,平均每日会有3.6T 左右的数据入库。同时,携程考虑更多的则是如何将大量的数据进行实时筛选、分拣与重新组织并应用到用户的出行前、出行中、出行后的个性化需求中。
对携程来说,要做到个性化,明确用户的目标需求是至关重要的,建立用户画像则对此起到非常大的作用。以酒店为例,同样预订五星级酒店,有些用户对酒店设施十分敏感,有些看重酒店位置,有些则更在意酒店服务……对此,携程会将用户的特点表象,也就是数据转化为标签,并以此建立用户画像,通过识别标签信息向用户提供更高质量的一站式旅游服务。
比如携程官网首页的“猜你喜欢”板块就是通过对用户画像的分析实现为用户进行个性化推荐的案例。叶亚明表示,对每一 位登陆携程官网首页的用户来说,可能看到的广告信息和主页板式是相同的,但通过识别标签进行产品推送的“猜你喜欢”板块一定会有很大的不同,这就是携程大数据所追求的,针对用户的需求进行个性化推荐。
除了首页的个性化推荐外,携程在包括酒店、机票等多方面实现了个性化的展示,其中以个性化的酒店点评排序最受用户喜爱。视频会议系统携程于2014年调整了酒店点评排序功能,新排序方式将点评质量最高、与用户最为紧密相关的点评内容作优先展示,帮助用户在最短的时间内分析出酒店的优缺点,决策出当前酒店是否符合预期、值得入住。形象地说,新版排序功能,不仅保持了点评时间的新鲜度,还保证了点评内容的相关性。
携程从呼叫中心起家,拥有世界上最大的旅游业服务联络中心,服务规模化是携程的核心优势之一。如何利用数据来提升呼叫中心的服务质量,也成为了携程研究的方向。叶亚明指出,从2014年下半年开始,携程呼叫中心引入了大数据技术项目,通过后台的数据实时解析并推测用户的来电意图; 同时电话平均接通时间从8秒缩短至2秒,平均时间从2分钟减少至1分钟,极大地改善了用户体验,并降低了服务成本。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09