Enseñarle cómo entender los big data del turismo.
A veces, una oración o una imagen contendrá enormes oportunidades de negocios digitales, pero este es un trabajo técnico con requisitos de alta precisión, no todos pueden entender big data.
Comprender el comportamiento turístico
Todo el mundo habla de big data. Ctrip invirtió recientemente en Zhonghui Information Technology Co., Ltd. (en lo sucesivo, "Zhonghui"), que se especializa en investigación de big data, Alibaba Travel ha cooperado con Shiji Information, y Dongcheng Hotel y Home Inn también han lanzado una gestión inteligente.
Cada visitante tendrá sus propios registros de datos de membresía y consumo, que son la información básica del big data. Pero, ¿cómo se analizan un montón de números y el comportamiento del consumidor y se sacan conclusiones?
"En primer lugar, debes saber qué es big data. Big data se divide en dos categorías, a saber, datos estructurados y datos no estructurados. El primero es una serie de números que todos ven, y el segundo puede sea una imagen, una oración, etc. Información que no se refleja directamente en números. Por lo tanto, el análisis real de big data no solo debe realizar un análisis numérico directo, sino también saber cómo construir modelos matemáticos, convertir datos no estructurados en datos estructurados y dibujar. Estas conclusiones no son simples", dijo a los periodistas Jiao Yu, director general de la División de Inteligencia de Datos de Zhonghui.
Jiao Yu dio un ejemplo a los periodistas. Muchos turistas ahora comparan precios y reservan hoteles en OTA (agencias de viajes en línea), por lo que sus palabras clave de búsqueda y seguimiento de navegación se reflejarán en los registros de OTA. Si un huésped navegó por la página del hotel pero fue redirigido y no realizó un pedido, puedes utilizar este registro para analizar el motivo por el cual el huésped no realizó un pedido. Cuando un huésped clasifica la información del hotel por palabras clave como precio, marca, región, etc., el historial de navegación que deja puede mostrar que las personas son más sensibles al precio.
“Después de la investigación, la mayoría de la gente todavía presta atención al factor precio. Debido a que la selección de precios se basa en el rango, podemos utilizar los rastros de navegación para obtener un gráfico de rango de precios que sea más aceptable para los turistas. de las personas se preocupan por la marca. Se puede ver que hoteles similares son altamente sustituibles. Si busca por palabras clave regionales, representa datos de ubicación geográfica y si esta información se puede comunicar con precisión a los hoteles en esta área, sin duda aumentará el hotel. tasa de ocupación Ajustar los precios de las habitaciones de forma adecuada en función del comportamiento del consumidor. Cuando la oferta supera la demanda, los precios de las habitaciones disminuirán. Otro estudio interesante es que si se incluye un hotel competidor del Hotel A en el historial de navegación del visitante. "El precio de la habitación se reducirá. Se infiere que este huésped tiene demanda en el Hotel A, y este huésped es un huésped potencial al que el Hotel A debe prestar atención", señaló Jiao Yu para convertir registros de navegación masivos en datos efectivos. Tenemos que confiar en modelos matemáticos, que se dividen en tipos convergentes y divergentes. Big data generalmente requiere un modelo de convergencia para transformar datos no estructurados en datos estructurados y sacar conclusiones.
Un operador de una cadena hotelera dijo a los periodistas que estos big data cubren información como rangos de precios y marcas aceptables para los consumidores, lo que puede permitir a los hoteles realizar ajustes estratégicos en precios, posicionamiento y marketing, mejorando así la tasa de ocupación y mejorando Gestión general de los ingresos del hotel.
Análisis de lenguaje increíble
Además del precio y la marca, el lenguaje también es un tipo de datos no estructurados, especialmente ahora que los huéspedes reservan productos de viajes de hotel, definitivamente leerán las reseñas primero, o. ellos mismos Por favor, deje un comentario después de su experiencia. También hay mucho conocimiento de big data detrás de estos lenguajes.
Después de muchas entrevistas y observaciones, el reportero supo que muchos huéspedes evaluarán los hoteles en los que se han alojado. Entre estos comentarios, a menudo hay comentarios sobre el ambiente del hotel, las instalaciones de las habitaciones, el catering y los servicios, como "la habitación está muy limpia, pero el servicio de entrega de comida es muy lento", "el servicio de recepción es muy pobre". y "la ducha se siente bien". Esto requiere un análisis semántico profesional para convertir una segmentación precisa en datos estructurados y transmitirlos a los operadores hoteleros.
En inteligencia artificial y lingüística computacional, el análisis semántico proporciona métodos para el razonamiento del conocimiento y el lenguaje, y también es la dirección de desarrollo de los futuros motores de búsqueda. Por ejemplo, si ingresa "Apple" mediante análisis semántico, puede saber que el usuario está buscando un teléfono móvil y no una fruta.
“En primer lugar, utilizaremos análisis semántico profesional para eliminar un lote de reseñas falsas o sin contenido sustancial, dejaremos reseñas con contenido sustancial real para el hotel y segmentarlas en múltiples dimensiones. Tomemos un ejemplo simple, como "Este hotel está muy limpio, pero el servicio de entrega de comida es muy lento". Después de nuestra segmentación de oraciones y análisis de corte multidimensional, podemos saber que la limpieza de la habitación es buena, pero. El servicio de entrega de comida es muy lento. Si hay problemas, clasificaremos las conclusiones en detalle y brindaremos retroalimentación a varios departamentos. El problema aquí es la velocidad y, a veces, también está relacionado con el gusto o la actitud de servicio. muy complicado, incluida la proporción de corrección de errores, dijo Fan Hu, vicepresidente senior del departamento de marketing.
El Sr. Li, que ha estado en la industria hotelera durante más de 15 años, dijo a los periodistas que, en comparación con un simple "bueno" o "malo", las conclusiones extraídas después del análisis semántico multidimensional pueden alimentarse. Volver a varios departamentos relevantes del hotel al refinar qué detalles son buenos o qué detalles deben mejorarse, la gerencia puede saber claramente el siguiente paso de trabajo al realizar reuniones periódicas después de mejorar la actitud del servicio, la velocidad e incluso. estilo de decoración, la tasa de ocupación del hotel donde se ubica aumentará En los últimos 10 años, el RevPAR (ingreso operativo real promedio por habitación disponible) ha aumentado alrededor de un 15%.
Se informa que las dimensiones del análisis semántico realizado por algunas empresas de información científica y tecnológica han llegado a 1.000.
Cómo reproducir información gráfica y transfronteriza
A veces, el análisis de big data turísticos también implica cooperación transfronteriza.
"La investigación extranjera es interdisciplinaria y combina muchos campos, como información geográfica, TI, escuelas de negocios, sociología, etc. Daré un ejemplo de seguimiento de turistas. Ahora utilizamos redes sociales multidireccionales transfronterizas. medios Para rastrear el comportamiento de los turistas, los turistas dejan muchos rastros en las redes sociales, como flickr. Las imágenes en flickr dejan coordenadas geográficas, tiempo de toma, información de comentarios, etc. Estos son big data turísticos muy valiosos a largo plazo. Un académico que estudia el análisis de big data del turismo en Australia, dijo a los periodistas que el seguimiento de trayectorias utilizando coordenadas geográficas requiere la ayuda de expertos que comprendan la geografía, mientras que los expertos en gestión empresarial pueden analizar dónde van los turistas y cuándo van. Datos con valor comercial.
Después de un análisis e investigación transfronterizos de múltiples partes, la industria puede saber qué atracciones son más populares, qué atracciones son más nuevas, cuánto tiempo permanecen los turistas en las atracciones e incluso cuánto dura cada estadía. Una vez que la industria turística relevante capte los resultados del análisis de esta información de big data, podrá desviar el tráfico de manera efectiva y evitar la sobresaturación de la capacidad de carga del área escénica. Al mismo tiempo, al comparar la información de las atracciones y los atributos de los turistas, podemos saber qué diferentes necesidades tienen los turistas de diferentes países en cuanto a las atracciones, por ejemplo, si los asiáticos prefieren las atracciones culturales. De ser así, se debería introducir más en la promoción del turismo local. y marketing.
El periodista se enteró durante la entrevista que muchos lugares escénicos nacionales también están cooperando con empresas relevantes de análisis de big data, con la esperanza de que a través del análisis y la predicción del flujo futuro de pasajeros, especialmente durante la temporada alta de la Semana Dorada, pueda ayudar. Los lugares escénicos controlan el número de turistas. Mejorar la seguridad y la calidad del servicio.
Curiosamente, las imágenes también pertenecen al big data.
“Por ejemplo, algunos sitios web grandes de reserva de viajes tienen una gran cantidad de imágenes, necesitamos que los técnicos de TI nos ayuden con el aprendizaje automático para ayudarnos a identificar diferentes imágenes, por ejemplo, ya sean los personajes o el paisaje. son buenos o no, y luego comparamos el modelo matemático con las imágenes promocionadas por la oficina de turismo y las agencias de viajes para averiguar si las imágenes que interesan a los turistas son consistentes con las imágenes promocionadas por la oficina de turismo y las agencias de viajes. son inconsistentes, ¿cuál es la inconsistencia y cómo mejorarla?
Se informa que también existe un método de prueba de ondas cerebrales que puede probar dónde mirarán los ojos de las personas en el primer segundo después de ver una imagen, cuál es el punto más atractivo y la respuesta de las personas al tema que se está viendo. probado. Cuánto te gusta o no te gusta la imagen. A través de estos análisis, los operadores pueden decidir si cambiar las imágenes de muestra al vender y si las imágenes promocionales de restaurantes o atracciones son buenas o vacías. Las imágenes de muestra apropiadas pueden promover las ventas.
“Por supuesto, no es fácil hacer un buen trabajo en la investigación de big data en turismo. Sus modelos matemáticos son relativamente complejos, como la regresión lineal. De hecho, la investigación de big data es una integración continua de datos. Proceso interdisciplinario en el futuro Todavía quedan muchas oportunidades de negocio por explotar en big data.
", Dijo Cheng Mingming.
Lo anterior es el contenido relevante compartido por el editor para enseñarle cómo comprender los big data del turismo. Para obtener más información, puede seguir a Global Ivy para compartir más información seca.