分析 | 探索服务于中国航司与OTA的数据驱动解决方案
分析 | 探索服务于中国航司与OTA的数据驱动解决方案
发布日期：2019-11-07 13:58
主讲人： 肖铨武
携程大数据高级总监
（原文为英文演讲，中文稿件由IAR整理翻译）
第一部分 携程在国际化道路上的探索
在当今的中国航旅市场，携程集团已经是一个举足轻重的市场参与者，但其实从创立伊始，它就在拓展国际市场方面进行了各种尝试：
携程的商业模式是旅游相关产品的综合性B2C平台，其自诞生之初就带着互联网基因，并在20年的发展过程中，始终坚持着“平台”思维，将酒店、机票、火车票、旅游产品等服务聚集在其平台之上。当前，中国互联网用户的体量约8.02亿，移动互联网用户达7.88亿，占总量的98.3%，其中有近50%的互联网用户使用移动端购买旅游相关产品。携程的产品和服务从个人电脑时代的PC端到移动互联时代的智能手机端，不断随着时代的步伐升级、变迁，而在当今的大数据时代，携程又是如何依托OTA平台，以数据驱动为客户提供解决方案的？
Step 1 数据收集
“巧妇难为无米之炊”，那么数据从哪里来？这要归功于携程集团旗下的众多线上平台，携程(Ctrip)、去哪儿、Trip.com 、SkyScanner，多平台渠道使其拥有更全面的数据来源。而B2C平台性质也让携程集团同时拥有了B端（企业端）和C端（顾客端）的数据库，用户在携程系平台上的在线浏览、订购等行为反应了用户的消费行为偏好及实时市场需求变动信息。以机票为例，这些数据涵盖了诸如搜索信息、旅客信息、第三方信息、票价信息、旅客反馈信息、旅行线路信息等多个方面。相比之下，航空公司只能获得乘机人的基本信息和航程路线信息，但携程可以在用户刚开始搜索机票时就捕捉到用户的需求信号，并加以引导，协助用户进行决策。
Step 2 顾客画像
基于携程大数据平台进行数据积累和沉淀，携程对海量的数据信息进行清洗、聚类、分析，构建了全面、精准、多维的用户画像体系，更好的为用户提供个性化的服务。总体而言，用户属性可以归为两大类：基本属性和衍生属性。基本属性包括性别、年龄、地域、在线浏览行为信息，订购信息等客观事实数据。衍生属性则以基本属性为依据，通过分析、模型规则生成了附加判断数据，如客户生命周期、行为预测等。例如通过用户的出发地和目的地，可以搭配中转机场和航班；通过乘客是否索要发票判断区分商务旅客和休闲旅客。
Step 3 用户全旅程分析
基于用户画像，就能实现不止着眼于用户的某个出行环节，而是放眼整个旅程进行统筹分析，因地制宜，因人而异，将顾客的需求碎片串联起来，成为一个有意义的整体，从而使得个性推荐变得更加智能，为用户带来更好的出行体验。
举例来说，王先生购买了居住地A到B地的机票、B地到C地的火车票、D地返回居住地A的机票。利用分段旅途信息，传统的营销会认为王先生的A-B行程目的地为B，为其推荐B地酒店，而放眼全旅程我们会发现王先生在B地停留时间只有几小时，因此B地只是中转地，他的最终目的地为C地，只是因为空中行程无法直达C，而选择地面交通进行中转。返程D-A传统推荐会认为目的地为A，为用户推荐A地酒店，而当知道王先生全行程出发地为A之后，将识别A地为他的居住地，为其推荐接机服务会更加适合他的需求。当汇总了王先生整个行程中更多信息后，还可以针对性地为其做出更多推荐，例如景点门票优惠等。
在传统单段需求分析和全旅程需求分析两种模式的对比中，后一种模式成功实现了携程和旅客之间的双赢。
实例一：新开航线分析——乌鲁木齐=中国香港
2018年5月，呼和浩特开设飞往香港的直飞航线。该航线开设前，乌鲁木齐=香港的搜索量大于呼和浩特=香港的航线搜索量。若新开乌鲁木齐=香港的直飞航线，预计航线搜索量将达到原先的2-3倍。再结合呼和浩特=香港的预期客座率和平均票价，可以预测若新开乌鲁木齐=香港直飞航线，将得到较好的结果。
实例二：航线旅客特征分析——上海=伦敦
根据携程大数据平台沉淀、积累的用户数据进行分析，可以对旅客的提前购买天数、性别比例、年龄构成、出行目的、同行人数量等特征进行较为准确的分析，统计结果如下图所示。
第四部分 基于携程数据的异常销售监控
实例一：南宁微观季节案例
2017年3月29日到3月30日之间，南宁=三亚和南宁=重庆航线的客座率值异常地高于预期，异常信息在30至50天前就体现在搜索数据上，原因是由于当地少数民族农历节日所造成的微观航线的小高峰，而这些信息是传统方式容易忽略的。除了客座率异常，能够被监测到的关键信息还包括商务旅客数量异常、青少年或儿童旅客数量异常等，这些都能够帮助航司把握潜在机会或主动规避风险。
实例二：异常价格预警
航空公司定价，偶尔因为人为或系统的原因出现漏洞。为了防范航司的系统或人为风险，携程研发上线了实时预警机制，若流式数据出现异常，则会针对不正常的价格对航空公司进行及时告警。
例1：2017年6约，A公司中国到雅加达的头等舱和公务舱价格为2000员，明显低于正常价格。写成网站在1小时内处理了这个错误，包括提醒、确认和删除。而A公司官网和其他OTA由于未及时发现依然照常销售，造成了严重损失。
例2：2017年7约，雅加达至重庆的B公司商务舱价格过低，携程立即停止销售，并向该航司发出预警。B公司认为第一天价格正常，直到第二天才证实价格异常。
例3：2018年5约，一名俄罗斯代理商在向携程发送价格时，错误地将货币设置为卢布而非美元。携程立即通知代理商。
以上三个例子中，携程均通过流数据及时发现异常，并及时采取的措施，最大程度地保护了合作方地利益。
分享到：
推荐精彩博文
