午夜免费电影-中文字幕丰满乱孑伦无码专区-久久久久久亚洲精品无码-国产精品天天狠天天看

出門旅行不僅需要機票，當然還要預訂酒店，這基本是無需質疑的，或許就是因為需求太過明顯，“機+X”的概念幾乎是一個永恒的行業(yè)熱點話題，不僅航空公司在談，OTA和傳統(tǒng)旅行社也在談，在風險資本的簇擁下，也是旅游創(chuàng)業(yè)的熱點;但是，業(yè)內卻鮮見以打包產品為主業(yè)的規(guī)模化公司。那么“機+酒”靠譜嗎?筆者以自己的思考，來試著解構其中的幾個誤區(qū)。

一、需求明確，為什么鮮見突破?

筆者分析“旅游打包產品”的發(fā)展，基本經歷了三個探索階段，資源不足→算法不優(yōu)→推薦不準。

首先說資源不足。既然是打包，那就需要多個內容來整合，最常見的是“機+酒”、“機+車”。由于機票的整體IT信息化水平較高，所以也最早實現(xiàn)了互聯(lián)網銷售，從而促成了OTA(在線旅游代理商)的快速發(fā)展。那么只要酒店、租車行業(yè)的信息化水平也相應提高，打包和動態(tài)打包的“原材料”就齊全了，可以根據旅客需求將資源快速組合起來。打包產品發(fā)展初期往往碰到的難題是，如何尋找信息化水平比較高的旅游相關領域，能夠有“原料”進行打包。

其次算法不優(yōu)。原料全了，接下來就需要解決打包效率問題。旅客之所以不購買，是因為選擇不夠豐富。那就需要低成本高效率的算法，將更多的資源在最短的時間內組合好。比如，北京到上海，航班從早到晚有50個左右，高鐵還有很多選擇，目的地酒店從五星級到經濟型連鎖，數量也要超過一千，要能夠根據客戶的預算、活動區(qū)域等因素，快速將產品組合出來，這對算法效率提出了很高的要求。

最后推薦不準。產品豐富了，組合效率也提高了，為什么旅客還是不感冒呢?原來是推薦不準，旅客面臨的選擇不是太少，而是太多了。簡單的信息堆砌，讓旅客無所適從，旅客希望看到的結果能夠“聰明一點，智慧一點”，根據旅客需要，尤其是“沒有說出的需要”推薦合適的產品。比如，高端旅客，就應該將舒適航班和高星級酒店組合優(yōu)先展示，對價格敏感的旅客，可以優(yōu)先推薦便宜的中轉航班和經濟舒適型酒店產品。

二、資源不足嗎?--單項冠軍的時代

那么現(xiàn)在是資源不足嗎?國內OTA的老大攜程，依靠酒店和機票起家，早在2008年就收購了從事酒店IT軟件開發(fā)的中軟好泰，意圖戰(zhàn)略布局機票+酒店組合銷售。藝龍也相繼投資了住哲和云掌柜，不僅滲透到酒店領域，而且在規(guī)模更小的客棧領域也積極布局。去年上市的阿里巴巴，在上市后第一筆投資就選擇了石基信息，石基是向高星級酒店和餐廳提供信息系統(tǒng)的服務提供商。這些不約而同的動作，目的只有一個，就是想補足酒店信息化這塊的短板。因為攜程、藝龍和阿里去呀等都擁有很大的C端客戶，但由于酒店IT水平較低，不僅制約了其酒店預訂的自動化處理，而且還制約了產品的組合打包。

但實際情況怎么樣呢?盡管進行了這些布局和投資，但從上市公司的報告來看，交叉銷售和打包銷售目前還不是主營業(yè)務，綜合判斷，全球的旅游行業(yè)目前現(xiàn)在還處于單項冠軍的競爭時代。世界上最大OTA是Priceline，市值超過600億美元，其每年酒店預訂超過1億間夜，但機票預訂只有酒店規(guī)模的1/20。國內的藝龍，幾乎放棄了機票銷售，但這幾乎不影響其酒店間夜高達每年3400萬間夜。以全球最大的GDS(全球分銷系統(tǒng))企業(yè)Amadeus來說，目前其系統(tǒng)中有大約11萬家酒店，100多家鐵路供應商，206家旅行社，23家保險公司，50多家游輪供應商和超過30家的租車公司，這么多非航的資源，在遍布全球超過9萬家代理商分銷情況下，每年貢獻的非航空預訂只占其總預定量13%。

看樣子資源是否不足是打上問號的。目前還處于單項冠軍的時代，各個企業(yè)也都是在單個細分領域競爭，還沒有到比拼綜合打包能力的“鐵人三項”時代。

三、算法不優(yōu)?--難以突破的瓶頸

隨著IT水平的進步，似乎可打包的資源不是問題了，那么是不是打包的算法不夠好呢。我們從一個“他山之石”來類比一下。

Netflix是一家美國上市公司，主要提供在線視頻業(yè)務。和別的視頻公司相比，Netflix更加重視技術，其著名的案例就是通過大數據分析，在劇本創(chuàng)意、演員遴選和宣傳發(fā)行等多個方面，為觀眾“量身定制”了暢銷美劇《紙牌屋》。我們這里要說的是Netflix另一個“百萬美元大獎”的項目。推薦引擎是Netflix公司的一個關鍵服務，千萬觀眾能在個性化網頁上對觀賞過的影片做出1-5的評級。Netflix將這些評級放在一個巨大的數據集里，該數據集容量超過了30億條。Netflix使用推薦算法和軟件來標識具有相似品味的觀眾對影片可能做出的評級。因此Netflix向全球廣發(fā)“英雄帖”，獎勵百萬美元，只希望將算法的效率提升10%。歷時近三年，全球186個國家的四萬個團隊參與，最后集合了電腦專家、統(tǒng)計專家和人工智能專家的團隊，才勉強達到了要求。我們不是想從這個例子中說明，算法提升有多么難，而是想說算法效率提升不是線性的，過了某個臨界點后，投入產出比將嚴重下降，需要長期的技術積累。

Netflix的案例中，客戶行為是一個簡單行為，而面向旅游的時候，維度將會復雜很多，人們既需要快速，還需要能夠進行比價，甚至在不同的場景下組合展示，如配合地圖展示，集成點評信息等。技術的積累不是一蹴而就的，需要一個長期的過程。同樣我們疑問的是，簡單的歷史統(tǒng)計和信息分類，從而形成的打包組合是否能否滿足用戶的需求，從而影響人們的購買決策。從實際的情況來看，現(xiàn)在的效果不好。

四、推薦不準?--低頻次行為的難題

資源有了，打包的結果也豐富了，那為什么還不能形成規(guī)模，將旅客單獨多次購買，改變?yōu)橐淮涡约胁少從亍＝Y果可能是，不是旅客不需要打包該夠，而是網站展示的信息不是旅客想要的，也就是沒有做到精準推薦。我們從“今日頭條”這個新聞聚合類的App的故事來梳理一下。“今日頭條”是移動互聯(lián)網時代快速成功的典型案例，2012年8月推出，不到兩年時間就獲得了1.2億用戶，日均活躍用戶1300萬，估值超過5億美元，而納斯達克上市的超過十年的老牌OTA藝龍，被攜程投資前，市值基本穩(wěn)定在5億美元左右。我們跟蹤“今日頭條”團隊的歷史，發(fā)現(xiàn)同樣的技術，同樣的團隊，在6年的時間里干了三件不同類型的事情，首先是旅游行業(yè)的垂直搜索網站酷訊網，其次是2009年成立的“九九房”，最后是新聞類應用“今日頭條”。其背后的技術大同小異，都是通過機器學習向用戶做聚合內容的精準推薦。但根據使用頻次、信息結構化程度和應用場景三個維度來區(qū)分，我們發(fā)現(xiàn)，旅游應用的低頻次和多場景是預判用戶行為的難點，從而導致很難做出精準的推薦。從2013年全民航市場的統(tǒng)計來看，全年完成旅客運輸量3.5億人次，實際乘機人數是1.05億，而其中7000萬人乘機1-2次，2500萬人乘機3-6次，約397萬人乘機12次以上。也就是說市場上70%的旅客，每年航空消費行為只有1-2次，由于是頻次低行為，旅客留下特征信息不足以識別出其個性化需求。目前大多是根據的統(tǒng)計特征進行猜想，如男女，年齡段，提前購票時間，購買的等級艙位等，這些與精準推薦差距還很遠。新聞類產品，由于新聞通過摘編關鍵詞就可以快速將信息結構化，同時每天上下班時間是比較高頻的接觸點，新聞類應用是推送閱讀，交互也簡單，根據用戶點擊閱讀來收集用戶的使用習慣和興趣愛好，可以在浩如煙海的資訊中聚合出適合信息，讓用戶在體驗中感到驚喜。

五、未來的路徑

用戶需求無需質疑，但資源不足、算法不優(yōu)，推薦不準都是嘗試過的誤區(qū)，那么未來的路徑在什么地方?筆者思考可能有兩個方向。

首先，依靠大數據技術。航空消費的低頻次特征導致很難完整構建旅客行為，但電商消費，社交網站(微信和微博)的行為是高頻次的，大數據強調跨界，通過整合其它系統(tǒng)的數據，可以構建出旅客的全景視圖，從而在旅客第一接觸點就能識別出旅客的需求，做到為旅客精準推薦組合產品。比如旅客在微信上與朋友交流海島游，在淘寶上購買供家人使用防曬用品，在搜索引擎上搜索相關的游記，那么在旅客訪問旅游類網站是就可以重點向旅客推薦三亞和普吉島等家庭海島游的產品。

其次，向行程規(guī)劃階段轉移。目前我們說到打包推薦，多是在產品購買階段，也就是說旅客在購買機票或者預訂酒店時，向旅客推薦相關的產品。從“5R”營銷的角度來看，即在合適的時間(Right Time)、合適的地點(Right Location)將合適的產品(Right Product)以合適的價格(Right Price)銷售給合適的旅客(Right Customer)。產品沒有問題，旅客需求也沒有問題，目前來看在時間上有點問題。旅客在購買階段，說明已經完成了旅行的規(guī)劃，基本已經知道要預訂什么樣的酒店，買什么時候的機票，租什么樣的車，所以旅客到了航空公司官網只希望快速達到目的，這時候給旅客不精準的推薦，成功的概率可想而知。所以打包產品的營銷時間可以向前移，到行程規(guī)劃階段去影響旅客。

旅游行業(yè)是永遠的朝陽產業(yè)，技術的腳步也在一直向前。打包的一站式采購可以提高人們的出行效率，但需要我們看到誤區(qū)，認識誤區(qū)，從而依靠新的方法走出誤區(qū)。