APP下载

数据挖掘在旅游电子商务中的应用与研究

2019-12-02王泽云刘子豪

中国管理信息化 2019年20期
关键词:旅游电子商务数据挖掘大数据

王泽云 刘子豪

[摘 要]近年来,随着互联网行业快速发展,电子商务行业也得到了高速发展,同时,旅游行业借助电子商务实现多种方式运营已经成为旅游行业发展新趋向。随着大数据时代到来,如何挖掘数据运用于旅游电子商务发展是旅游行业的聚焦点。通过大数据分析出商业信息以及客户信息,从而更好地提供服务质量与品质,提高企业效益与竞争力,数据挖掘发挥着重要的作用。本文首先对数据挖掘以及大数据进行概述,其次论述了数据挖掘技术在信息互联网环境下对该产业的意义,最后探讨了數字挖掘技术在旅游电商中的应用方向,为相关企业发展提供了良好的借鉴作用。

[关键词]旅游电子商务;数据挖掘;大数据

doi:10.3969/j.issn.1673 - 0194.2019.20.063

[中图分类号]F592;F724.6[文献标识码]A[文章编号]1673-0194(2019)20-0-02

1     旅游电子商务的相关概述

1.1   旅游电子商务

旅游电子商务指在当前互联网信息化环境下,以此为主,并以旅游相关数据库、网络支付、安全中心为基础,使用现代化互联网技术促进旅游行业发展的新型商务化体系,主要利用当今前沿的计算机网络,在如今电子商务的基础环境下,整理旅游业外部和内部的一些资源,推动旅游行业信息的快速传播以及后续推广,从而实现旅游产品在线发布和销售,为旅游者和旅游企业之间搭建一个知识共享交流互补的交互式互联网运营平台。

1.2   数据挖掘

数据挖掘作为大型数据知识库知识发现的关键步骤,指从海量数据中通过一些简单算法搜索出隐匿信息数据的过程。数据挖掘与计算机技术有关,通过相关统计、分析、检索、收集等方法达到上述目的。第一步,数据挖掘要了解数据,对数据进行描述,计算相关变量,然后通过直观方式表述出来,从而可以观察到一些相关关系。第二步,建立一个预测性质的模型,通过一些相关数据进行测试化实验。第三步,对模型进行验证,在满足基本要求的基础上,进行预测分析。

2     我国旅游电子商务发展现状

电子商务促进了商业模式的变革与发展,改变了传统旅游业的发展与经营模式,利用先进信息技术实现旅游供应链上供应商、中介商、旅客的完美联系。随着经济发展,产业结构不断升级以及转型。目前,旅游电子商务正处于高速发展阶段,品牌众多,例如携程网、去哪儿网、马蜂窝旅行等,行业竞争日趋激烈,如何有效发展网络营销显得格外关键,各家企业聚焦于此。

2.1   旅游产品价格呈现出同质化

2016年,中华人民共和国旅游研究院发布的《中国旅游电子商务发展报告》中提到,我国旅游电子商务发展呈现了一个重要特征,产品与价格受到人们广泛地关注。作为出行游客,最先想到的是旅游核心产品相关信息与价格信息。对于众多旅游电子商务企业来说,产品采购与业务洽谈相似,基本上都是简单从批发商手中采购,线上产品比较单一,区别性不明显。当下,旅游电子商务行业已经进入完全性竞争状态,企业盈利方式大体是通过以下几种途径实现的,大部分来源是返还金,还有一些飞机票、汽车票、火车票的差价以及服务费用,盈利能力有限。人力成本不断上升、空间利润下降、价格透明度高,旅游电子商务企业间的竞争手段主要是低价营销策略。一般到了旅游旺季,例如国庆黄金周、暑假旅游旺季,热门的旅游地和旅游线路便开始了一系列价格大战,各大旅游电子商务企业很难有一个差异化优势。

2.2   网站设计缺乏特色

网站设计尤为重要,因为网站设计的好坏是一个企业的门面,网站设计不能缺乏特色与卖点,但我国大部分的旅游网站平台没有展现出自己应有的特色,这些旅游网站平台的设计往往借鉴或者直接照搬其他旅游网站的模式,无法凸显出自己网站平台设计突出的特色。普遍存在页面设计不美观的问题,让人眼花缭乱,杂乱无章,无法抓住浏览者的眼球,使用户在浏览网站时非常不方便;对于景点介绍主要采用文字描述以及文字和图片简单结合,很少利用视频以及虚拟技术等让人们直观感受的方式来介绍。

2.3   在线旅游渗透率较低

根据艾瑞的数据统计调查显示,2013年中国的在线旅游总收入28 500亿元,数量巨大,且在线旅游渗透率达到了7.7%,国内互联网的普及率每年都在逐步增长,前文所提渗透率虽然每年也在逐步增长,但相对于世界在线旅游发展较好的国家来说,还存在较大差距。例如:美国市场是旅游消费的前沿,去美国旅游的人数庞大,美国在线旅游渗透率已经超过了50%;欧洲渗透率相对较低,但也达到42%。大多数的旅游电子商务平台的在线访问体验缺乏吸引力,没有了解游客的需求和喜好,没有针对性地对游客需求提供相关及时的互动,不能满足游客需求,在线用户后继增长乏力,订单转化概率相对较低。

3     数据挖掘在旅游电子商务中的作用

数据挖掘技术是在隐藏的、潜在的、繁杂的信息中挖掘出众多有用的信息来指导旅游电子商务的营销。所以说,数据挖掘对于旅游电子商务有着服务作用,具体体现在以下几个方面。

3.1   提高用户便利化,完善界面信息链接

用户在阅览网站时,形形色色的内容就如同超市中琳琅满目产品在货架中的摆设一样,往往将一些有关系的物品摆放在一起,便于产品销售,俗称为关联性产品。通过数据挖掘,可以利用关联性原则,针对不同客户的需求调整相应结构,使客户访问相关产品具有直接性,这样的便利性操作,将会极大提高用户使用度,使用户养成使用习惯,提高对本平台的认可度依赖度。

3.2   掌握客户需要,挖掘客户活动信息

对网页中信息数据进行一个聚类分析,可以通过数据挖掘的手段对具有相同意向及类似浏览行为的用户进行分群,分析共同点,以此来帮助电子商务企业进行个性化服务规划以及更好地了解自己的用户,从而针对他们的个性做出相应营销策略。比如,经常浏览探险冒险性项目的访问客户,可以将他们列为青少年或者大学生群体,可以相应增加相关推送以及推荐;经常浏览历史、文艺、文化等相关页面的客户,可以聚焦为中老年型市场,相应做出一些红色革命、历史文化景点旅游项目推荐。

3.3   对访问网页客户进行分析挖掘

通过数据挖掘技术对访问本网站的用户进行分析,以此来寻找相关潜在用户,对于新用户,可以通过技术进行匹配分类,分辨归类出与已有老客户一些相关性行为,从而针对这部分新产生用户进行个性化营销策略制定。對于潜在用户,可通过分析挖掘结果设置用户可能感兴趣的卖点或者产品,并推荐给他们。例如:客户对新兴性网红热点景点具有一定的关注与兴趣,网站可对其推送类如抖音打卡景点重庆洪崖洞、西安永兴坊等景区及相关产品。

4     数据挖掘技术在旅游电商中应用

4.1   目的地推荐及产品化推荐

推荐技术是数据挖掘进行用户关系管理的重要工具。首先要建立目的地数据库,对于不同的访问用户进行分析,主要分析他们的爱好、兴趣等特征,随后对他们的分析结果进行方案设计,针对不同客户的偏好以及旅游需求进行个性化推荐,从而进一步提高客户对于产品以及企业的认可度与满意度,提高经济效益。推荐技术在帮助用户选择相应旅游地后,还要进行产品化推荐,针对不同客户的个性化需求进行个性化项目推荐,帮助旅游者做出相应旅游目的地的旅游规划。对于客户来说,个性化精确的服务能够极大提高他们的满意度,对于企业来说,能够提高利润点。

4.2   制定相关营销方略

使用挖掘技术对相关旅游信息进行整理分析,旅游电商平台获取数据资源,包括客户访问纪律、访问偏好等,从而进行相应营销活动指定。例如,可以实现旅游目的地活动策略仿真模型,然后根据模型进行相应利润计算以及模拟性营销账务核算,然后通过结果发现其中的问题,在多次整改后便可以投入活动中,以此来增加收益,实现产品价值,从而实现企业利益最大化。

4.3   提高旅游电商平台安全系数

对于旅游电商网站而言,使用挖掘技术对相关数据资源分析整理,对于提高网站的安全系数具有较大益处,能为企业内外部发展提供相关智力支持。挖掘技术可以分析出本网页存在的缺陷,根据分析结果,相关人员可通过统计策略、安全性能控制策略等进行修复与维护,并对出现的系统缺点进行整合,预防未来可能出现的问题,以此来推进本旅游电商平台的安全高效发展。

5     结 语

随着计算机技术的快速发展,数据挖掘技术也的到快速发展,对于未来旅游电子商务市场来说,企业竞争已经逐渐转变为对信息的竞争,数据挖掘技术显得十分重要。企业使用数据挖掘技术,将会使资源得到良好有效配置,能够深刻挖掘用户信息,制定相应发展营销策略。同时,还能挖掘出众多有价值的信息,改进企业的不足,为客户提供更佳的服务体验。随着该技术不断应用与发展,将会极大促进旅游电子商务产业发展。

主要参考文献

[1]罗建华,陈建科.基于旅游电子商务中数据挖掘应用研究[J].现代服务业,2011(12).

[2]黄玲.数据挖掘在旅游电子商务中的应用研究[J].中国管理信息化,2015(26).

[3]刘豪.数据挖掘技术在商业领域应用研究[D].杭州:电子科技大学,2014.

[4]黄威.进一步完善我国电商发展模式研究[D].长沙:湖南农业大学,2014.

[5]丁倩,王柏.浅谈信息数据库在商业领域应用研究[J].中国市场,2017(11).

[6]王涵.客户关系管理与数据挖掘研究[J].计算机工程,2017(1).

[7]春燕.数据挖掘技术在西藏旅游电子商务中的应用研究[J].科技信息,2013(11).

猜你喜欢

旅游电子商务数据挖掘大数据
探讨人工智能与数据挖掘发展趋势
基于并行计算的大数据挖掘在电网中的应用
美国旅游电子商务的发展特色与启示
基于大数据背景下的智慧城市建设研究
“互联网+”时代旅游电商发展概况
一种基于Hadoop的大数据挖掘云服务及应用
基于GPGPU的离散数据挖掘研究