【环球旅讯】旅游业投资人Brad Gerstner近期说道,旅游业在过去十年创造出的主要成果就是,让全球的住宿产品得以互联,并在网上进行分销
而他在PhoCusWright大会上说,在下一个十年里,旅游业将会向消费者主动推荐住宿产品,并自动化预订过程。
这是否会成真还有待商榷,但无可辩驳的是,利用数据的力量可以优化旅游预订过程。
旅游业是产品推荐的绝佳案例,而且,当我们设立了宏大目标之后,我们必须为人们搜索和购买旅行产品提供一些互补的方式。
所以我们必须有新的投入,而不仅仅是在现有的数据上进行优化。让我们面对这个问题吧:旅游搜索技术需要提高。
从筛选到数据
旅游推荐已经出现了一段时间,我们不过是用了其他名字来称呼它:筛选。
每一次我们使用OTA、元搜索或供应商网站进行产品搜索时,我们首先会把筛选条件按照自己的偏好设置好,来缩小结果范围。
一些人会觉得这很烦,但其实我们只需花上三到五秒钟,就可以获得极好的搜索效果,并找到自己想要的产品。
未来的产品推荐需要突破“提前筛选的结果”这一层面。假如这些结果是不匹配的,那么三到五秒都嫌多。
所有的数据并不是等同的
要突破筛选层面,挑战在于我们使用的数据集。筛选的本质是使用提供库存的GDS或API中容易辨别的特性。
泳池?勾选。WiFi?勾选。8点15分启程?勾选。
这是数据的基础层面,也是我们预订的开始。为了提供更多的产品特性,我们需要更深层面的数据。
例如:
• 客房楼层要在在五楼或以上,夜生活才比较美妙。
• 泳池对于小朋友来说非常棒,但会打扰到大人安静的阅读时间。
• 沙发床真的是一种每五分钟就让你滑下来一次的可调整床。
我们需要先进的算法来找到这种数据,挖掘它的利用价值,并将其转化为生产力。
这个过程意味着,对数百万条评价、数据属性组合、预订历史和用户偏好进行处理,还有现在尚未了解的新数据集,并生成有形的、有用的标签,让它们不仅能够用来优化筛选,还能用作主动推荐。
今天的偏好不等于是明天的偏好
最后,我们需要找到一种方法来让这些属性成为和我们寻找的产品匹配、相关的因素。这将用于某些特别的案例上,例如到某个主要城市出差。
还有,这也适用于度假旅游时,我们可以设置多种偏好组合。
在你与旅游代理通话的头五分钟里,你会大概描述一下你在找的产品。自那刻起,旅游代理就能帮助你找到最适合你的产品。
一些推荐引擎认为他们可以连接你的Twitter或Facebook账户,并神奇地预测最适合你的酒店。
但十有八九他们都是错的。
前方之路
一种新的推荐引擎进入了市场,并开始转变这种错误的局面。
就在上个月的PhoCusWright旅游创新峰会上,来自Oktogo、Olset和TravelShark的代表展示了他们在旅游个性化上的成果。
上述每一家公司都使用了一些全新的数据集,并把它们插入到用户流里,缩小结果范围,缩短从搜索到下单的过程。
其他的创业公司也在关注某些领域的数据采集,例如RouteHappy公司。通过采集并利用航班特性,他们创造了一种全新的数据集用于预订过程。
这种用来规范化数据的方式有点复杂,但是用在推荐应用方面却非常完美,而且,随着供应商添加了越来越多的辅助服务,让预订过程变得越来越复杂,它也变得越来越重要。
除了纠正数据错误,这些公司还面临着让个性化更精确和更有效的挑战,甚至是在使用人数和复杂度持续呈指数上升的情况下。
Olset公司通过利用预订历史和预订网络数据做到了这一点,另外他们还直接听取客户的意见。TravelShark建立了酒店之间的关联关系,所以在你选择了自己喜欢的一家后,还能发现类似的酒店。
他山之石,可以攻玉
旅游应该向其他行业学习该如何做好这件事。Netflix公司使用了协同过滤算法,帮助你发现相同品味的人也喜欢的产品。
在音乐方面,Pandora、Spotify还有现在的iTunes Radio都会基于音乐和音乐家的共同特点来创建播放列表。
尽管旅游和它们不一样——你需要花费更多的时间(也许会将你宝贵的度假时间也花在上面)来做出一个重大的决定,但上面的经验仍旧适用。
就如我们绝对不会指望Pandora清楚你现在想听Modest Mouse还是Katy Perry一样,我们也不能指望旅游网站会自动推测出最适合你的产品。
不过我们可以期待的是,让搜索过程更轻松一些,决策过程更优化一些,还有整个过程变得更有趣一些。
这是一个值得追求的目标,它会增加转化率,并证明对这些创业公司的投入是正确的。而且它可能是下一个十年里,在线旅游领域最大的热点。(Eileen 编译)
评论
未登录