旅游电商和传统电商在会员营销方面的差异

  上年一篇blog比照了度假旅游电子商务和传统电商的差别，文中从会员营销视角共享一些感受和思索。

  前言

  經典的电子商务会员营销方式能够 叙述成一个n三次方的立方体，x向是单独用户的个人行为历史时间，y向是产品归类，每一个面便是一个用户的全部信息内容：在哪个时间点，与哪家产品开展了某类互动交流；z轴是好几个用户的结合，总体能够 想像成一个极大的“三阶魔方”。下边我们一起旋转这一三阶魔方。

  最基本的会员营销只必须三阶魔方的一个面：依据消費历史时间，推荐将会喜爱的产品，比如小明7月份买了一条牛仔裤子，那麼九月份营销时从牛仔裤子归类取新产品，推给小明，坚信阅读者大部分也感受过。

  略微升阶的是，小明7月买了牛仔裤子，没买了别的物品，依据y轴的牛仔裤子，大家根据z轴看别的用户，见到“别的选购牛仔裤子的用户”在九月份还买来T恤，因此九月份大家将T恤推荐给小明，它是根据“买类似物品的人是多少一些类似”这一假定。

  写到这儿想起初中情况下，一本叫《电子游戏软件》的杂志期刊，针对“历经统计分析，爱玩游戏的小孩更非常容易违法犯罪”的辩驳方法是“历经统计分析，少年犯大多数爱穿休闲鞋，因而爱穿休闲鞋的小孩更非常容易违法犯罪”，能够 看得出现阶段电子商务推荐优化算法還是较为探求的环节。

  这几招尽管初中级，但用在品牌女装、书藉、日常生活用品等层面都一切正常，转换实际效果非常好（非常也有amazon这一高端大气的实例在），因此很多人刚开始把成功案例搬到在线旅游平台，发觉坑人了。

  一、最先是x轴-用户个人行为历史时间

  传统式基础理论的假定是，用户的要求是“相对性平稳”的，显而易见看什么书、穿什么衣服对同一个人而言，是相对性平稳的，没办法想像一个金融业产品主管会突然穿起美少女战士的服饰。

  殊不知度假旅游并不是这样，度假旅游个人行为要求备受用户多种社会发展真实身份、不一样日常生活环节的危害。做为一个职工、一个爸爸、一个旅友，行为模式彻底不一样；而完婚、生宝宝等人生道路里程碑式，也是深远影响旅行要求。

  OTA尽管有着很多数据信息，但针对这种历史记录到底“归属于哪家社会发展真实身份”的分辨，比不上淘宝网那样综合性网购网站来的精确。各种各样纪录混在一起预测分析，非常有风险性。更加繁杂的是，旅行的次数一般来说比购书购买衣服要低，样版少，归类无根据，转变经常，因而旅行网站依据历史时间信息内容得到的预测分析，很可能是彻底落伍，不适合的。

  x轴上旅行产品较为可用的，只能实用性较强的，依据用户当今检索状况，得出的推荐，比如rtb广告词，booking上的推荐您以前搜过的大城市，或是各ota都是有的航班实时动态。略微放长久一些的，依据历史时间个人行为的vip会员人性化推荐通过率，对比别的电子商务类型要差得多。

  这儿值得一提的是商旅服务，商旅服务交通出行有显著的规律性，并且每一个企业也有一系列差旅费现行政策来区划界限，用户个人行为里尽管有寻租想法影响（比如商旅服务用户大多数喜爱住连锁加盟，飞同一个航空联盟，不一定是由于服务周到，将会仅仅由于積分能够 自身用），但因为真实身份单一，影响少，整体是可预测分析的，因而有挺大的提升室内空间，但没有文中B2C电子商务的探讨范畴。

  二、次之是y轴－产品归类属性

  产品层面，传统电商里的产品SKU的归类属性是“相对性平稳”的。大家都了解衣服尺码是有严苛规范的，不管在店面還是在一切一个网站，同一件衣服一般不容易有不一样的码数，它是推荐的关键基本。

  那麼旅行产品的难题在哪呢，便是基本上沒有规范。一个酒店餐厅的属性，除开最重要的部位、交通出行和价钱，也有一大堆挑选，普遍的撤销现行政策、含好多个早，更关键点的家庭房、老人设备、能否带小宠物、是不是有控烟房、是不是有国藉、时间限制这些，这种有木有一个量化分析成衣服尺码那般的规范呢？现阶段现况是，酒店业依然是传统产业，产品信息录入和组成中依然有很多人工服务干预，不可以彻底自动化技术。

  事实上旅游服务业的“产品主管”很多年来是指“组成度假旅游产品的市场经理”，和互联网技术的产品主管彻底是两回事，这一岗位一直是市场销售的关键，更是由于度假旅游产品非规范化和过多的个性化标准。

  大家经常能够 见到，尽管手握着很多数据信息，但以便保证推荐合理，ota最终拿出来的edm里便是用”同一个大城市”，这也许是为什么ota常常被别的电子商务看作“本来有一大堆数据信息却偏要无需”、“技术性太弱”。

  另一方面，因为度假旅游产品时间观念极其比较敏感，新鲜期很短，过多太细的归类，促使依据y轴的“产品喜好”来推荐常常变为一件难堪的事儿，挑选完后压根就没結果。对于这一点，booking在检索目录页注重“最近满房水平”，推荐用户尽早调节出游计划，而不是只是依据vip会员个人行为历史时间调整酒店餐厅出現的次序，它是一种特别适合ota具体情况的推荐作法。

  三、最终是z轴－用户人群互相预测分析

  经历类似消费者行为、类似消費目标的用户人群，是不是能够 相互之间拷贝、预测分析要求呢？也就是假定清除了用户本身要求的转变，也清除了产品非标产生的转变，是否就可以预测分析和推荐了呢？

  相对而言，它是较为可靠的环节了，唯一的系统漏洞是“时间性”，这上边依然有一大堆讲不清楚的“协变量”在危害线上旅行产品。比如现行政策、气温、飞机事故、传染性疾病、时兴风频、各种各样突发新闻，过多要素能够 让小众到达站一瞬间变暖，热门旅游景点一瞬间没有人，说白了的“黑天鹅”，传统产业是几百只白天鹅里难能可贵一只黑的，在旅游服务业是一大群黑天鹅就没几个白的。换句话说，旅行制造行业里“商业服务判断力”的必要性依然是高过深入分析方式的。

  综上所述三点，可以看出，ota吸引住顾客的重要依然在資源角逐--是不是在必须预定酒店、必须改房的情况下有房，必须买机票、必须改飞机票的情况下有飞机票。vip会员方面因为ota本身对vip会员属性的鉴别工作能力是不够的，非常依赖于根据开发者平台和分销商合作者的连动。产品复杂性产生的全自动推荐艰难，也许沒有好的方式 ，旅行产品现阶段依然不可或缺人工服务选款和组成，想靠“优化算法”处理的，要不是真心实意有充足大、充足全的产品和用户数据信息，要不是骗投资者钱来的。

  当然根据酒店餐厅、飞机票产品的动态性服务质量管理是能够 做的，由于对比朝向单独用户而言，成经营规模的酒店餐厅和机票销售的预测分析精确度要可控性得多，也是另一个话题讨论了文中很少进行。