对面的酒店看过来，这里的“数据”很可爱！(1)

　　3月底，携程网成立了国内首个酒店业全数据平台北京众荟信息技术有限公司（以下简称“众荟”），其目的是要建立酒店业的大数据生态环境，帮助酒店实现数据化运营。之后，阿里旅行·去啊举行“未来酒店”战略发布会，阿里巴巴航旅事业群总裁李少华则表示，“阿里旅行要通过互联网+的势能去唤醒传统行业，释放更多潜能。”

　　在这个大数据的时代，Big Data似乎是当下环绕在每个领域的穹顶，无处不在。那么大数据到底是什么？酒店的大数据又究竟包含哪些内容呢？

　　数据让我们更了解彼此

　　携程大住宿部CEO孙茂华毫不讳言，OTA时代，我们就像一台台售卖机，弹出价格，如果价格合适就出票，不合适，就换一台。未来，如果能够“回”到大家都相互了解的时代该多好：从消费者获得数据，更好地了解需求，为他们提供相关度高、准确而个性化的产品。

　　多位在线旅游的从业者提及，在线旅游行业的下一阶段增长点，将从标准化产品走向以自由行为代表的个性产品，市场竞争的手段也将从价格战转向大数据能力的比拼。

　　全球最大的在线旅游企业Expedia已经这么做了，以机票为例，它向搜索用户建议可选机场和出行日期，以及从临近城市出发可节省的费用。如果说其他在线旅行网站会让用户根据网站的推荐和备选机场做决策，而Expedia根据大数据技术，分析用户的实时搜索请求，根据最近其他匿名用户预订，做进一步分析，提出基于备选机场、飞行日期、出发时间的推荐。

　　由此可见，实时数据尤为重要。Expedia的新技术中的主要驱动因素就是实时数据，依靠传入的数据流为客户和合作伙伴提供即时的可行的数据。比如，Expedia的实时酒店点评，需要在客户办理入住之后进行连接，要求其对入住体验和房间条件等进行点评。这样，客户可给出及时的体验反馈，而不是之后再抱怨；而酒店也有机会及时解决差评的问题。

　　有时，相互理解更多是关键词含义上互相揣测。据说艺龙网根据过去积累多年的数据分析，当用户搜索“北京酒店”的时候，艺龙将优先向其推荐400元/天的中高端酒店；而当用户搜索“北京住宿”的时候，艺龙知道用户的支付能力有限，会向其推荐200元/天的经济型酒店。

　　大数据，让酒店直接找到客人？

　　百程网COO段冬东认为，大数据时代的互联网有一些趋势，首先是去中间化，即缩小信息不对称，从而缩短供应链。在互联网高速发展的这些年里，传统酒店过得并不太好，正是因为在运营过程中，酒店无法触及终端用户，过分依赖OTA等分销渠道。

　　OTA作为在线代理商，正是通过互联网连接方式，横亘在酒店与终端用户之间，承接两方信息不对称，起到信息中转作用。压低获取酒店客房的成本，并通过争夺用户实现自身收益的最大化，是OTA模式的两个核心点。酒店只是“客房提供商”一环，无法获得用户信息，也很难与之构建黏性纽带。

　　酒店自己做网上直营是否可行？虽然大多数酒店都有自己成熟的CRM体系（客户关系管理），但是在移动互联时代，酒店在移动无线端的开发上不具备优势。

　　于是，最近就频频出现了大数据与酒店业务结合的市场动作。携程投资成立众荟，阿里发布“未来酒店”战略，都是看中了大数据的这块蛋糕，与合作伙伴共享海量用户资源，用创新手段推动酒店业与互联网的深度融合，也被认为是挑战传统OTA模式，提升酒店运营效率和用户体验。

　　“大数据不是最重要的，最重要的是怎么运用大数据，”这是采访过程中几乎所有在线旅游从业者提到的关键点。如何进行数据挖掘，经常提及的是“大数据的维度”。蚂蜂窝CEO陈罡称，“传统OTA是帮酒店找客户，排房方式是哪个空房多，哪个利润高就往前排；我们是帮用户找酒店，把目的地周边介绍清楚，顾客结合自身需求作出决策，最终挑选酒店。”也就是说，把大量的UGC（用户生成内容）信息变成结构化的数据，然后帮助用户做消费决策。

　　大数据时代，大数据不那么重要了

　　从传统思维而言，当我们谈论大数据和酒店业的结合时，会联想未来酒店可以跨过OTA的中介，完成自营；或者又在焦虑，酒店又将受制于大数据公司。其实，在大数据时代这些都不是重点。

　　互联网时代的成功就是出现一种颠覆式的创新，才能赢得未来。这也使段冬东认为，未来的在线旅游行业，很可能是阿里、百度这样的大数据公司赢得。但是吊诡的是，在大数据时代，大数据真的那么有用？

　　例如说你有一个特别信任的旅游达人朋友，他是你的私人旅游顾问，他也许一生认识800个朋友，不管他做推销美国、日本、东南亚的旅游产品，都有一批追随者。随着朋友圈和自媒体的兴起，全中国将有1000万人做这样的旅游产品。后面如果供应链成熟，他可以提供有特色、有情怀的旅游产品，这也就是大数据时代的去中心化。然后呢？平台的价值就不大了，大数据也就不那么重要了。

　　数据不懂背景更不懂社交，数据分析不懂得讲故事，而旅游不就是要和特别的个人化的故事相遇吗？数据可能很难告诉你，酒店下午茶的布朗尼用的是手工Richard Donnelly巧克力，酒店702房间观看日出的位置最佳，观赏落日的位置却要让位于611房间……

　　案例1

　　买啤酒也买尿布

　　据说某大型超市通过对消费者购买行为的大量数据分析，发现男人来买啤酒时，通常也会买尿布。于是，超市将尿布和啤酒摆放在一起出售，从而提高利润。

　　这就是一种数据挖掘，并非是传统的抽样调查，而是从数据挖掘中发现的某种“关联性”让超市做出某种营销决策。

　　案例2

　　咖啡=熬夜和失恋

　　数据旅游服务商票工厂的coo弓勃舟举例，某知名咖啡品牌想在校园食堂、贩卖机等进行营销，效果却并不理想，原来咖啡总是让学生们联想到了考试之前临时抱佛脚的熬夜和自己无疾而终的咖啡馆里的爱情。

　　想当然的“联想”不能算是大数据。

　　案例3

　　苏州or杭州？

　　携程大住宿部CEO孙茂华举例，某年“十一”黄金周，杭州星级酒店价格上调到两千元。根据经验，每逢节假日，杭州房价飙到3000块都没问题。谁知苏州把房价定到一千多元，导致10月2号，发现杭州酒店缺客。携程就赶紧与酒店沟通，建议降至千元以下，算是亡羊补牢。“如果建立成熟大数据平台，我们就会预测到今年苏州要火，杭州房价太高，提前建议苏杭酒店都定2000元。”

　　游客会在旅游目的地之间流动，这些流动趋势是需要大数据来跟踪的，经验还不够用。从不同营销案例的不同结果，可以看出数据挖掘中的关联和混杂性复杂性。

　　（下转D03版）