投稿到民航资源网

数字营销新时代:OTA与航司合作发展新动向

 2019-06-20 来源:民航资源网  [投稿排行榜]
2019-06-20 11:30:03

我来说两句(0) 分享

数字营销新时代:OTA与航司合作发展新动向

      民航资源网2019年6月20日消息:6月19日,由民航资源网主办的2019航空营销与辅收趋势论坛在京举行,本次会议以“创新辅收,营销未来”为主题。携程大数据高级总监肖铨武出席并发表演讲。演讲实录如下:

      中国现在已经有8亿多的互联网用户,绝大部分是移动互联网的用户,所以我们对移动互联网是越来越看重,OTA的地位也会越来越重要。

      作为携程来说,最后的一些动作我们收购了天巡,再做国际化,并且我们有新的全球的品牌叫Trip.com。这个品牌我们从2017年开始启用,到现在为止一直保持着三位数的增长。并且我们在全球各地进行落地,包括在韩国、新加坡、澳洲、香港、台湾、日本、英国等等,包括了其它很多欧洲的国家都在做,这个是我们增长的曲线。

      我自己是做数据的,我接下来重点讲一些数据方面的数据,打上Logo基本上是携程这边作为OTA比较独有的,就是中间的三块:

    携程供图

      第一,订票人的数据。

      第二,搜索的数据。

      第三,用户的反馈。

      航空公司可能有纯正的数据,但是携程有跨航司的数据,这个我们也是更加的全面。这是携程的数据规模给大家参考一下,我们现在的数据存储大概有100个PB,一个P就是1000个T。

    携程供图

      今年新增数据量是100T×3,大家知道为什么×3吗?因为我们有数据备份,同一个数据有3个存在那儿。你看100T存1000天就没有了吗?我们还有数据删除,不太重要的数据,我们聚合删除掉。

      这是批量处理,还是有实时处理。每天处理的消息量是6000亿消息,我们做实时处理。携程大数据的架构,重点是我们有几个层,从运维到大数据处理平台,这种大数据处理平台,基本采用开源方案,包括携程、去哪儿一起开发了一个组件,我们已经从公司内部搬到开源了。

      再往上是我们数据治理,稍微讲一讲。对于航空公司来说,可能数据治理比较头痛,一方面你们会找外包公司比较多,当然响应不是很及时。另外流程比较长,今天提需求,一个礼拜之后才能看到数据。

      携程有一套比较好的数据治理平台,我们能够支持数据仓库,去做及时分析,可视化,能够让领导实时看到数据,保证数据质量。数据民主的意思几乎让所有关心这个业务的人,都能在权限之内看到他想看到的数据。我们保证数据安全。在这里,还有统计学预测、模拟、机器学习和人工智能等等去做一做。

      讲几个应用方法的例子,跟旅游行业比较相关。个性化推荐这个东西在电商很多,京东、淘宝买东西,经常会被个性化推荐。旅游行业我们怎么推呢?可以看一看。

      比如说,以同样居住在上海的,7月份,他的旅游目的地包括国内西北地区以及欧洲,到了8月份看到就在国内了,这都是在暑假,旅游目的地不太一样。同样8月份,上海和成都也不一样。上海人民全国各地到处玩,成都地区可能集中在周边打麻将。目的地,1月份到日本,东京或者在大阪附近是什么样的区域,到了7月份是什么样的景点,这也不一样。中国的节日在春节黄金周假期,都有爆发性增长,都是我们需要考虑季节性的。

      我们做一些个性化推荐,前面有好几位讲到了,我们要讲辅营产品。对于携程来说,最大的辅营产品就是酒店,还有一些其它的东西。如果你光考虑一个行程去做个性化推荐,往往这个推荐不是那么个性化。我这边强调做推荐要考虑整个旅程的信息,而不是碎片化航端的信息。比如说有某个用户从A坐飞机到B,从B坐火车到C。B这个点只停留几小时,作为一个中转,并且从B可能带上儿童出行。这时候你在B这个点就不应该推荐酒店,可以推荐机场购物圈比较有可能的。

    携程供图

      B到C,火车晚点了,可能需要去预订酒店,可能这时候推荐一个酒店。C到D的行程,可能没有在携程买票,可能去在座各位官网航司买票了,有可能。从D到A回家了,我们看回家了,根本没有必要推荐酒店。但是,带儿童出行,并且又赶早班飞机,可能需要预订,在D这个地方需要预订一个机场附近的酒店,A不需要推荐任何酒店。在A可以推荐一个服务,类似于我们考虑用户整个行程,不单独是A到B,B到C,C到A这样一个单独每一段进行推荐,这是我们旅游行业的推荐和电商推荐很大不同的地方。

      携程做了这样一些个性化推荐之后,这是我们的一个效果。比如说我们有个性化的保险,大家也知道,携程因为卖机票不赚钱,所以得靠卖保险赚钱,是吧?我们保险为了挽留他做一个弹窗,每个人都弹很烦,会把用户烦跑。所以,我们会去个性化弹这个窗,保险挽留率大概能提升25%。我们还有接送机个性化之后,转化率能提升20%。酒店我们做优化酒店排序和个性化酒店推荐,酒店预定转化提升10%,这都是在个性化的一些动作之后,考虑到旅游行业的特点,来做的一些成果。

      再讲一个现在比较火热的话题人工智能,在旅游行业或者说服务业,人工智能很典型的应用点是客服的对话系统。在携程,我们是一个面向任务的人工智能对话系统。什么叫面向任务?用户来携程去跟我们客服聊天是有目的的,来解决一个具体问题。如果你是像苹果上的Siri机器人没有特定目的,你可以去找它玩,你可以去调戏它,但来携程一定来解决问题的,如果调戏我们携程的客服我们要赶走他。

      所以,他会有一些售前场景去用。并且这个流程,如果电话进来要语音识别,进行自然语言处理,有一个对话语言系统。这时候作为OTA,我觉得航司可能也适用。我们有什么样的机遇呢?首先我们长期累计了大量训练的语料,对话的历史记录,电话录音统统都保存在那里。我们的客服团队很愿意去标记这些数据,因为大家知道人工智能领域里,有一个很低端的工作,把这些数据进行标注,这个人到底说了什么话,这些话到底什么意思,都需要靠人肉去整理。

      一般这个事情很费时、费力,但是像携程我们客服团队很愿意做这个事,如果我们机器能够把这部分的人工替代掉,客服们可以大量减少人力成本,所以客服们很积极在自己把自己干掉,因为他们的人会越来越少,越来越少。

      对于没有标记的数据,我们前面大量累计了,现在随着技术的数据,有一些无标记的数据,也可以用Google的最新模型去处理。这个事情有很多挑战,导致不是那么容易做。

      比如用户来携程问客服,目的往往不太明确,甚至像售前这种,就说我暑假去哪里玩好,你给我推荐吧,这个目的非常不明确。涉及的业务流程非常、非常复杂,业务知识很深,这就跟电商比吧。电商一般来说,商品的种类,添加一个种类,这个商品有什么样的特性,你把这个东西反馈回来,一手交钱,一手交货,服务流程就完了。

      用户去旅游,涉及到很复杂的行程安排,机票怎么订,酒店怎么订,机票万一变了怎么办,酒店万一变了怎么办,前前后后互相都有影响。所以,这个业务知识非常复杂,我们机器怎么样处理这么复杂的业务知识,这是很大的挑战。

      因为我们旅游用户追求快乐的一个事情,所以对客服的态度还是有期待的,服务质量的要求非常高。那不像电商,电商是一手交钱,一手交货,买到了自己认为值的东西就可以了,没有太多期待。

      接下来看我们给航司怎么样做协作。这是做精准营销的例子,当然精准营销首先第一步把用户识别出来精准,识别用户,我们从这个维度找用户,做一些市场分析,做一个营销的活动。这边有一个案例,某一家航司给了一个营销的一笔经费,让我们去投。在一些城市我们用的精准营销做,一些城市作为对比,没有用精准营销去做。这样比下来,精准营销的市场份额航司提升了10%,没有精准营销的提升仅仅1%,这个就是很大的区别。

      当然,我们携程前面有那么多的数据,我们可以给航司提供数据分析报告,包括了市场的结构、动态、用户的分析,我们可以给航司或者是机场一些什么样的市场建议。中间有一个数据是我们估的,当然航司可能有自己的数据,中国因为航信的存在,所以大家可能都有对方的数据。

      这个是我们协作的一个例子,就是航空公司进行航线网络的规划,其实新航线就是搜索,用户需求和市场供给的平衡,这是经济学的原理。我们的用户需求就是用户的搜索,这是携程的搜索量,我们把所有的数据都累计过来了。

      哪怕你这个地方没有开航线,用户也会来携程搜,这个搜索记录我们是会记下来的,并且可能会有临近的一些用户来搜,但是他的IP地址可能在出发地那个地方。比如说我要给深圳开一条航线,我们看广州的搜索量、香港的搜索量也是有用的。

      还有就是运力,大家都会有一些这样的数据,我们考虑了一个对标的航线。举个例子,这个应该是今年年初的例子。中国和韩国之间航权刚刚谈判谈下来了,我们开什么样的新航线比较合适,我们发现厦门到首尔应该是开航的,宁波到首尔还没有开航,但是我们发现在携程,宁波到首尔的搜索量已经比较高了,就是这根橙色的线,是比较接近厦门到首尔这根线的。

      新开航线之后搜索量还将提升2-3倍,意味着如果宁波到首尔新开一条航线,它的搜索量是不是比厦门到首尔更高的。宁波到首尔用户的需求是比厦门到首尔要更大的,因此我们再看右边是厦门到首尔航线的表现,一个是平均价格一个是上座率,这两个乘起来应该就是航司的收益。

    携程供图

      宁波到首尔开通,一定收益会比厦门到首尔会更好,现在好像已经在开通的进行中了,我们分析客源是我们考虑本地的客源、周边的客源等等的因素都会考虑进来。

      再一个也是用携程搜索数据的例子,某一年的时候南京到三亚、南京到重新这个航线在3月底的时候某个航司的客座率远远超过了他的预期。

      航司当时不知道,他们就觉得自己的价格放低了,他们就来携程找,他说携程能不能提前发现这个事儿,我们就看我们下面的图,这个黄色的线和灰色的线是明显高于其它线的,这个就是搜索量。

    携程供图

      就说明那两天他的需求就特别的旺盛,最后发现广西有一个壮族的3月3,在2017年阴历的3月3和阳历的清明节正好连成了一个大的长假,所以他的用户需求就特别的旺盛,因此搜索量就爆棚了,但是航司的人总部不在广西,他不知道这个信息,没有及时的掌握,没有注意到这一点。

      但是,携程的数据可以提前30天,这个线只截了30天,甚至是可以提前50天就发现这个规律,就及时的提醒航司进行合理的操作。

      像这种类似的信息,我们还有一些经济舱的占比信息、儿童票的比例这些信息都可以推出来做。

      再讲一个就是携程可以帮助航空公司做收益管理,收益管理很重要的一块就是对于上座率的预测,就是这个航线最终的上座率会是多少,我通过这个航线的上座率再去评估我自己航班的收放舱的进度,来实现收益的最大化。

      携程怎么做上座的预测呢?我们会有一个比较好的机器学习的模型,同时我们有很重要的一个数据就是我们的搜索数据。

      因为用户在买票的时候,搜索一般会比购票,要提前两到三天,甚至是一个礼拜甚至是更久。所以,用户跃跃欲试要买哪张机票但是还在纠结,但是他一定会到携程搜一搜看一看价格怎么样,这个时候携程就已经把这个信号抓到了。

      所以,我们把这个信号拿到上座率预测的模型里面来,这样的话会更好的帮助航司调整放舱的节奏,一个例子,我们给一个航司做了。

      我们测了六条航线,平均上座率的预测误差大概是在5%以内,我们去看我们做出来到底有没有效果,效果就是说我们给这些航线大概的座公里收益提升了两分钱,其实是非常大的一个数字,3%-4%,效果是非常显著的。

      这是我们可以帮航司做收益的一个方法,另一个方法也是很多航司在做的就是在跟价,大航司说什么价我比他少几十块钱我也出这个价,这个时候携程是非常有优势了,因为携程是天然会收集很多价格的数据。

      你主导的票价比如说国航、东航、南航这种大航是在他的主干航线,他的价格是这样,他是占主导的,他的运力很多,他定的这个价格。

      我一家小航司跟什么价格合适?是便宜400块钱、100块钱、200块钱,都有可能,对于携程来说,用户在看到这些价格的前提下,我会以多大的概率选择你有这个价格出价了这个航班,这是用户选择的概率。

      这样子的话,我把跟的价格乘上我的下降的概率就是我的期望收益,你选择期望收益最大的价格,就是能够实现你的收益最大化,这个是携程可以帮助航司做的事情。帮助你得到一个最合适的价格。

      当然携程不可能把主导价格等等统统都给你,我肯定是说你这个时候给这个价格最合适,帮你来实现价值最大化。

      我要讲的就这些,谢谢大家!

      携程大数据高级总监肖铨武演讲PPT

    1荐闻榜

    发表评论
    发表请先 登陆/注册

    严禁发布攻击他人、言语粗俗、涉及政治等违反规定的言论,违者法办!