【正文】 基于數(shù)據(jù)挖掘的旅游電子商務個性化服務研究 —— 以攜程旅行網(wǎng)為例 一、概述 （一） 選題意義 隨著我國旅游產(chǎn)業(yè)的不斷發(fā)展 、 旅游產(chǎn)品的更新升級 ， 以及游客資源市場的 不斷變化 ， 個性化 的 旅游 方式越來越受到青睞 。而在我國現(xiàn)有的旅游客戶資源中， 80 后和 90 后的客戶群體占了很大的比例，對于這些 逐漸年輕化的消費群體來說， 他們不 再滿足于 觀光、合影、購物等 過時的旅游方式， 而是開始關注旅游背后的文化、歷史， 追逐 更加注重自我、個性化、深度化的 旅游 體驗， 根據(jù)網(wǎng)絡數(shù)據(jù)顯示， 78%的年輕旅行者愿意進行個性化的旅行，70%的旅行者則表示希望 在線旅行公司能提供個性化 的 服務 。 本論 文 基于數(shù)據(jù)挖掘技術(shù)并 結(jié)合 近些年電子商務個性化服務研究成果 ，在 深入研究 攜程旅行網(wǎng) 具體案例 的基礎上 ， 分析 了 旅游電子商務個性化服務 的現(xiàn)實狀況和建設中的不足， 為我國旅游電子商務 個性化服務的建設提供相關策略與解決方案 。 （ 二 ） 相關理論 個性化 和電子商務個性化 個性化，常用來指具有個體特性的需求和服務。 國際數(shù)據(jù)公司 2021 年年初發(fā)布報告稱，全世界數(shù)字化信息的數(shù)量 ，而且這個數(shù)量 還在 飛速增長， 因此， 互聯(lián)網(wǎng)用戶如何從浩如煙海的信息中挖掘到自己需要的數(shù)據(jù)成為一大難題。在 20 世紀 90 年代中期 ， 卡內(nèi)基?梅隆大學的 Robert Armstrong 等人提出的 Web Watcher 個性化導航系統(tǒng) 、 斯坦福大學的Marko Balabanovic 等人推出的 LIRA 個性化推薦系統(tǒng) 和 麻省理工學院的 Henry Lieberman在國際人工智能聯(lián)合大會上提出 的 Letizia 個性化導航智能體這三個系統(tǒng)被公認為是個性化服務發(fā)展初期最經(jīng)典的系統(tǒng)，它們的產(chǎn)生標志著個性化服務 研究 的開始。 ① 電子商務個性化 是個性化在電子商務中的拓展和 的應用和發(fā)展領域。電子商務個性化服務的內(nèi)容主要包括： （ 1） 、 消費者 的 需求個性 化，消費者對商品和服務的 不同類型的 需求成為企業(yè) 發(fā)展創(chuàng)新 的 巨大推 動力。 （ 2） 、 信息的個性化定制， 例如， 隨著旅游業(yè)的發(fā)展，游客 不但 可以 在線訂購旅游服務 ， 還 可以參與到定制旅游的活動中。 （ 3） 、 對個性化商品的需求，消費者可以將個人的偏好參與到消費品的設計和制造過程中。 數(shù)據(jù)挖掘 的 概念及 方法 數(shù)據(jù)挖掘 ( Data Mining)旨在從大量的、不完全的、有噪聲的、模糊的、隨機的數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的而又潛在有用的信息和知識。數(shù)據(jù)挖掘涉及機器學習、數(shù)理統(tǒng)計、神經(jīng)網(wǎng)絡、數(shù)據(jù)庫、模式識別、粗糙集、模糊 數(shù)學等相關技術(shù)。 ② 數(shù)據(jù)挖掘具有以下幾個 常用方法 ： 聚類分析（ clustering analysis） ， 源于統(tǒng)計學、生物學以及機器學習等。 決策樹（ decision tree） ， 主要 用于分類和預測， 是最受歡迎的數(shù)據(jù)挖掘方法之一， 核心思想是在一定的約束條件下會得到特定的值。 人工神經(jīng)網(wǎng)絡（ ANN） ， 是模仿人腦神經(jīng)網(wǎng)絡的結(jié)構(gòu)和某些工作機制而建立的一種計算模型。 粗糙集（ rough set） ， 是一種處理不確定、不完備數(shù)據(jù)和不精確問題的數(shù)學理論。 關聯(lián)規(guī)則挖掘（ association rule mining） ， 是數(shù) 據(jù)挖掘中最活躍的研究方法之一 。 統(tǒng)計分析（ statistics analysis） ， 是從事務的外在數(shù)量上的表現(xiàn)去推斷該事務可能的規(guī)律。 ① 余力 . 電子商務個性化 —— 理論、方法與應用 [M].清華大學出版社 ,2021. ② 高麗 ， 遺傳算法與關聯(lián)規(guī)則挖掘算法研究與應用 [D]， 華中師范大學 ， 2021 數(shù)據(jù)挖掘在電子商務中的應用 （ 1） 、 基于 Web 數(shù)據(jù)挖掘的智能化搜索引擎 但是目前 信息技術(shù) 環(huán)境下，由于技術(shù)限制等因素 使得沒有優(yōu)秀的搜索引擎來保證 用戶 所獲得數(shù)據(jù)的精準度 ， 要解決這些沒問題 就要 在搜索引擎中 使用 Web 數(shù)據(jù)挖掘技術(shù) ，使其朝著智能化方向發(fā)展， 幫助 搜索引擎使用者 獲得更多 具有 高精度 的 、潛在價值高的 更加全面的數(shù)據(jù)信息 ， 從而提高搜索效率 和結(jié)果的精準度 。 將數(shù)據(jù)挖掘應用于搜 索引擎首先需要 進行大量的 樣本學習 ，在此基礎上歸納分析數(shù)據(jù)之間的規(guī)律，并進行相關信息提取，根據(jù) 提取信息建立用戶的興趣偏好，根據(jù)用戶興趣偏好 將用戶搜索的關鍵詞進行 擴充， 使用戶 搜索結(jié)果更接近其所需信息。 另一種方法是通過 分析用戶 的 歷史瀏覽記錄 數(shù)據(jù)來 獲得客戶的興趣偏好，然后調(diào)用個性化推薦系統(tǒng)來推薦相符合的搜索結(jié)果。 智能化搜索引擎的處理流程如 圖 1： 圖 1 智能化搜索引擎的處理流程 （ 2） 、 數(shù)據(jù)挖掘在客戶關系管理中的應用 在客戶關系管理中運用數(shù)據(jù)挖掘有利于 促使 企業(yè)準確定位客戶的特點， 幫助企業(yè)實施客戶滿意度分析、 忠誠度 分析、產(chǎn)品設計分析、 市場影響活動分析、客戶聯(lián)系時機優(yōu)化分析和增量銷售分析等活動 ，以便促使企業(yè)更好的根據(jù)分析數(shù)據(jù)提供更好的個性化服務。 通過 挖掘分析與客戶行為相關的數(shù)據(jù)信息包括 客戶的 點擊 習慣 和 客戶 的興趣偏好 ， 對客戶進行 聚類 分析 ， 預測客戶消費傾向， 以此來挖掘 發(fā)現(xiàn) 潛在客戶 群體 ； 針對不同興趣偏好的用戶進行不同的個性化內(nèi)容推薦 和新產(chǎn)品推薦 ，以此來最大程度的保持客戶的產(chǎn)品忠誠度， 減少客戶流失 ； 同時可以利用大數(shù)據(jù)分析得出客戶的最佳聯(lián)系時機，通過間隔性的聯(lián)絡客戶獲取客戶的最新消費偏好數(shù)據(jù)，并 且 保持 不間斷的 客戶關懷活動 ，以此 來減少因企業(yè)關懷度降低造成的客戶損失 。 （ 3） 、 數(shù)據(jù)挖掘在個性化服務推薦系統(tǒng)中的應用 電子商務個性化服務推薦系統(tǒng) 能夠 幫助企業(yè)在原有客戶 數(shù)據(jù)庫 的基礎上使用個性化推薦，深入挖掘客戶數(shù)據(jù)庫中潛藏是數(shù)據(jù)價值， 有利于企業(yè) 實施交叉銷售 的 方案，更好的執(zhí)行“以用戶為中心”的 銷售策略。 該系統(tǒng)主要是采用 類似于智能化搜索引擎 的 數(shù)據(jù)處理思想 。 首先將企業(yè)通過各種途徑收集的客戶行為數(shù)據(jù)采用數(shù)據(jù)挖掘的各種方法分析， 得出客戶的訪問規(guī)律 并 進行總結(jié)歸納， 然后對 使用 關聯(lián)規(guī)則和統(tǒng)計方法對實時訪問客戶進行分類 ，最后根據(jù)分類結(jié)果對訪問的客戶進行個 性化推薦。同時該類系統(tǒng)還可以根據(jù)用戶當前的訪問 規(guī)律進行客戶識別，實時調(diào)整推薦內(nèi)容，更好的做到個性化。 （ 三 ） 旅游 個性化 的發(fā)展前景 中國在線旅游市場交易規(guī)模持續(xù)增長 根據(jù)艾瑞咨詢數(shù)據(jù) （見圖 2） ，中國在線旅游市場 2021 全年 交易 規(guī)模達 億元， 比上一年 增長 %， 繼續(xù)保持高速 增 長 。 而 到 2021 年， 預計 中國整體休閑旅游市場將達到4500 億元人民幣 的巨大規(guī)模 ， 在線休閑旅游也將以更高的增長速度增長 。 圖 22021— 2021 年中國在線旅游市場交易規(guī)模及增速 （含預測數(shù)據(jù)） 移動端 OTA 市場的迅速發(fā) 展 中國移動端在線旅行業(yè)務迅速增長， 以 2021 年 12 月為例，移動端訪問人數(shù)已覆蓋進一億人， 同比上一個月增長近一倍。移動互聯(lián)網(wǎng)與旅游產(chǎn)品的結(jié)合具有絕大的優(yōu)勢， 尤其是在當年 4G 時代的到來，移動網(wǎng)絡已經(jīng)完全能夠滿足 旅游業(yè)務發(fā)展的需要， 在線旅游業(yè)務 也將 更多的轉(zhuǎn)向旅游產(chǎn)品消費、消費品預定和個性化服務 組合發(fā)展的方向， 因此，在線旅游產(chǎn)品的 在移動端的 發(fā)展將迎來巨大 機遇 。 以攜程為例， 利用豐富的 旅游 產(chǎn)品 組合 、 先進的技術(shù)系統(tǒng) 、 完善的后臺服務 和強大的呼叫中心服務系統(tǒng) ，攜程的 移動 平臺 能夠 提供優(yōu)越的個性化服務 。 根據(jù) 網(wǎng)絡數(shù)據(jù)顯示， 截至 2021 年 年底 ，攜程旅行 移動客戶端的下載量已經(jīng)超過六億次， 環(huán)比增長 70%。 尤其是在 2021 年春節(jié)期間 ， 移動平臺 的 交易量更 是 超過 總交易規(guī)模的 70%，成為在線旅游業(yè) 交易規(guī)模與盈利 能力最強的應用 平臺 。 ① 自助游持續(xù)升溫 雖然 跟團游這一傳統(tǒng)模式在一部分 細分類型 客戶中依然具有很強的不可替代性 ，但是 隨著生活水平的提高 ，跟團游越來越無法滿足人們對于旅游的期待心理，而且更多的跟團游則是廣受詬病的變相“購物游”。而且 2021 年度的中國在線旅游市場結(jié)構(gòu)中 ， 跟團游規(guī)模只占有約 45%的市場份額，二者的年度增長率 分別約為 30%和 85%。 可以看出， 跟團游雖然看似生命力頑強，但是在 自助游 持續(xù)升溫的 背景下，則成了實際中的“夕陽產(chǎn)業(yè)”。 （ 四 ） 創(chuàng)新點和 寫作框架 本文的 創(chuàng)新點 首先， 本文以 旅游電子商務個性化服務 為研究對象， 結(jié)合大數(shù)據(jù)時代的數(shù)據(jù)挖掘理念及技術(shù)， 提出了適合 旅游電子商務個性化服務 的建設方案。 其次，利用 學科知識的融合， 基于數(shù)據(jù)挖掘的信息處理理念， 系統(tǒng) 的分析了旅游電子商務個性化服務中存在的 問題 。最后，本文將理論與實踐結(jié)合，針對我國旅游電子商務個性化服務的建設提出具體措施， 分析了個性化服務在我國 旅游類電子商務個性化服務 中的應用 方法 。 本文的寫作框架 ① 數(shù)據(jù)來自艾瑞咨詢： 二 、旅游電子商務個性化 服務 面臨 的 主要 問題 （一） 數(shù)據(jù) 采集過程 中存在的問題 數(shù)據(jù) 采集 渠道中存在的問題是大多數(shù)使用大數(shù)據(jù)業(yè)務企業(yè)中共同存在的問題， 由于數(shù)據(jù) 采集 渠道非常多，因此面臨的問題也非常復雜，從數(shù)據(jù) 采集 渠道的選擇到網(wǎng)絡技術(shù)因素的限制 等問題 都是 非常難以解決的。 下面對數(shù)據(jù)采集渠道中存在的主要問題進行介紹： Web 服務器端存在的錯誤 。 主要包括 多服務器日志問題 和 服務器日志難以識別 的問題。 多服務器日志問題主要是指多臺服務器的分布使得 服務器日志記錄的訪問者數(shù)據(jù)可能發(fā)生重復等混亂狀況， 從而可 能會影響 到 數(shù)據(jù) 分析 結(jié)果的準確度 。 而服務器日志難以識別的問題主要是指 由于本地緩存、代理服務器 IP 轉(zhuǎn)換 、防火墻攔截等因素造成的用