6月18日，WAW團(tuan)隊有(you)幸受邀前往在臨空(kong)Soho的新(xin)大樓(lou)觀摩了攜程技術創(chuang)新(xin)產品(pin)。

從(cong)我們對(dui)整個大數據(ju)行(xing)業(ye)的(de)(de)觀察來(lai)看，傳(chuan)統的(de)(de)網站(zhan)分析已經遠(yuan)遠(yuan)不能滿足移動(dong)互聯(lian)網企業(ye)的(de)(de)需求。從(cong)總的(de)(de)方面(mian)看，的(de)(de)策略(lve)是通過(guo)對(dui)用戶在行(xing)前探索、出行(xing)規劃、價格比較、預訂、行(xing)程中、回(hui)程到(dao)結束的(de)(de)整個在線旅(lv)行(xing)進(jin)行(xing)了非常(chang)個性化的(de)(de)產品創新。

我們注(zhu)意到每一(yi)個(ge)環節的(de)產品設(she)計和(he)技術布局都(dou)充分(fen)利用了攜(xie)程自有(you)的(de)數據和(he)外部有(you)價值的(de)數據。

行前探索

攜程今年(nian)1季度(du)的(de)(de)(de)移動(dong)端收入已經占到全部的(de)(de)(de)70%，這是(shi)(shi)移動(dong)站(zhan)和(he)移動(dong)APP合(he)力的(de)(de)(de)原因。無論(lun)是(shi)(shi)在(zai)(zai)移動(dong)端還是(shi)(shi)PC端，用(yong)(yong)戶(hu)(hu)在(zai)(zai)訪(fang)問(wen)任何一家公(gong)司(si)的(de)(de)(de)網站(zhan)或者打開App之(zhi)前，必定(ding)會經過(guo)外部的(de)(de)(de)渠道(dao)（Online或者Offline），這些(xie)在(zai)(zai)線探索的(de)(de)(de)渠道(dao)來源往往包(bao)含了(le)(le)很多有用(yong)(yong)的(de)(de)(de)數(shu)據，比如(ru)用(yong)(yong)戶(hu)(hu)通(tong)過(guo)搜索引(yin)擎查(cha)詢的(de)(de)(de)關鍵字(zi)，或者用(yong)(yong)戶(hu)(hu)通(tong)過(guo)特定(ding)的(de)(de)(de)PPC廣告(gao)到達移動(dong)站(zhan)，乃至(zhi)用(yong)(yong)戶(hu)(hu)通(tong)過(guo)合(he)作(zuo)APP的(de)(de)(de)推廣頁面打開了(le)(le)APP等。

在用(yong)戶到達網站或者APP后，會產(chan)生大(da)量的用(yong)戶行為數據。以酒店(dian)為例，通過頁面數據的分析，一般我們可以發現有(you)些(xie)用(yong)戶會大(da)量閱讀評論，有(you)些(xie)會注(zhu)意瀏覽(lan)照片，有(you)些(xie)會對酒店(dian)位置比較在意，這些(xie)數據直接(jie)用(yong)于(yu)實現個(ge)性(xing)化(hua)推薦功能。

攜(xie)程(cheng)(cheng)的個性化推薦功能可以(yi)服務(wu)于(yu)攜(xie)程(cheng)(cheng)的各個業務(wu)部門(men)。攜(xie)程(cheng)(cheng)根據獲(huo)取到的用戶(hu)(hu)信(xin)息，分析出(chu)用戶(hu)(hu)興(xing)趣(qu)，推薦適合的產品(pin)。

信息來源于兩部分：

1）用(yong)戶(hu)行為數(shu)據，比如瀏覽歷史，訂單歷史

2）用戶(hu)注冊信息，性(xing)別，年齡等

不同設(she)備(bei)上的(de)用(yong)戶(hu)行(xing)為數據可以通過用(yong)戶(hu)在攜程的(de)UserId進(jin)行(xing)關聯（必須注冊過，并且曾經登(deng)錄過），這與我們(men)的(de)判斷一致(zhi)。

如果無法(fa)獲取到用戶行為數據以(yi)及注冊(ce)信息(xi)（比如新訪(fang)客），個性化(hua)推(tui)薦會推(tui)薦一個默認版本：通常是最熱門的產品。

攜程對于用戶偏好分析：

攜程用戶(hu)意圖分(fen)別按照(zhao)城(cheng)市主題，目的地(di)偏好，產(chan)品(pin)偏好，酒店偏好及度假(jia)偏好進行(xing)分(fen)類，根(gen)據算法，按照(zhao)特定的排序規則推薦分(fen)屬各(ge)類別的相應產(chan)品(pin)：

用戶行為的發生(sheng)時間：

攜程會把(ba)用(yong)戶行為(wei)的發生時間分(fen)段(duan)（每十分(fen)鐘(zhong)一(yi)段(duan)），每段(duan)時間內的行為(wei)數據賦予不同(tong)的權(quan)重，最(zui)近10分(fen)鐘(zhong)內發生的行為(wei)權(quan)重最(zui)高，依次呈階梯(ti)衰減。也就是說，用(yong)戶看到的產品(pin)推薦(jian)，跟他近十分(fen)鐘(zhong)內在攜程上(shang)的行為(wei)最(zui)相關(guan)。

這些外部和內部的(de)數據都是用(yong)戶的(de)行(xing)(xing)前探索數據，通過技術手段采集(ji)并利(li)用(yong)集(ji)群(qun)進行(xing)(xing)存儲后，可以輸出給(gei)CRM系統做用(yong)戶的(de)標(biao)簽。

要注意的(de)是，如(ru)果(guo)要能做到(dao)對(dui)(dui)最近十分鐘的(de)用(yong)戶(hu)行為數(shu)(shu)據(ju)實現產品推薦，所(suo)有的(de)外部(bu)數(shu)(shu)據(ju)和(he)(he)內部(bu)數(shu)(shu)據(ju)的(de)采集必(bi)須實時，對(dui)(dui)攜程這樣(yang)體量的(de)公司來說，每天的(de)數(shu)(shu)據(ju)存儲(chu)量早就達到(dao)3TB以(yi)上，所(suo)以(yi)必(bi)須應(ying)用(yong)到(dao)數(shu)(shu)據(ju)集群、Spark和(he)(he)Hadoop等大數(shu)(shu)據(ju)存儲(chu)方(fang)面的(de)前沿技術。

目前對(dui)于應(ying)用等級高的(de)數(shu)據(ju)，攜程已經(jing)采用T+0的(de)策(ce)略，對(dui)于應(ying)用等級比較低的(de)（比如數(shu)據(ju)報告），也實現了T+1，這對(dui)大(da)部分企業還在使用T+7甚(shen)至T+14的(de)業務(wu)數(shu)據(ju)用于企業重要(yao)決策(ce)敲響了警鐘。

出行規劃、點評和比價

攜(xie)程(cheng)目前的全站搜(sou)索(suo)（網站＋App）已經(jing)能夠(gou)實現絕大部分(fen)產品和(he)主要緯度的站內搜(sou)索(suo)，比(bi)如按照(zhao)商(shang)圈、品牌、酒(jiu)店名等(deng)提供酒(jiu)店搜(sou)索(suo)，通過(guo)景點(dian)名稱(cheng)和(he)主題(ti)進行門(men)票搜(sou)素等(deng)。

同一個用戶，當他在PC上使(shi)用一個網站(zhan)進(jin)(jin)行(xing)行(xing)程規劃(hua)(hua)時，往往是(shi)提前很(hen)多(duo)天進(jin)(jin)行(xing)行(xing)程規劃(hua)(hua)，并做價格(ge)比較，也會花很(hen)多(duo)時間(jian)看點評(ping)。

酒店點評優化：

在酒(jiu)店(dian)(dian)點評(ping)優化上(shang)，攜程通過(guo)一系列算法，判斷每條(tiao)酒(jiu)店(dian)(dian)點評(ping)的(de)質量(liang)，并把高質量(liang)的(de)酒(jiu)店(dian)(dian)點評(ping)放(fang)在了(le)最前(qian)面，經(jing)過(guo)優化過(guo)的(de)酒(jiu)店(dian)(dian)點評(ping)的(de)頁(ye)面（或者酒(jiu)店(dian)(dian)詳情頁(ye)）的(de)用戶參與度的(de)指標(biao)有明顯提升。

另外優質原創的(de)點評內容(rong)會引來更多的(de)用戶點評，即(ji)UGC內容(rong)，這對于PC端和Mobile端的(de)SEO大有(you)好(hao)處，可以引來很(hen)多長尾的(de)自(zi)然搜索流(liu)量。

同一(yi)個(ge)用戶，當他在PC上使用一(yi)個(ge)網站(zhan)進行(xing)(xing)行(xing)(xing)程規劃(hua)時，往往是(shi)提前很(hen)多(duo)天(tian)進行(xing)(xing)行(xing)(xing)程規劃(hua)，并做價格比(bi)較，也會(hui)花(hua)很(hen)多(duo)時間看(kan)點評，但(dan)不(bu)會(hui)馬上預訂。這(zhe)些搜索(suo)行(xing)(xing)為(wei)(wei)和(he)點評閱讀行(xing)(xing)為(wei)(wei)的背后反映的就(jiu)是(shi)真實(shi)用戶的出(chu)行(xing)(xing)規劃(hua)意圖。

但是(shi)(shi)在Mobile端，很(hen)多預訂是(shi)(shi)即時(shi)發生的(de)(de)，用(yong)戶沒有(you)時(shi)間和(he)耐心做大量的(de)(de)閱讀和(he)判斷，攜程聰明的(de)(de)地方(fang)就是(shi)(shi)應用(yong)同一用(yong)戶的(de)(de)行為(wei)數(shu)據在Mobile端做精準推薦，這樣可以有(you)效提升(sheng)轉(zhuan)化率。

再來說說全網比價：

攜(xie)程(cheng)酒(jiu)店(dian)比價頁面(mian)除攜(xie)程(cheng)之外(wai)的(de)酒(jiu)店(dian)的(de)數據有兩(liang)種來源：

1）攜程自己的爬蟲到別的網站上(shang)去抓

2）攜(xie)程的(de)partners自(zi)己提交數據

其中通過(guo)第(di)一(yi)種抓到的(de)價格數(shu)(shu)據(ju)(ju)(ju)肯定(ding)會(hui)有(you)時間差，相(xiang)對價格不一(yi)定(ding)那么準確；通過(guo)第(di)二種方式也會(hui)有(you)時間差，因為不可能用戶到達攜程的(de)酒店列表頁的(de)時候(hou)，攜程就去請求合作(zuo)伙(huo)伴(ban)的(de)數(shu)(shu)據(ju)(ju)(ju)接口。合作(zuo)伙(huo)伴(ban)自己推送數(shu)(shu)據(ju)(ju)(ju)或(huo)攜程請求數(shu)(shu)據(ju)(ju)(ju)都是(shi)按照一(yi)定(ding)的(de)頻率進行，所以房價和(he)房態也會(hui)有(you)一(yi)定(ding)的(de)時間差，但是(shi)用戶并不會(hui)在乎(hu)。

攜程(cheng)獲取(qu)到價格數據之后，會進(jin)行兩層匹配：

1）酒店名稱

2）酒店房型

據旁(pang)邊解說的工作人員(yuan)說，這(zhe)個功(gong)能很長(chang)時間才(cai)完成。

我們覺得(de)，攜程(cheng)越(yue)來越(yue)像Meta Search，另外(wai)，攜程(cheng)抓取(qu)價(jia)格應(ying)該早(zao)就開始了，監控競爭(zheng)對(dui)手的酒店房價(jia)，確保攜程(cheng)自己(ji)的價(jia)格優(you)勢，一旦(dan)發現競爭(zheng)對(dui)手的價(jia)格更低(di)，攜程(cheng)就可(ke)以找(zhao)酒店去談(tan)判(pan)了。

很容易理解，這些比價行為數據只要被(bei)捕捉了，攜(xie)程可以知道(dao)特定(ding)用(yong)(yong)戶的價格(ge)敏感(gan)區域、酒(jiu)店品牌喜好等，幫(bang)助(zhu)進(jin)一步細化用(yong)(yong)戶的畫像。

同時熟悉旅游行業的朋友可以聯想到攜程控股的在利用攜程獨家開放數據方面的獨特優勢，如果眾薈可以有償使用攜程的全站搜索數據和比價數據，輸出為提供單體酒店或者酒店集團的數據產品，用于競爭對手分析和收益管理，這些數據的參考意義還是很大的。