论文部分内容阅读
随着旅游业的快速发展以及互联网应用的普及,越来越多的旅行者通过借助网络平台获取旅游资讯、预订线上的旅游产品、发表旅游点评、分享他们的旅行经历。根据《第37次中国互联网发展统计报告》,截止2015年12月,通过线上预订酒店、机票、火车票、甚至是租车等服务的用户规模达到了 2.6亿,其中通过网站在线预订酒店的占比40.5%,同比增长54.1%。庞大的在线预订用户规模存储了大量的在线预订用户的消费行为相关数据,然而这些用户数据的分析和提炼将会对在线旅游企业有着潜在的利用价值。本论文选取X网的在线酒店预订用户数据作为样本研究对象,用聚类分析法、访谈法、数理统计法等方法进行研究。首先,采用K-Means聚类分析法最终聚类5种不同的用户群,分别为高端用户群、中高端用户群、中端用户群、中低端用户群、低端用户群,得出不同的用户群都对8个变量的敏感性都具有明显的特征。其次,基于聚类结果的5种用户群,随机筛选样本采用访谈法,对样本的用户结构特征和影响样本在线预订酒店的用户行为分析,挖掘不同用户群在线酒店预订的购买动机、预订行为偏好、预订体验等主要因素,了解用户群潜在的需求和最敏感需求。最后,针对聚类后的不同用户群特征和需求,尤其是X网最主要的中低端用户群,通过对在线产品信息优化分级策略和推荐优先策略进行优化,提供差异化服务和精准式分类营销,满足用户群的真实需求,吸引更多在线用户的购买和提升网站的转化率。在线预订数据的细分和潜力挖掘,对在线旅游企业是非常必要的,且具有一定的可行性,为在线旅游企业的快速发展提供更有力的理论和实际结合的基础,对在线旅游企业的战略决策有一定的指导意义。