旅游打包产品都有哪些误区？

2022-06-19 21:12:18

【】（特别评论员李阳）出门旅行不仅需要机票，当然还要预订酒店，这基本是无需质疑的，或许就是因为需求太过明显，“机+X”的概念几乎是一个永恒的行业热点话题，不仅航空公司再谈，OTA和传统旅行社也在谈，在风险资本的簇拥下，也是旅游创业的热点；当时，业内却鲜见以打包产品为主业的规模化公司。那么“机+酒”靠谱吗？笔者以自己的思考，来试着解构其中的几个误区。

首先，需求是明确的，为什么没有什么突破？

点击图片查看大图片。

笔者对旅游包装产品的发展进行了分析，基本上经历了三个阶段的探索，缺乏资源的算法对人类的推荐是不利的。

首先说资源不足。既然是打包，那就需要多个内容来整合，最常见的是“机+酒”、“机+车”。由于机票的整体IT信息化水平较高，所以也最早实现了互联网销售，从而促成了OTA（在线旅游代理商）的快速发展。那么只要酒店、租车行业的信息化水平也相应提高，打包和动态打包的“原材料”就齐全了，可以根据旅客需求将资源快速组合起来。打包产品发展初期往往碰到的难题是，如何寻找信息化水平比较高的旅游相关领域，能够有“原料”进行打包。

其次算法不优。原料全了，接下来就需要解决打包效率问题。旅客之所以不购买，是因为选择不够丰富。那就需要低成本高效率的算法，将更多的资源在最短的时间内组合好。比如，北京到上海，航班从早到晚有50个左右，高铁还有很多选择，目的地酒店从五星级到经济型连锁，数量也要超过一千，要能够根据客户的预算、活动区域等因素，快速将产品组合出来，这对算法效率提出了很高的要求。

最后推荐不准。产品丰富了，组合效率也提高了，为什么旅客还是不感冒呢？原来是推荐不准，旅客面临的选择不是太少，而是太多了。简单的信息堆砌，让旅客无所适从，旅客希望看到的结果能够“聪明一点，智慧一点”，根据旅客需要，尤其是“没有说出的需要”推荐合适的产品。比如，高端旅客，就应该将舒适航班和高星级酒店组合优先展示，对价格敏感的旅客，可以优先推荐便宜的中转航班和经济舒适型酒店产品。

第二，资源是否短缺？个人冠军时代

点击图片查看大图片。

那麽，现时的资源是否短缺呢？携程，国内OTA的老板，开始依赖酒店和机票。早在2008年，他就收购了从事酒店IT软件开发的中索霍泰，意图对机票酒店组合销售进行战略布局。伊隆还投资于哲和云，不仅渗透到酒店业，而且还积极发展小客栈。去年上市的阿里巴巴选择了为高星级酒店和餐馆提供信息系统的服务提供商世基信息(Shiji Information)，这是他自上市以来的首次投资。这些行动的目的只是为了弥补酒店信息化的不足。因为携程、宜龙、阿里去啊都有大客户，但由于酒店IT水平低，不仅限制了酒店预订的自动化处理，还限制了产品的组合和包装。

但实际情况怎么样呢？尽管进行了这些布局和投资，但从上市公司的报告来看，交叉销售和打包销售目前还不是主营业务，综合判断，全球的旅游行业目前现在还处于单项冠军的竞争时代。世界上最大OTA是Priceline，市值超过600亿美元，其每年酒店预订超过1亿间夜，但机票预订只有酒店规模的1/20。国内的艺龙，几乎放弃了机票销售，但这几乎不影响其酒店间夜高达每年3400万间夜。以全球最大的GDS（全球分销系统）企业Amadeus来说，目前其系统中有大约11万家酒店，100多家铁路供应商，206家旅行社，23家保险公司，50多家游轮供应商和超过30家的租车公司，这么多非航的资源，在遍布全球超过9万家代理商分销情况下，每年贡献的非航空预订只占其总预定量13%。

看样子资源是否不足是打上问号的。目前还处于单项冠军的时代，各个企业也都是在单个细分领域竞争，还没有到比拼综合打包能力的“铁人三项”时代。

第三，算法不是很好吗？难以突破的瓶颈

点击图片查看大图片。

随着IT水平的提高，封装资源似乎不是一个问题，所以打包算法不够好。让我们把它和其他山的一块石头比较一下。

Netflix是一家美国上市公司，主要提供在线视频业务。和别的视频公司相比，Netflix更加重视技术，其著名的案例就是通过大数据分析，在剧本创意、演员遴选和宣传发行等多个方面，为观众“量身定制”了畅销美剧《纸牌屋》。我们这里要说的是Netflix另一个“百万美元大奖”的项目。推荐引擎是Netflix公司的一个关键服务，千万观众能在个性化网页上对观赏过的影片做出1－5的评级。Netflix将这些评级放在一个巨大的数据集里，该数据集容量超过了30亿条。Netflix使用推荐算法和软件来标识具有相似品味的观众对影片可能做出的评级。因此Netflix向全球广发“英雄帖”，奖励百万美元，只希望将算法的效率提升10%。历时近三年，全球186个国家的四万个团队参与，最后集合了电脑专家、统计专家和人工智能专家的团队，才勉强达到了要求。我们不是想从这个例子中说明，算法提升有多么难，而是想说算法效率提升不是线性的，过了某个临界点后，投入产出比将严重下降，需要长期的技术积累。

Netflix的案例中，客户行为是一个简单行为，而面向旅游的时候，维度将会复杂很多，人们既需要快速，还需要能够进行比价，甚至在不同的场景下组合展示，如配合地图展示，集成点评信息等。技术的积累不是一蹴而就的，需要一个长期的过程。同样我们疑问的是，简单的历史统计和信息分类，从而形成的打包组合是否能否满足用户的需求，从而影响人们的购买决策。从实际的情况来看，现在的效果不好。

第四，不允许推荐？低频行为问题

点击图片查看大图片。

在资源充足，包装成果丰富的情况下，为什么我们不能形成一个规模，单独购买大量乘客，并将其改为一次性集中采购？因此，可能不是乘客不需要足够的包装，而是网站上显示的信息并不是乘客想要的，即他们没有准确的建议。让我们整理一下应用程序的故事，这是金日头条的新闻聚合。金日头调是移动互联网时代快速成功的典型例子。该公司于2012年8月推出，在不到两年的时间里就获得了1.2亿用户，平均每日活跃用户1300万，价值逾5亿美元；在纳斯达克上市的OTA Yilong在成立十多年前就已在纳斯达克上市，在成为携程之前，该公司的市值约为5亿美元。我们追踪金日头调团队的历史，发现同样的技术。同一个团队在六年内做了三种不同的事情。第一个是旅游行业的垂直搜索网站Kuxun，第二个是2009年成立的999 House，最后是新闻应用Jinri Toutiao。它背后的技术是相同的，所有这些都是通过机器学习将内容聚合给用户的精确建议。然而，根据应用场景的使用频率、信息结构程度和应用场景的三个维度，我们发现旅游应用的低频率和多情景是预测用户行为的难点，难以做出准确的建议。据2013年全国民航市场统计，全年旅客3.5亿人次，实际旅客1.05亿人次，其中7000万人次乘飞机1：2，2500万人次3次6次，约397万人次12次以上。也就是说，70%的旅客在市场上，航空消费行为每年只有1，2次，由于行为频率低，乘客离开特征信息不足以识别其个性化需求。目前，它们大多是基于统计特征，如男性和女性、年龄、早期购票时间、购票类空间等，这些还远未得到准确的推荐。新闻产品，由于新闻可以通过节选和关键词快速构建信息，同时，每日通勤时间是一个相对较高频率的接触点，新闻应用是推式阅读，互动也很简单，根据用户点击阅读来收集用户的使用习惯和兴趣，可以将合适的信息聚集在海量的信息中，让用户在体验中大吃一惊。

五.通向未来的道路

用户需求无需质疑，但资源不足、算法不优，推荐不准都是尝试过的误区，那么未来的路径在什么地方？笔者思考可能有两个方向。

首先，依靠大数据技术。航空消费的低频次特征导致很难完整构建旅客行为，但电商消费，社交网站（微信和微博）的行为是高频次的，大数据强调跨界，通过整合其它系统的数据，可以构建出旅客的全景视图，从而在旅客第一接触点就能识别出旅客的需求，做到为旅客精准推荐组合产品。比如旅客在微信上与朋友交流海岛游，在淘宝上购买供家人使用防晒用品，在搜索引擎上搜索相关的游记，那么在旅客访问旅游类网站是就可以重点向旅客推荐三亚和普吉岛等家庭海岛游的产品。

其次，向行程规划阶段转移。目前我们说到打包推荐，多是在产品购买阶段，也就是说旅客在购买机票或者预订酒店时，向旅客推荐相关的产品。从“5R”营销的角度来看，即在合适的时间（Right Time）、合适的地点（Right Location）将合适的产品（Right Product）以合适的价格（Right Price）销售给合适的旅客（Right Customer）。产品没有问题，旅客需求也没有问题，目前来看在时间上有点问题。旅客在购买阶段，说明已经完成了旅行的规划，基本已经知道要预订什么样的酒店，买什么时候的机票，租什么样的车，所以旅客到了航空公司官网只希望快速达到目的，这时候给旅客不精准的推荐，成功的概率可想而知。所以打包产品的营销时间可以向前移，到行程规划阶段去影响旅客。

旅游行业是永远的朝阳产业，技术的脚步也在一直向前。打包的一站式采购可以提高人们的出行效率，但需要我们看到误区，认识误区，从而依靠新的方法走出误区。