數(shù)據(jù)挖掘在酒店?duì)I銷中的應(yīng)用及實(shí)現(xiàn)路徑

（無錫職業(yè)技術(shù)學(xué)院 江蘇 無錫 214121）

隨著經(jīng)濟(jì)的飛速發(fā)展和人民生活水平的顯著提高，如今的酒店已不再只是為“高端人士”服務(wù)，而逐漸成為一種大眾化的消費(fèi)場(chǎng)所。酒店業(yè)市場(chǎng)呈現(xiàn)出顧客需求多樣化、個(gè)性化、行情變化快等特征。酒店在力求滿足顧客需求的同時(shí)，還要兼顧自身的運(yùn)營(yíng)成本。為了實(shí)現(xiàn)既能滿足客戶多樣化需求，同時(shí)又能節(jié)省成本的目的，酒店需要充分了解市場(chǎng)、理解客戶需求，實(shí)現(xiàn)精準(zhǔn)營(yíng)銷。所幸的是當(dāng)今世界是一個(gè)大數(shù)據(jù)高速發(fā)展的時(shí)代，數(shù)據(jù)已經(jīng)成為各行各業(yè)重要的生產(chǎn)要素。善于利用數(shù)據(jù)從數(shù)據(jù)中挖掘出有價(jià)值的信息，可以幫助企業(yè)提高營(yíng)銷效率，提升客戶滿意度，同時(shí)節(jié)省營(yíng)銷成本。數(shù)據(jù)挖掘 （Data Mining）是指從大量的數(shù)據(jù)中發(fā)現(xiàn)對(duì)決策有用的知識(shí)，這些知識(shí)包括概念、規(guī)則、模式等多種形式。常見的數(shù)據(jù)挖掘技術(shù)主要包括關(guān)聯(lián)規(guī)則、聚類分析、分類和預(yù)測(cè)等。本文介紹關(guān)聯(lián)分析、聚類分析、決策樹和線性回歸等。

一、數(shù)據(jù)挖掘方法及在酒店?duì)I銷中的應(yīng)用

（一）關(guān)聯(lián)分析

關(guān)聯(lián)分析是挖掘關(guān)聯(lián)規(guī)則的過程，關(guān)聯(lián)規(guī)則是指在同一事件中出現(xiàn)不同項(xiàng)目的規(guī)律性，關(guān)聯(lián)并不一定意味著因果關(guān)系。比較經(jīng)典的關(guān)聯(lián)分析是沃爾瑪公司的啤酒和尿布的故事。沃爾瑪通過關(guān)聯(lián)分析發(fā)現(xiàn)，很多顧客在購(gòu)買尿布的同時(shí)也購(gòu)買了啤酒。當(dāng)把尿布和啤酒擺放在一起銷售后，兩者的銷量都增加了。關(guān)聯(lián)分析最初應(yīng)用于分析零售行業(yè)顧客的購(gòu)物行為模式，因此關(guān)聯(lián)分析有時(shí)也被稱為購(gòu)物籃分析。關(guān)聯(lián)分析通常用于商品貨架布置、購(gòu)物路線設(shè)計(jì)、銷售配貨、存貨安排、交叉銷售以及根據(jù)購(gòu)買模式對(duì)用戶進(jìn)行分類等。 酒店行業(yè)也同樣可以運(yùn)用關(guān)聯(lián)分析來分析客戶的購(gòu)買模式。例如餐飲部門可以對(duì)客戶點(diǎn)單的內(nèi)容進(jìn)行關(guān)聯(lián)分析，挖掘出兩種或多種被客戶同時(shí)購(gòu)買的菜品或飲品，據(jù)此為以后的客戶推薦相關(guān)聯(lián)的菜品和飲品，從而促進(jìn)銷售。客房部同樣可以對(duì)客戶在酒店的其他消費(fèi)情況進(jìn)行關(guān)聯(lián)分析，例如分析客戶所選房型與其他消費(fèi)行為的關(guān)聯(lián)規(guī)則，據(jù)此對(duì)相應(yīng)房型的客戶推銷其更有可能購(gòu)買的其他酒店商品。關(guān)聯(lián)分析中有三個(gè)主要的指標(biāo)：支持度(Support)、置信度(Confidence)和提升度(Lift)。支持度是指兩種商品X和Y同時(shí)出現(xiàn)的概率，反映所發(fā)現(xiàn)規(guī)則的有用性。支持度的計(jì)算公式為：

置信度是指購(gòu)買X的人，同時(shí)購(gòu)買Y的概率，反映的是所發(fā)現(xiàn)規(guī)則的確定性。置信度的計(jì)算公式為：

提升度反映了關(guān)聯(lián)規(guī)則中的X與Y的相關(guān)性，提升度＞1且越高，表明正相關(guān)性越高，也即Y的購(gòu)買確實(shí)是被X的購(gòu)買所提升的；提升度＜1且越低，表明負(fù)相關(guān)性越高；提升度=1表明沒有相關(guān)性。提升度的計(jì)算公式為：

酒店在做關(guān)聯(lián)分析時(shí)需要實(shí)現(xiàn)設(shè)定支持度和置信度的閾值，當(dāng)挖掘出來的關(guān)聯(lián)規(guī)則的支持度和置信度高于閾值，且提升度大于1，則可以認(rèn)為該關(guān)聯(lián)規(guī)則有用且可靠，可以根據(jù)其實(shí)施相應(yīng)的營(yíng)銷組合或交叉銷售等。

（二）聚類分析

聚類分析是在沒有給定類別特征的情況下，把數(shù)據(jù)樣本依據(jù)其相似性，劃分成多個(gè)子集的過程。每個(gè)子集被稱作一個(gè)簇（Cluster），簇內(nèi)的樣本彼此相似，但與其他簇中的樣本不相似。聚類分析在客戶關(guān)系管理中有著廣泛且有效的應(yīng)用。聚類分析有多種算法，其中最經(jīng)典、最常用的是k-means算法。K-means算法首先需要確定簇的個(gè)數(shù)K，并隨即選擇K個(gè)簇的中心點(diǎn)，將每個(gè)數(shù)據(jù)點(diǎn)指定給其最近中心點(diǎn)的簇，然后根據(jù)每個(gè)簇的平均值更新每個(gè)簇的中心點(diǎn)，重復(fù)此步驟直到?jīng)]有新的調(diào)整。K-means算法相對(duì)簡(jiǎn)單，適用于比較規(guī)則的簇，且收斂速度相對(duì)較快。但是需要預(yù)先指定K的值，因此需要一定的領(lǐng)域知識(shí)。由于K-means算法是基于平均數(shù)的一種算法，聚類結(jié)果可能容易受到噪聲數(shù)據(jù)和異常值的影響。

在聚類結(jié)果的基礎(chǔ)上，酒店還可以進(jìn)一步使用RFM模型來衡量各個(gè)類客戶的價(jià)值和貢獻(xiàn)度。RFM中的R（Recency）表示最近一次消費(fèi)時(shí)間，F(xiàn)（Frequency）表示消費(fèi)頻率，M(Monetary)表示消費(fèi)金額。酒店可以計(jì)算客戶的RFM指標(biāo)，評(píng)判每一類客戶群的價(jià)值。可以將客戶劃分為高價(jià)值客戶、一般價(jià)值客戶和低價(jià)值客戶。然后對(duì)每一類客戶進(jìn)行不同的營(yíng)銷策略，提供個(gè)性化服務(wù)，從而做到精準(zhǔn)營(yíng)銷。

（三）決策樹

決策樹是一種經(jīng)典且常見的用來進(jìn)行預(yù)測(cè)的分類算法。決策樹是一種有監(jiān)督的分類算法，也即預(yù)先設(shè)置某個(gè)屬性為分類標(biāo)簽，如客戶是否流失，則可利用客戶的其他屬性信息對(duì)客戶是否流失進(jìn)行預(yù)測(cè)。假設(shè)某酒店有以下數(shù)據(jù)：

?

根據(jù)以上表格信息，可以構(gòu)建如下決策樹。也即年齡在40-50歲之間的客戶通常會(huì)流失；年齡小于等于40歲帶家庭入住的客戶往往會(huì)流失，年齡小于40歲獨(dú)自入住的客戶往往還會(huì)再次選擇此酒店；年齡大于50歲且來自省內(nèi)的客戶會(huì)流失，年齡大于50歲且來自省外的客戶通常還會(huì)再次選擇此酒店。依據(jù)此決策樹所展現(xiàn)的信息，酒店需要著重研究流失客戶的流失原因，采取相應(yīng)措施提高滿意度避免流失。對(duì)于不容易流失的客戶則需要采取相應(yīng)措施保證滿意率。分類算法除決策樹以外，常見的還有：貝葉斯分類、支持向量機(jī)、BP神經(jīng)網(wǎng)絡(luò)、邏輯回歸等。

（四）線性回歸

線性回歸也是一種常用的預(yù)測(cè)方法。與決策樹預(yù)測(cè)樣本的類別不同，回歸分析可以預(yù)測(cè)樣本的某個(gè)屬性的具體取值。例如可以根據(jù)客戶的其他屬性信息，預(yù)測(cè)客戶的消費(fèi)金額，即可以分析酒店客戶的消費(fèi)金額受到哪些因素的影響，如客戶年齡、性別、入住時(shí)間、是否為初次客戶、是否帶家庭入住等等酒店可以掌握的客戶信息。建立消費(fèi)金額與這些客戶信息之間的線性關(guān)系，進(jìn)而分析這些客戶的這些因素如何影響其消費(fèi)金額，從而可以為鼓勵(lì)客戶以后再來酒店消費(fèi)提供指導(dǎo)。

二、 酒店實(shí)現(xiàn)商務(wù)智能化的路徑

（一）酒店行業(yè)實(shí)現(xiàn)商務(wù)智能化的意義

首先，數(shù)據(jù)挖掘不僅僅對(duì)酒店的客戶關(guān)系管理和營(yíng)銷，起著至關(guān)重要的作用，還對(duì)酒店員工管理同樣具有現(xiàn)實(shí)意義。眾所周知，酒店行業(yè)因其待遇低、工作時(shí)間長(zhǎng)、周末節(jié)假日尤其繁忙、社會(huì)認(rèn)可度低等原因，員工流失率一直居高不下，這也是酒店人力資源管理中長(zhǎng)期存在的痛點(diǎn)。 數(shù)據(jù)挖掘技術(shù)可以幫助酒店分析員工心理，預(yù)測(cè)員工流失和員工表現(xiàn)，從而為酒店更科學(xué)地管理員工提供指導(dǎo)意見。因此數(shù)據(jù)挖掘和商務(wù)智能是酒店行業(yè)繼續(xù)大力發(fā)展并使用的一項(xiàng)工作任務(wù)。其次，在當(dāng)今這個(gè)競(jìng)爭(zhēng)日益激烈，受疫情影響旅游業(yè)普遍不景氣的時(shí)代，酒店唯有充分了解客戶掌握市場(chǎng)，對(duì)客戶和市場(chǎng)進(jìn)行精準(zhǔn)營(yíng)銷才能在激烈的市場(chǎng)競(jìng)爭(zhēng)中站穩(wěn)腳。而精準(zhǔn)營(yíng)銷和個(gè)性化的客戶關(guān)系管理，離不開數(shù)據(jù)的指導(dǎo)。

（二）酒店行業(yè)實(shí)現(xiàn)商務(wù)智能化的條件

計(jì)算機(jī)和物聯(lián)網(wǎng)技術(shù)的發(fā)展和在酒店行業(yè)的應(yīng)用為酒店提供了大量的實(shí)時(shí)數(shù)據(jù)，使得酒店行業(yè)實(shí)現(xiàn)商務(wù)智能化、采用數(shù)據(jù)挖掘精準(zhǔn)營(yíng)銷和管理成為可能。有了數(shù)據(jù)還不夠，還需要有人會(huì)分析和挖掘。因此酒店實(shí)現(xiàn)商務(wù)智能化的另一個(gè)必要條件就是有專門人員和崗位對(duì)酒店數(shù)據(jù)進(jìn)行分析，為管理層決策提供建議和支持。

（三）酒店行業(yè)數(shù)據(jù)分析師的培養(yǎng)

首先，酒店行業(yè)的應(yīng)屆畢業(yè)生基本來自各大中專學(xué)校旅游管理和酒店管理等相關(guān)專業(yè)，目前此類專業(yè)培養(yǎng)的重點(diǎn)還集中在技能和外語(yǔ)方面。隨著大數(shù)據(jù)的興起，高校旅游管理和酒店管理專業(yè)，可以相應(yīng)開設(shè)數(shù)據(jù)挖掘或數(shù)據(jù)分析課程，為酒店和旅游行業(yè)的數(shù)據(jù)挖掘人才做好人才儲(chǔ)備。

其次，酒店可以專設(shè)數(shù)據(jù)分析師崗位，對(duì)此崗位招聘計(jì)算機(jī)、統(tǒng)計(jì)、信息管理與信息系統(tǒng)等相關(guān)專業(yè)的畢業(yè)生，并對(duì)他們進(jìn)行酒店業(yè)務(wù)方面的培訓(xùn)，使之了解酒店業(yè)務(wù)，將其所掌握的數(shù)據(jù)挖掘技能充分應(yīng)用到酒店行業(yè)。

再者，酒店還可以對(duì)已有員工進(jìn)行數(shù)據(jù)挖掘方面的培訓(xùn)。目前部分酒店已經(jīng)開展與STR（史密斯旅游研究）的合作，有機(jī)會(huì)獲取行業(yè)大數(shù)據(jù)為自身提供必要的信息和指導(dǎo)。與此同時(shí)，酒店還需要充分利用本酒店內(nèi)部的數(shù)據(jù)，并由專門人員負(fù)責(zé)數(shù)據(jù)分析。充分掌握內(nèi)外部數(shù)據(jù)才能更全面的了解市場(chǎng)和客戶。

結(jié)束語(yǔ)：

本文介紹了幾種常用的數(shù)據(jù)挖掘方法，在酒店行業(yè)的應(yīng)用，旨在鼓勵(lì)酒店行業(yè)充分利用內(nèi)部數(shù)據(jù)更好地了解客戶和市場(chǎng)。同時(shí)還討論了酒店行業(yè)實(shí)現(xiàn)商務(wù)智能化和應(yīng)用數(shù)據(jù)挖掘的路徑，以期推動(dòng)酒店行業(yè)商務(wù)智能化的進(jìn)程和數(shù)據(jù)挖掘的推廣。