旅游大數據分析與應用

邢丹梅

隨著旅游業與信息技術的深度融合，旅游大數據已經作為一種資源而存在。對旅游大數據的分析與應用推動了旅游業的智慧化發展。本文從旅游大數據的概念和產生背景入手，介紹了旅游大數據的類型，總結了旅游大數據的處理流程，同時將旅游大數據分析分為面向旅游行政管理部門的旅游市場大數據分析、基于供需角度的旅游運營大數據分析（旅游供給方）和游客畫像（旅游需求方），并對這三大分析方向繼續細化，明確分析維度，同時闡述了旅游大數據的應用。最后提出隨著旅游大數據的發展，旅游學研究方式也將發生巨大變化。

旅游大數據的產生

旅游業是一個信息依賴度非常高的行業，互聯網技術的普及對人們的旅游活動產生了巨大的影響。從傳統的團隊旅游到自助旅游，旅游信息是鏈接旅游者和目的地的關鍵環節。有研究表明旅游者在進行消費之前要進行10次以上的旅游相關搜索，訪問20個左右網站；從傳統的線下支付轉為線上交易，支付方式發生的巨大轉變為游客消費偏好的研究提供了大量的數據資源；從傳統的傳播方式到現在的新媒體傳播，如朋友圈、攻略、點評、游記等，信息分享和傳播方式發生轉變，旅游大數據是一種伴生性數據，伴隨著游客活動而產生。

旅游大數據的分類

學者們從不同的角度出發，將旅游大數據分為不同類型，常見的數據類型有：政府部門數據，包括公安、交通、氣象、國土、海關等，其中交通數據包括航空、高速公路等數據；通信運營商數據，包括移動、聯通、電信；搜索引擎類數據，如BAT；在線旅游平臺OTA交易數據，如去哪兒、攜程、美團；文旅企業智慧旅游類系統或平臺的自有數據，如景區閘機門票系統；消費數據，如銀聯系統（如表1）。

表1 數據類型

數據類型 說明

政府部門數據 公安、交通、氣象、國土、海關等

通信運營商數據 移動、電信、聯通

搜索引擎類數據 BAT：百度、阿里巴巴、騰訊

OTA平臺交易數據 攜程、美團、去哪兒等

文旅企業智慧旅游類系統或平臺自有數據 景區管理系統、酒店管理系統等

根據數據來源將旅游大數據分為用戶生成內容（UGC）數據、設備數據、事務型數據三大類，并從研究重點、數據特征、分析技術及未來研究方向四個維度，對每一類數據的相關研究進行了系統綜述。按產生數據的主體進行劃分，將旅游大數據分為人產生的數據和機構產生的數據；按數據來源的行業劃分，將旅游大數據分為互聯網公司數據，電信、金融、保險、電力及石化系統數據，交通領域數據和氣象領域數據；按存儲數據的形式劃分為結構化數據、半結構化數據和非結構化數據；依據數據所屬方將旅游數據劃分為內部數據和外部數據（如表2）。

表2 旅游大數據類型之內部數據、外部數據

數據類別 說明 主要應用

外部數據 互聯網內容數據 互聯網爬取（咨詢、論壇、貼吧、OTA等） 旅游情緒分析

廣播電視數據 各地廣播電視劇 旅游情緒分析

運營商位置數據 電信運營商數據、APP數據 游客行為分析

交通卡口數據 交通局、高速公路公司 游客行為分析

消費數據 銀聯+網聯+收單機構 游客消費行為分析

搜索數據 百度、攜程、同程、馬蜂窩等 游客意向度分析

投訴數據 互聯網、12301、地方投訴熱線等 投訴應對與處置

預定數據 攜程、同程、飛豬等 游客預定分析

資源數據 景區、酒店、餐飲、廁所、旅行社等的位置、名稱、規模等 旅游資源管理

內部數據 游客入園數據 來源于園區門票閘機系統 游客入園分析

停車數據 來源于園區停車系統 自駕、團隊游分析

其他MIS系統數據 GIS系統、OA系統等 各類內部分析

表格來源：旅游大數據應用與分析教材

旅游大數據分析與應用

旅游大數據處理流程。從技術層面來說大數據的采集可分為結構化數據采集和非結構化數據采集，購票信息和住宿信息等消費數據屬于結構化數據，結構化數據通常存儲于結構化數據庫中，如MySQL、Sqlserver、Orcle、DB2等，在線數據庫可以作為結構化數據存儲模塊，由于旅游大數據有量大且實時更新的特點，如景區客流監測統計數據等，在此應用當中更偏在線到離線的銜接，能夠支持高吞吐數據寫入及大規模數據存儲，可用于歷史數據歸檔。旅游評論、游記、曬圈等屬于非結構化數據，非結構化數據的存儲及處理與Hadoop密切相關，Hadoop是針對大數據處理研發的一個開源分布式系統架構，是一個有效解決分布式存儲和并行計算的平臺。目前旅游大數據中的非結構化數據通常存儲于Hadoop的HDFS當中。在數據采集中，非結構化數據的處理更加復雜，要求在采集過程中進行相關操作，使采集完成的數據能夠方便快速進行數據處理。

從數據所有者層面來說，現在很多經營主體及管理部門都構建有自己的智慧旅游系統，如景區內部的門票監測系統，由于實行實名制購票，通過票務信息可以采集到游客的基本信息，這方面的數據采集就是直接通過已建立好的平臺進行數據獲取，將獲取到的數據再進行后續處理。交通部門有交通管理平臺，能夠通過車輛識別、人臉識別采集到旅游者的出行信息。移動、電信及聯通運營商，可以通過LBS定位游客出行路線及停留時長等數據。OTA平臺可以記錄旅游者出行計劃、行為特征、景點及消費偏好。BAT平臺可以記錄旅游者搜索數據。除政府管理部門數據之外，BAT、OTA數據、網絡傳播數據，包括點評、攻略及游記等，此類數據可通過八爪魚及Python等進行網絡爬蟲獲取，也可通過數據擁有方提供的API接口獲取數據。

旅游大數據清洗和預處理。在數據采集完成后，需要對數據進行治理，以提升數據質量，方便分析應用。數據清洗和預處理可以去除數據里的無用值、異常值、錯誤值、重復值。數據清洗可在數據導入后進行審核、篩選和排序，數據預處理主要包括：數據集成、數據變換和數據規約等。數據集成是把不同來源、格式的數據有機集中在數據庫中的過程，為用戶提供一個統一的視圖，要想實現高動態數據實時處理，數據集成技術最好能與流處理引擎或搜索引擎集成在一起。數據變換運用平滑聚集、數據概化、規范化等方式將數據轉換成適用于數據挖掘的形式。數據歸約技術可以得到數據集的歸約表示，它相對較小，易于處理。在清洗和預處理完成后可以依據分析目的對數據進行分類、分組和分主題，以方便后期分析。

旅游大數據分析挖掘。數據挖掘是挖掘出數據潛在信息和規律的過程，是從大量的、不完全的、模糊的和隨機的數據當中抽取有價值的信息。數據挖掘主要通過分類、聚類、關聯分析、神經網絡等進行深度挖掘，用各類算法進行建模，模型訓練，它與機器學習、人工智能、數據庫等密切相關，能夠自動分析大量數據，做出歸納與整理。在旅游大數據分析挖掘中可以采用關聯分析對數據進行搜索，找出出現頻率較高的數據信息，也可以通過聚類與分類，分析數據相似性及相似性數據中存在的共性，為旅游運營決策提供服務。

可視化展示和分析報告撰寫。數據可視化可以直觀展示數據挖掘分析結果，往往以圖形圖像的方式展示給用戶，且用戶可以進行操作，實現交互處理，可視化技術更易于發現數據中的非顯性信息，便于用戶理解。BI平臺往往集成了可視化功能，易于人們使用，除此之外，常用的可視化工具有Excel可視化、Python可視化等等。數據分析和可視化之后，將分析結果撰寫成文，為企業運營決策提供數據支撐。

旅游大數據分析。旅游大數據分析可基于軟件工具、大數據技術和BI平臺等，聚類、關聯分析等算法集成在BI平臺當中，在這里主要從旅游業出發，選取合適的分析方法來對數據進行分析，根據分析對象和分析目的不同，可以選擇不同的分析方法，如對比分析、結構分析、杜邦分析、文本情感分析等等。將旅游大數據分析分為旅游市場大數據分析，主要針對行業管理部門；旅游運營大數據分析，從供需角度講的旅游供給方；游客畫像分析，從供需角度講的旅游需求方。

游客畫像分析。智慧旅游下的游客畫像數據，包括游客的基本屬性分析和行為偏好分析，對游客屬性進行精準定位，實現人與信息的高度匹配，實現智慧化的營銷。游客基本屬性分析主要從性別、年齡、學歷、職業，婚姻與收入、消費能力分析以及客源地這些維度進行分析。游客行為數據分析可分為游客出行偏好分析、游客消費偏好分析及旅游類APP使用偏好分析。游客出行偏好分析從交通及出行方式、出行時長、停留時間、游客活躍城市這些維度進行分析。游客消費偏好從酒店類型、價位偏好品牌偏好、餐飲類型偏好、景點類型偏好、價位區間偏好這些維度進行分析。旅游類APP使用偏好可以從APP類型偏好、使用時長及頻率等維度進行分析。

旅游市場大數據分析。旅游市場大數據分析主要是面向旅游行政管理部門，用于旅游市場宏觀趨勢及旅游經濟宏觀分析，用于旅游監管，人流預測及旅游應急機制制定。傳統市場分析多采用SWOT分析、4P理論、PEST理論、波特五力模型、波士頓矩陣等，但這些傳統的分析理論和模型并不完全適用旅游市場大數據分析。目前很多學者和部門都發表了旅游大數據分析報告，但分析維度各有不同，總結共性得出MTSFP旅游市場大數據的五維分析，即M宏觀經濟分析（macroeconomic analysis）：旅游總人次及同比增長率、旅游總消費及同比增長率、城鎮居民旅游人次，農村居民旅游人次，四季度旅游人次對比；T（tourist）游客分析：年齡、性別、客源地；S景點關注度，用景點網絡搜索量（Network search volume of scenic spots）來衡量，分析得出搜索量前10或20；F節假日（holidays），分析節假日旅游總人次、總消費，同比增長情況等；P產品品類分析（products）：包括酒店類、旅行社類、景區類、餐飲類等，從總數量及接待總人次，平均價格等維度進行分析，如酒店類，可以從酒店數量、營業收入、平均出租率，用同比或定比的方法和過往數據進行對比以分析發展趨勢、旅游總人次、旅游總消費、總體發展態勢等。

旅游運營大數據分析。旅游實時客流監測與統計可以從實時客流監測、客流趨勢、客流分布這三個方面進行分析，具體分析內容包括實時客流統計、實時客流分布、客流動態預警、客流對比分析、客流趨勢分析、分項匯總分析，最終以動態可視化呈現，如熱力圖、詞云圖、可視化大屏等，依托于智慧旅游系統或相關BI平臺。

品牌影響力分析。旅游品牌維度指數是以該旅游品牌同類景區/目的地品牌五大維度指數均值作為基值，采用3期平滑的方式計算得出的數值，對于對比同類型景區/旅游目的地不同維度對于品牌的影響具有重要參考價值。品牌五大指數分別為旅游品牌知名度、旅游品牌忠誠度、旅游品牌獲得感、旅游品牌質量、旅游品牌個性，這五大維度有具體的計算公式，需要將獲取到的數據套入公式計算，衡量旅游品牌影響力。

游客評價與滿意度分析。游客評價與滿意度分析傳統采用的是問卷調查法，線下數據有限，樣本量相對較小，大數據和云計算等信息技術的高速發展使批量的、實時的UGC數據采集成為可能，目前主要采集的是OTA在線旅游機構的評論數據，如美團、攜程、去哪兒，但不局限于酒店評價、景區評價、購物評價等。目前學者們常用的分析方法是基于UGC用戶生成數據，爬取攜程、去哪兒等的游客點評、攻略、游記，把爬取數據進行整理清洗、編碼導入，用ROST CM6進行旅游情感分析，主要包括詞頻分析、社會網絡分析、流量分析、情感分析等等。除此之外，一些BI平臺已可以實現整個UGC用戶生成數據采集到評價與滿意度分析的全自動化，如海鰻云等。用戶生成（user generated content，UGC）數據尤其是點評、游記、攻略等常被用于游客滿意度分析及游客感知旅游意象研究。

旅游輿情監測與分析。當前很多輿情監測系統都可以進行輿情預警，設置提醒條件，當有達到提醒值的負面輿情出現時，會自動進行輿情警示。旅游輿情內容主要來源于UGC，主要關注公眾情緒。旅游輿情三要素：主題、情緒、聲量。公眾關注事件的網絡輿情生命周期分為四個階段：潛伏期、成長期、成熟期、衰退期。針對不同的分析目的和分析內容可以采用不同的分析方法，如針對熱點挖掘，采用詞云圖及關聯規則等；針對情感分析可借助分析工具如ROSTCM6，也可采用貝葉斯及隨機森林分析；針對長文本，采用語義分析等。分析維度具體包含情感分析、熱詞分析、傳播分析、話題聚類等。

旅游大數據的應用。旅游大數據從三個層面服務于旅游業：智慧化管理，主要面向旅游行政管理部門，如旅游局；智慧化服務，以游客為主體，主要對旅游運營大數據進行分析，以提升旅游供給方服務質量為目的；智慧化營銷，基于旅游需求方，以繪制游客畫像為途徑，以個性化推薦、精準化營銷為目的。具體作用在于有助于進行精確的旅游市場定位、有助于精準廣告營銷、有助于個性化旅游推薦服務、有助于挖掘潛在有價值的旅游信息、有助于旅游線路優化、實現人與信息的高度匹配、有助于行業管理、創新旅游開發向C2B定制旅游模式轉變。

總而言之，我國旅游大數據正處在快速發展時期，不僅改變了人們的出游方式和消費方式，也給旅游研究帶來了顯著變化。旅游大數據彌補了傳統問卷調查的不足，以批量的、實時的大數據作為分析樣本使分析結果更加精確，但由于旅游業本身的特殊性和跨學科性，旅游大數據分析與應用仍存在進一步研究的空間。本文從技術層面總結了旅游大數據處理流程，從供需角度將旅游大數據分析細化為旅游市場大數據分析、游客畫像、旅游運營大數據分析，細化了分析維度，提出了旅游市場大數據MTSFP五維分析，根據旅游大數據分析體系構建子類別的旅游大數據分析模型，將分析模型應用于旅游業中，將推動旅游業實現智慧化管理、智慧化服務和智慧化營銷，同時隨著旅游大數據的發展，將會有更多的大數據分析技術應用于旅游行業當中，旅游學研究方式也將發生巨大變化。

（作者單位：鄭州旅游職業學院 信息工程學院）