基于数据挖掘的旅游电子商务个性化服务研究以携程旅行网为例.docx
《基于数据挖掘的旅游电子商务个性化服务研究以携程旅行网为例.docx》由会员分享，可在线阅读，更多相关《基于数据挖掘的旅游电子商务个性化服务研究以携程旅行网为例.docx（20页珍藏版）》请在冰点文库上搜索。
基于数据挖掘的旅游电子商务个性化服务研究以携程旅行网为例
本科生毕业论文
基于数据挖掘的旅游电子商务个性化服务研究
——以携程旅行网为例
院系管理（经济）学院
专业 电子商务
班级 本科二班
学号
学生姓名
联系方式
指导教师 职称：
讲师
独创性声明
本人郑重声明：
所呈交的毕业论文是本人在指导老师指导下取得的研究成果。
除了文中特别加以注释和致谢的地方外，论文中不包含其他人已经发表或撰写的研究成果。
与本研究成果相关的所有人所做出的任何贡献均已在论文中作了明确的说明并表示了谢意。
签名：
年 月 日
授权声明
本人完全了解**学院有关保留、使用本科生毕业论文的规定，即：
有权保留并向国家有关部门或机构送交毕业论文的复印件和磁盘，允许毕业论文被查阅和借阅。
本人授权许昌学院可以将毕业论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编论文。
本人论文中有原创性数据需要保密的部分为：
签名：
年 月 日
指导教师签名：
年 月 日
基于数据挖掘的旅游电子商务个性化服务研究
——以携程旅行网为例
摘要
随着人民生活质量的不断提高，越来越多的游客希望追求个性化服务的旅游方式，这就对旅游个性化服务提出了更高的要求。
通过采用各项互联网技术整合旅游资源，将传统的旅游产品进行改造升级，使旅游企业有能力推出各种个性化的服务、旅游产品和产品组合，满足客户对旅游个性化服务的需求。
旅游电子商务个性化服务是利用数据挖掘的技术进行数据分析，挖掘出客户的行为信息、购买偏好等数据，提供因人而异的独特商品和个性化服务。
携程旅行网是我国最大的在线旅游企业之一，该企业对于数据挖掘技术的利用方面具有很多可借鉴之处，本文在分析携程旅行网数据挖掘方面的优势并参考国内外相关研究文献的基础上，分析了旅游类电子商务个性化服务的实施策略。
关键词：
旅游；电子商务；数据挖掘；个性化；携程
TourismE-CommercePersonalizedServicesBasedonDataMiningResearch
——TakinganExampleofCtrip
ABSTRACT
Withtheimprovementofpeople'squalityoflife,moreandmoretouristswishingtopursueatravelingwayofpersonalizedservice,whichputahigherdemandtothetourismservice.ThiswouldrequiretheintegrationoftourismresourcesthroughtheadoptionoftheInternettechnology,thetraditionaltourismproductstoupgrade,sothattourismenterpriseshavetheabilitytolaunchavarietyofpersonalizedtourismproductandproductmixtomeetcustomerdemandfortourismproducts.
Travele-commercepersonalizedserviceistheuseofdataminingtechnologyfordataanalysis,customerbehaviortodigoutinformation,purchasepreferencesandotherdata,providingindividualizeduniquemerchandiseandpersonalizedservice.CtripisoneoftheChina'slargestonlinetravelcompany,utilizingaspectsoftheenterprisedataminingtechnologyhasalottolearnfromthebasisofanalyzingtheadvantagesCtripdataminingandwithreferencetotherelevantresearchliteratures,thistextanalyzestheimplementationstrategyoftourismclasse-commercepersonalizedservice.
Keywords:
Tourism;E-Commerce;DataMining;Personalization；Ctrip
基于数据挖掘的旅游电子商务个性化服务研究
——以携程旅行网为例
一、概述
（一）选题意义
随着我国旅游产业的不断发展和旅游产品的更新升级，以及游客资源市场的不断变化，个性化的旅游越来越受到青睐。
而在我国现有的旅游客户资源中，80后和90后的客户群体占了很大的比例，对于这些逐渐年轻化的消费群体来说，他们不再满足于观光、合影、购物等过时的旅游方式，而是开始关注旅游背后的文化、历史，追逐更加注重自我、个性化、深度化的旅游体验，根据网络数据显示，78%的年轻旅行者愿意进行个性化的旅行，70%的旅行者则表示希望在线旅行公司能提供个性化的服务。
本论文基于数据挖掘技术并结合近些年电子商务个性化服务研究成果，在深入研究携程旅行网具体案例的基础上，分析了旅游电子商务个性化服务的现实状况和建设中的不足，为我国旅游电子商务个性化服务的建设提供相关策略与解决方案。
（二）相关理论
1、个性化和电子商务个性化
个性化，常用来指具有个体特性的需求和服务。
国际数据公司2014年年初发布报告称，全世界数字化信息的数量4.4ZB，而且这个数量还在飞速增长，因此，互联网用户如何从浩如烟海的信息中挖掘到自己需要的数据成为一大难题。
在20世纪90年代中期，卡内基•梅隆大学的RobertArmstrong等人提出的WebWatcher个性化导航系统、斯坦福大学的MarkoBalabanovic等人推出的LIRA个性化推荐系统和麻省理工学院的HenryLieberman在国际人工智能联合大会上提出的Letizia个性化导航智能体这三个系统被公认为是个性化服务发展初期最经典的系统，它们的产生标志着个性化服务研究的开始。
电子商务个性化是个性化在电子商务中的拓展和的应用和发展领域。
电子商务个性化服务的内容主要包括：
（1）、消费者的需求个性化，消费者对商品和服务的不同类型的需求成为企业发展创新的巨大推动力。
（2）、信息的个性化定制，例如，随着旅游业的发展，游客不但可以在线订购旅游服务，还可以参与到定制旅游的活动中。
（3）、对个性化商品的需求，消费者可以将个人的偏好参与到消费品的设计和制造过程中。
2、数据挖掘的概念及方法
数据挖掘（DataMining）旨在从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的而又潜在有用的信息和知识。
数据挖掘涉及机器学习、数理统计、神经网络、数据库、模式识别、粗糙集、模糊数学等相关技术。
数据挖掘具有以下几个常用方法：
聚类分析（clusteringanalysis），源于统计学、生物学以及机器学习等。
决策树（decisiontree），主要用于分类和预测，是最受欢迎的数据挖掘方法之一，核心思想是在一定的约束条件下会得到特定的值。
人工神经网络（ANN），是模仿人脑神经网络的结构和某些工作机制而建立的一种计算模型。
粗糙集（roughset），是一种处理不确定、不完备数据和不精确问题的数学理论。
关联规则挖掘（associationrulemining），是数据挖掘中最活跃的研究方法之一。
统计分析（statisticsanalysis），是从事务的外在数量上的表现去推断该事务可能的规律。
3、数据挖掘在电子商务中的应用
（1）、 基于Web数据挖掘的智能化搜索引擎
目前信息技术环境下，由于技术限制等因素使得没有优秀的搜索引擎来保证用户所获得数据的精准度，要解决这些没问题就要在搜索引擎中使用Web数据挖掘技术，使其朝着智能化方向发展，帮助搜索引擎使用者获得更多具有高精度的、潜在价值高的更加全面的数据信息，从而提高搜索效率和结果的精准度。
将数据挖掘应用于搜索引擎首先需要进行大量的文本训练，在此基础上归纳分析数据之间的规律，并进行相关信息提取，根据提取信息建立用户的兴趣偏好，根据用户兴趣偏好将用户搜索的关键词进行扩充，使用户搜索结果更接近其所需信息。
另一种方法是通过分析用户的历史浏览记录数据来获得客户的兴趣偏好，然后调用个性化推荐系统来推荐相符合的搜索结果。
智能化搜索引擎的处理流程如图1：
图1智能化搜索引擎的处理流程
（2）、数据挖掘在客户关系管理中的应用
在客户关系管理中运用数据挖掘有利于促使企业准确定位客户的特点，帮助企业实施客户满意度分析、忠诚度分析、产品设计分析、市场影响活动分析、客户联系时机优化分析和增量销售分析等活动，以便促使企业更好的根据分析数据提供更好的个性化服务。
通过挖掘分析与客户行为相关的数据信息包括客户的点击习惯和客户的兴趣偏好，对客户进行聚类分析，预测客户消费倾向，以此来挖掘发现潜在客户群体；针对不同兴趣偏好的用户进行不同的个性化内容推荐和新产品推荐，以此来最大程度的保持客户的产品忠诚度，减少客户流失；同时可以利用大数据分析得出客户的最佳联系时机，通过间隔性的联络客户获取客户的最新消费偏好数据，并且保持不间断的客户关怀活动，以此来减少因企业关怀度降低造成的客户损失。
（3）、数据挖掘在个性化服务推荐系统中的应用
电子商务个性化服务推荐系统能够帮助企业在原有客户数据库的基础上使用个性化推荐，深入挖掘客户数据库中潜藏是数据价值，有利于企业实施交叉销售的方案，更好的执行“以客户为中心”的销售策略。
该系统主要是采用类似于智能化搜索引擎的数据处理思想。
首先将企业通过各种途径收集的客户行为数据采用数据挖掘的各种方法分析，得出客户的访问规律并进行总结归纳，然后对使用关联规则和统计方法对实时访问客户进行分类，最后根据分类结果对访问的客户进行个性化推荐。
同时该类系统还可以根据用户当前的访问规律进行客户识别，实时调整推荐内容，更好的做到个性化。
（三）旅游个性化的发展前景
1、中国在线旅游市场交易规模持续增长
根据艾瑞咨询数据（见图2），中国在线旅游市场2014全年交易规模达2772.9亿元，比上一年增长27.1%，继续保持高速增长。
而到2016年，预计中国整体休闲旅游市场将达到4500亿元人民币的巨大规模，在线休闲旅游也将以更高的增长速度增长。
图22011—2018年中国在线旅游市场交易规模及增速（含预测数据）
2、移动端OTA市场的迅速发展
中国移动端在线旅行业务迅速增长，以2013年12月为例，移动端访问人数已覆盖进一亿人，同比上一个月增长近一倍。
移动互联网与旅游产品的结合具有绝大的优势，尤其是在当年4G时代的到来，移动网络已经完全能够满足旅游业务发展的需要，在线旅游业务也将更多的转向旅游产品消费、消费品预定和个性化服务组合发展的方向，因此，在线旅游产品的在移动端的发展将迎来巨大机遇。
以携程为例，利用丰富的旅游产品组合、先进的技术系统、完善的后台服务和强大的呼叫中心服务系统，携程的移动平台能够提供优越的个性化服务。
根据网络数据显示，截至2014年年底，携程旅行移动客户端的下载量已经超过六亿次，环比增长70%。
尤其是在2015年春节期间，移动平台的交易量更是超过总交易规模的70%，成为在线旅游业交易规模与盈利能力最强的应用平台。
3、自助游持续升温
虽然跟团游这一传统模式在一部分细分类型客户中依然具有很强的不可替代性，但是随着生活水平的提高，跟团游越来越无法满足人们对于旅游的期待心理，而且更多的跟团游则是广受诟病的变相“购物游”。
而且2012年度的中国在线旅游市场结构中，跟团游规模只占有约45%的市场份额，二者的年度增长率分别约为30%和85%。
可以看出，跟团游虽然看似生命力顽强，但是在自助游持续升温的冲击下，则成了实际中的“夕阳产业”。
（四）写作框架
二、旅游电子商务个性化服务面临的主要问题
（一）数据采集过程中存在的问题
数据采集渠道中存在的问题是大多数使用大数据业务企业中共同存在的问题，由于数据采集渠道非常多，因此面临的问题也非常复杂，从数据采集渠道的选择到网络技术因素的限制等问题都是非常难以解决的。
下面对数据采集渠道中存在的主要问题进行介绍：
1、Web服务器端存在的错误
主要包括多服务器日志问题和服务器日志难以识别的问题。
多服务器日志问题主要是指多台服务器的分布使得服务器日志记录的访问者数据可能发生重复等混乱状况，从而可能会影响到数据分析结果的准确度。
而服务器日志难以识别的问题主要是指由于本地缓存、代理服务器IP转换、防火墙拦截等因素造成的用户发送请求时服务器没有记录。
这里还涉及到局域网络的IP设置问题，由于以上这些设备的使用，有可能造成IP冲突，在用户使用设备网络时，有可能数据库将设备发送的多条信息记录为来自同一个IP，也可能将同一个用户发送的信息记录为不同的IP，这就导致了Web服务器日志数据难以分析的问题。
2、获取客户端数据过程中存在的问题
由于企业本身的技术实力和程序漏洞等因素，一些旅游电子商务企业开发的客户端不能准确记载用户访问网站的时间，其系统JavaScripts功能无法获取用户的点击信息，即使能够识别点击流数据也会有捕获事件层次低、语义简单、难以关联分析等问题。
也可以采用获取客户端宏记录文件扫描的方法，但是这样又会造成点击流信息无法获取的困境。
此外，大多数用户难以接受企业网站收集其数据的行为。
3、Cookie存在的问题
Cookie文件是网站服务器在本地计算机设备上留下的网站已访问页面的缓存文件，因其可以快速打开浏览过的网页却不用重新访问网站服务器这一功能而被广泛利用。
但是，这一优点却也是数据收集过程中一个难以克服的缺点。
例如，当多个用户同时使用同一设备时，数据收集方无法根据用户留下的Cookie文件来分析出用户的兴趣偏好，即使分析出结果也存在巨大的误差，无法进行个性化的推荐服务。
或者部分用户在使用浏览器过程中可能会删除本地存储的Cookie文件，当再次访问该网站时可能会被误认为是新用户而对其重新定义，这样不但造成了数据结果的不准确，而且占用了大量数据库资源。
（二）数据管理过程中存在的问题
1、产生的数据类型较多
目前的数据类型有结构化数据、半结构化数据和非结构化数据三种。
包括文字、音频、视频、图片等等。
结构化数据是常用的数据形式，基本上是表格式的数据。
每条数据的内容可以不同，但是结构是一样的。
一般利用Excel工具就可以对结构化数据进行分析处理，而大型的结构化数据则可以采用一些较为成熟的的商业软件，如SPSS等。
非结构化数据是所有数据中占比例最多的数据，包括高清图像、影音文件等多媒体文件都属于非结构化数据类型。
其实所谓的非结构化数据就是数据的结构比较复杂而已，虽其处理方式较结构化数据要复杂的多，但是现在也已经找到了合适的处理方式，从数量上看，非结构化数据是结构化数据的5倍以上，所以，对非结构化数据的分析挖掘将是大数据发展的重要方向。
半结构化数据在本质上属于结构化的数据，但是其结构变化很大，所以称为是介于结构化数据和非结构化数据之间，由于结构化数据和非结构化数据的处理方式都对它无效，因此在处理这类数据时通常需要一些特殊的方法。
在旅游电子商务个性化服务中同样需要收集大量的数据，主要为服务器信息、图像和文字等数据，大多数为结构化数据和非结构化数据，包括用户的注册信息、网站浏览记录、在客户服务系统中的咨询信息、对于个性化的旅游产品的交易信息、消费评价信息、旅游产品点评信息和游记信息等。
2、数据的管理成本过高
大数据时代的数据采集和数据存储呈指数级增长，在旅游电子商务个性化数据挖掘过程中如果要运用大数据来挖掘游客的行为信息，首先旅游电子商务企业必须具有存储TB甚至PB级的海量数据，因此企业通常需要构建自己的数据管理中心，招收专业的IT运营实施团队，对所收集的数据进行分析、处理、挖掘，提出相关法律和重要信息，帮助进行客户定位、旅游产品设计和消费引导。
由于大多数旅游电子商务企业主要业务并不是IT类业务，因此其计算中心传统的数据存储和处理手段已经远远不能满足海量数据存储和实时性处理的要求，缺乏先进的资源管理和任务调度系统，而且没有充分的经验来实施大数据战略，这就很容易造成企业的数据资产闲置、浪费甚至是被丢弃的状态。
数据处理中心使用的计算机设备性能欠佳，无法顺利完成数据处理任务的分发、数据库数据处理的顺序问题，当遇到更大型的数据资源时这种问题会更加突出，数据计算系统的扩展性和容错性等问题更加凸显。
而且企业内部的计算资源难以合理分配，当处理不当时可能会造成决策误区，造成资源严重浪费。
（三）数据结果分析过程中存在的问题
1、数据的处理速度较慢
随着信息技术的迅速发展，信息终端设备多样化，信息浏览方式也不再仅限于企业网站，出现了一些其他类型的社交网络，因此也带来了大量的难以标准、快速处理的非结构化类型的数据，大量难以快速处理的数据加大了数据中心计算机的运行压力，而在旅游电子商务运营中，客户的旅游产品的购买往往具有实时性和紧急性，没有过多的时间来让用户等待，这就要求旅游电子商务个性化推荐系统能够具有根据用户请求实时快速的进行个性化推荐的功能。
2、对数据趋势的预测没有统一标准
企业运营过程中会产生不计其数的不同结构类型的数据，而且这些数据中往往包含着一些具有潜在商业价值的趋势变化信息。
在注重客户积累和产品创新的在线旅游行业中，这些潜在的趋势变化信息极为重要，有利于营销方案的制定、决策的制定，甚至影响到企业是否能够继续生存。
目前对于这些变化趋势的预测国际上并没有制定统一的标准，虽然这样极大的增加了数据预测的自主性和灵活程度，但同时也造成了企业在数据分析过程中无法处理一些半结构化的非标准化数据的问题，这给企业的数据挖掘进程带来了极大的阻力。
3、数据模型的可靠性无法衡量
数据模型包括三种不同的形式，分别是概念模型、逻辑模型、物理模型。
数据挖掘的模型主要包括数据处理模型、数据采集模型等一些模型，但是在这些模型中都或多或少的存在一些缺陷。
因此，在数据处理过程中如果采用的数据模型不同就可能会出现不同的处理结果，产生差别极大甚至互相的数据结果，而这种情况就涉及到了数据挖掘过程中的数据结果的可靠性问题。
4、数据分析结果维度难以精确
在旅游电子商务中，旅游产品具有广泛性、不可移动性、虚拟性、易波动性、季节性等特点。
根据数据挖掘的结果可能得出最近邻居具有相似兴趣的结论，但是在某次产品的购买过程中，用户可能更关心商品本身的属性，例如:
价格、时间、地点、天气等。
仅仅把相似用户偏好的产品推荐给另外一位用户没有考虑用户现在所关心的产品的维度往往是不准确的。
所以我们在进行旅游产品推荐时还要依赖用户关心的产品维度对将要推荐的产品进行筛选。
三、携程旅行网对于数据挖掘的利用
（一）对数据收集管理情况的分析
携程拥有世界上最大的旅游业呼叫中心。
携程旅行网能够有效利用呼叫中心收集客户的行为信息。
在收集大数据的同时，携程也在利用大数据的分析结果来优化呼叫中心的服务状况。
从2014年第三季度开始，携程的呼叫中心开始改革数据挖掘技术项目，通过数据分析模块的分析结果来预测客户的来电意向；同时呼叫中心的电话平均接通时间从原来的八秒降到现在的两秒，通话的平均时间也从两分钟降至一分钟，其呼叫中心采用了“六西格玛”的标准控制服务流程，在极大地改善了用户体验度的同时也降低了服务成本，在用户心中留下了携程“服务质量一流”的印象。
在数据的收集问题上，携程从2012年开始进行了较大规模的改革。
首先，携程进一步扩大自己的平台开放规模，对其合作企业提供了包括餐饮住宿、票务预订、在线支付等各类业务所需的应用程序编程接口，以便更多的合作企业和业务分销机构可以更为便捷的接入。
其次，调整企业的运营模式和组织架构，由于企业转型，所以其业务模式也必须发生较大改变以此来适应公司的业务变化，企业内部各部门的职能不尽相同，其线下数据处理中心和线上数据业务中心的组织架构和业务模式有所不同，员工的工作内容和职责都发生了较大改变，因此要分开为两个部门进行运营。
处理组织结构分离，其工作流程所使用的各类软性资源也必须分开使用。
携程企业业务平台的开放和内部机构的重组大大加快了携程在数据收集和管理渠道上的发展进程。
（二）对数据分析结果的利用状况分析
1、利用数据挖掘实施客户关系管理
目前国内大多数旅游电子商务网站都还没有在客户管理方面实施个性化推荐技术，这与个性化的服务模式是极不协调的，严重不利于客户的挖掘与维护。
携程网采用大数据挖掘的方式收集客户行为信息，在客户关系管理方面努力实现客户关怀，增加客户的产品忠诚度。
客户数据管理功能：
客户信息数据管理为个性化的推荐内容提供客户智能等技术基础。
包括客户数据清洗、集成的能力，为企业的发展决策提供多种数据视图。
为系统的数据挖掘模块提供优质的数据资源，增加数据处理分析的速度和结果的精确度。
携程网收集呼叫中心、网络社区、注册信息等数据来进行分析并管理管理客户数据。
客户信息挖掘功能：
利用数据挖掘技术从大量的客户行为信息中分析出客户的兴趣偏好等信息。
这些知识具有隐蔽性、未知性、具有潜在价值的。
携程网利用客户信息数据库挖掘出有利信息，制定不同的营销方式。
客户群体维护：
好的客户管理功能必须实现对已有客户的挽留，利用技术手段挽留有效客户无疑是性价比极高的。
携程网通过其先进的技术系统采用分类模型识别技术来对访问客户所属类别进行识别区分，根据系统的分类判断，由客户管理系统来决定把访问客户划分为潜在客户类型还是企业老客户群体，并进行区别的对待，进行不同内容的个性化推荐服务。
通过总结有价值的客户来源，发现其共性，从采取对于某个客户群体挖掘和维护的措施。
2、利用数据挖掘进行客户行为分析
携程企业所有的用户数据信息都将经过这样的一个过程：
在携程客户端（包含PC客户端端和移动平台端）进行收集用户行为数据信息，客户在携程客户端中进行的每一个动作，包括用户的鼠标点击、键盘输入、网页浏览、停留时间、搜索行为和消费行为都转化为数据信息存储进携程的数据库系统，来供数据挖掘系统和企业的数据分析专家进行数据挖掘。
利用所收集的这些数据，携程的个性化推荐系统能根据数据挖掘分析系统的分析结果快速、准确的将符合规则的产品推荐给访问者。
在利用数据进行分析网站客户访问信息的同时，携程的数据系统还能够将所分析的数据结果分享给企业的供应商。
供应商同样关心数据中能够带来的销售转换率。
以携程的酒店业务为例，携程数据业务中心将数据系统所收集到的关于酒店的数据信息包括：
客户的评价、搜索指数、搜索条件限制、价格优势等信息进行综合分析，将分析结果反馈给酒店供应商，在提高酒店业务的同时还能带来客户对于携程旅行网的用户体验度，可以做到双赢甚至是多赢。
3、利用数据挖掘进行产品创新
在企业的旅游业务产品设计问题上，携程的数据挖掘分析结果同意具有巨大的积极作用。
当携程的数据业务中心收集到关于同一类
升级会员 