UTRA分析法——大地云游大数据分析方法探究

      在此背景下，大地云游在业界首次提出了“用户痕迹复原分析法（UTRA分析法）”，同时将该方法成功应用在武夷山旅游景区上。基于该方法，大地云游对武夷山旅游景区的经济及产业发展、交通区位、旅游资源、游客市场等旅游状况在数据空间内对其进行时空重构，并对武夷山旅游景区的管理及营销提出了建设性指导策略。“UTRA分析法”的提出，为目前我国纷繁杂乱的旅游大数据现状指明了发展方向，对大数据如何解决旅游行业难题、如何提高大数据在旅游领域的应用价值具有重大意义。

      用户痕迹复原分析法（User Trace Recover Analysis，简称UTRA）是大地云游首次提出，该方法是基于宏观经济数据、旅游产业数据、遥感数据、GIS数据、用户属性数据、用户交易数据、微博社交数据、LBS数据等海量数据，通过多元分析、空间统计分析、机器学习算法等数据挖掘方法，全景构建景区大数据画像，在数据空间内对景区过去某一时间、某一空间下的旅游状况进行时空大数据重构，全面把握景区发展的外部环境与市场导向，深刻洞察游客基本属性与行为特征，精准分析游客旅游路线，实时监控景区游客量，为城市及景区实现旅游市场细分、旅游营销诊断、景区精准管理提供有力支撑。

      用户痕迹复原分析法（UTRA分析法）分为数据采集、数据预处理、数据挖掘分析、数据可视化、数据应用等五大步骤。

      第一，通过搜索引擎、地图导航软件、在线旅游网站、在线购物网站、微博、论坛等以及旅游宏观数据库、遥感卫星、气象监测站等采集原始数据；

       第二，对原始数据进行清洗、去噪、标准化等预处理；

       第三，通过多元分析法、空间统计分析、机器挖掘算法等方法对数据进行深入挖掘分析，同时对景区已有的游客线下数据与旅游在线数据进行数据匹配，并通过宏观数据与游客微观数据进行交互验证，从而得到更为精准的结果；

      第四，对分析结果进行数据可视化处理；

      第五，通过旅游行业专家对数据结果进行解读，为景区旅游市场细分、客源市场定位、旅游新产品开发、旅游营销诊断、舆情引导等提供决策支持。

用户痕迹复原分析法（UTRA分析法）

      基于UTRA分析法，大地云游可对旅游景区和旅游城市的外部环境、交通可达性、旅游资源、客源市场、游客属性、游客行为偏好、旅游市场监管等方面进行旅游大数据重构，从而完整呈现景区及城市的旅游大数据画像，其具体分析体系如下：

旅游大数据分析体系

二、旅游大数据分析方法论

1、旅游大数据生态链理论

      旅游是一系列持续变动的用户行为过程，这些行为过程通过线上、线下等各种渠道留下用户行为痕迹、碎片化数据，将这些数据通过不同路径、不同渠道进行整合，再按照一定的逻辑方法复原过去某一时空条件下的游客画像，从而构成了一个完整的数据生态链。

      数据生态链第一站：一般来讲，当人们的思维里刚迸发出一个旅行的念头时，他们多半会通过搜索引擎或或者门户网站了解想去的旅游景点，以此初步确定旅行的意愿，那么在这时候百度、谷歌就成为了他们旅游出行前的第一站。为此，百度和谷歌等搜索引擎则存储、记录了每一名游客的搜索数据。通过对搜索数据的挖掘、分析，可以知道每个景区每天有多少搜索量、哪些地区的人群搜索了该景区、以及某一地区的游客搜索偏好等；

      数据生态链第二站：接下来，就是出游准备阶段——行程和门票的预订、攻略的查询。在这个阶段，携程、去哪儿、途牛、蚂蜂窝等旅游网站则成了游客的首选。游客通过携程、去哪儿网订购机票、酒店；通过同程、途牛网站订购景点门票、旅行社跟团产品；通过蚂蜂窝网站查找旅游攻略，选择自由行路线等等。以上旅游网站存储了每一名用户的浏览、点击及交易等数据，通过数据挖掘、分析可以获知游客通过哪种交通方式进入景区、喜好住宿哪些酒店、喜好哪些景点、哪些旅游路线最火爆等等。

      数据生态链第三站：这一阶段是游客到达旅游目的地之后，所发生的线下的旅游行为。游客到达目的地之后，通过百度地图、高德地图进行路线导航；通过大众点评预订餐馆；通过景区WiFi免费上网；通过景区的手机APP进行导览等。这一阶段的数据获取，可以通过高德，百度地图等LBS定位，判断游客何时到达旅游城市、何时进入了景区；通过景区的手机APP，判断游客在景区内都去了哪些景点；通过大众点评去了哪家餐馆消费；通过百度地图、高德地图判断游客在景区逗留了多长时间等。

      数据生态链第四站：最后，游客在一次旅游行为结束后，会在蚂蜂窝、新浪微博等撰写游记、发微博评论等，通过这些数据，可以对当地的旅游产品及服务的质量进行分析评价。通过对这些旅游舆情数据的挖掘和分析，可以充分了解景区或旅游城市存在的可改善的问题和最受游客好评的所在。

旅游大数据生态链

2、多元化旅游大数据整合理论

3、旅游大数据O2O理论

      旅游大数据O2O理论，是指通过整合线下与线上的游客数据，提高数据的精准性，并激活数据的潜在价值。传统的旅游线下数据，如景区的人流量统计数据、经营数据等等，往往被管理者所忽视，而这些数据如果与线上数据相匹配，则大大提高数据价值。例如，百度通过景区的历史票务数据，结合百度旅游网民的搜索数据、天气数据等进行建模，可以对景区未来几天、几小时之内的游客量进行精准预测，预测准确率达90%；同时，通过景区所采集的游客信息，包括游客客源地信息、年龄、性别信息，可以与百度大数据相结合，对该景区旅游客源地同一类型的用户进行精准营销，从而大大提高景区的管理、营销水平，极大提升数据价值。

线上数据与线下数据整合

三、UTRA分析法在旅游行业的应用

      旅游大数据的应用包括以下五个方面：

      基于LBS数据、搜索引擎数据和OTA数据等，对旅游市场进行细分，研判城市和景区旅游市场成长性，精准判断客源地市场，分析潜在客源市场和相关区域市场的客源流失情况。

• 旅游景气指数，预测未来旅游市场增长
• 游客偏好分析，实现旅游市场细分
• 旅游客源分析，判断主要客源市场分布
• 潜在客源市场分析，探索区域旅游市场洼地
• 客源流失分析，提升旅游市场转化率

      基于旅游大数据画像、旅游市场细分和旅游舆情分析等技术手段，对旅游营销进行诊断、提升和优化。

• 准确发现潜在客源市场，优化营销重点和渠道
• 细分旅游市场，为游客定制个性化产品与服务
• 评价旅游产品供给与市场需求的匹配度，发现新型业态
• 诊断经营短板和负面问题，并进行提升和改善
•  跟踪评价已有广告投入的实际效果

      采用网络文本挖掘技术，对网页、OTA网站、微博等在线内容进行分析，及时发现游客反馈，改善旅游服务，判断网络营销效果。

• 网络关注度
• 正负面评价
• 网民情绪监控
• 媒体关注度
• 网民认知
• 舆论引导
• 热点事件诊断

4、项目可行性推演

      发掘单体旅游项目的目标市场和市场潜力，预测潜在游客量及旅游收入，对项目投入产出进行推演。

• 目标市场定位
• 旅游服务竞合分析
• 游客量及旅游收入预测
• 投入产出分析

5、游客量预测及安全预警

      综合集成旅游大数据软硬件系统，构建旅游数据挖掘平台，为旅游管理部门建设集数据存储、清洗、挖掘、可视化和判别于一体的大数据中心，有效为城市和景区提供旅游动态监测与管理。

• 游客搜索量监测
• 游客量预测（未来几天、几小时）
• 景区热力图（游客空间分布）

      “UTRA分析法”的提出，为旅游局、景区及旅游企业如何应用大数据提升自身的旅游管理、旅游营销及运营水平指明了方向，同时明确了大数据时代旅游行业自身定位及发展道路，引领大数据推动我国整体旅游行业的转型升级。大数据时代，数据本身不是关键，关键是在数据中找到人类文明发展的新大陆。旅游行业也是如此。谁能预见未来，谁就能把握时代的先机。对市场的预见，对行业的预见，对产品预见，对危机的预见。

来源:大地云游