分析篇旅游大数据 → 信息？

非结构化旅游大数据类型之一：用户搜索浏览痕迹

结构化的旅游大数据的分析处理相对简单，如同比、环比、直接计算占比等；
非结构化旅游大数据的处理方法则不同，首先要看懂消费者行为，包括浏览、预订、出行等整个过程。

典型案例：OTA用户搜索浏览痕迹分析

用户类型判断：根据用户搜索的关键词，如价格、品牌、区域等排序查找旅游产品信息分析后，统计判断用户是对于价格敏感、区域敏感还是品牌敏感。

用户搜索痕迹记录：用户通过OTA比价和预订旅游产品，其搜索痕迹反映出用户特征。如果用户在浏览网页后未下订单，则可以通过搜索痕迹分析背后原因。

分析结果应用举例——管理营销策略调整

• 价格敏感型用户：大部分用户属于价格敏感型，由于价格的选择是有区间的，可以根据搜索浏览痕迹确定大部分用户接受价格区间数值；
• 品牌敏感型用户：约11%用户属于品牌敏感型，产品之间的可替代性较强，对于管理销售策略影响较小；
• 区域敏感型用户：所有用户都互关注产品区位，属于区域敏感型，可根据该区域用户搜索量大小，适当调整价格，并且可为用户精准推送多类型产品信息。

非结构化旅游大数据类型之二：游客点评

典型案例

中国饭店协会和慧评网联合发布首份《2014年中国饭店市场网络口碑报告》，其游客点评数据处理流程如下：

• 01语言提纯

  通过语义分析核心技术对于待分析游客评论进行提纯，去除一批虚假点评或无实质内容的点评，比如“很好”，“路过”之类。

• 02维度划分

  660多万条点评被归类统计为六大维度（设施、位置、服务、价格、卫生和餐饮）及超过500个的细致维度，从而更精准地分析消费者的入住体验。

• 03定量化分析

  根据660多万条点评的六大维度划分，确定各维度的点评数量，以及好评率高低；并对于500个细致维度的好评率进行等级排序，确定好评率与差评率居于前十位的维度类型。

• 04结果反馈

  将统计结论进行细化分类并反馈给各部门，对于获得好评的服务部门予以鼓励，而获得差评的服务项目则细化差评内容，为下一步改善服务、提高质量确定方向。