一、 旅游信息化建設階段

      我國的旅游信息化建設經歷了四個時期，分別是傳統旅游經營期（2004年前）、數據旅游時期（2005—2009年）、智慧旅游時期（2010—2014年）和“互聯網+旅游”時期 （2015年開始）。2014年是智慧旅游元年，去年開始大地云游和百度展開了在旅游領域大數據的合作。中國旅游行業的發展進程顯示，從最傳統的線下的人工服務開始，到旅游的行業的內部，再到整個的智慧旅游行業，一直到2015年的“互聯網+”的時代，互聯網將會更加推動中國旅游行業的發展。

二、 旅游行業步入新常態

      旅游行業步入新常態以后，旅游行業的各個方面都發生了巨大變革。政策上，國家旅游新政出臺，制度紅利釋放，旅游業迎來新機遇；市場中，旅游需求多元化，消費模式由賣方市場轉向買方市場；旅游產業方面，“互聯網+”與“旅游+”促進了旅游產業轉型升級；從國家戰略上來看，大數據已經上升到國家戰略層面，隨著大數據顛覆傳統旅游決策，旅游管理、服務、營銷都迎來巨大變革。

三、 “互聯網+旅游”和“大數據+旅游”

      “互聯網+旅游”是促進旅游產業轉型升級的關鍵。“互聯網+旅游”體系分為兩大層面，第一層面是旅游“內部+”建設，第二層面是旅游“+外部”融合 。“內部+”建設包括旅游大數據中心的建設和旅游服務平臺、旅游管理平臺和旅游營銷平臺這三大旅游平臺的建設；“+外部”融合要求旅游服務的融合、旅游營銷的融合、旅游業態創新的融合和旅游投融資的融合。兩者層層遞進，互為補助，構成了“互聯網+旅游”體系，共同促進旅游產業的轉型升級。

      中國旅游業的提升是一個互相推動的過程，游客的素質提高，游客需求的增長推動著旅游開發者、管理者去不斷完善自己的產品。推陳出新，使自己的旅游景區和旅游服務和泛旅游行業變得更加智能化，需要大數據來推動整個旅游互聯化的進程。

      “大數據+旅游”顛覆了傳統旅游行業的決策，旅游大數據提升了協同管理和公共服務的能力，推動旅游服務、旅游營銷、旅游管理和旅游創新的變革。

四、 旅游大數據應用

      1. 游客市場細分

      百度旅游大數據包括游客量、客源地、游客年齡、游客興趣、游客定位信息、游客住宿偏好等指標，大地云游基于百度旅游大數據和自身的宏觀數據庫，對游客進行多維度分析，從而定位客源市場，細分旅游市場，診斷旅游營銷和推演可行性項目，最終達到提升精準營銷能力的目的。

      2. 景區熱力圖

      通過對景區人群熱力圖的實時監控，對景區踩踏風險進行預警，并預測景區未來的客流量，實現了景區客流的控制和預測，從而優化安全管理效率。

      3. 旅游輿情監測

      云游通過聲量診斷來判斷景區的全網關注度和影響力，通過傳播路徑的監控來進行傳播分析，在分析過程，研判網民的情感傾向，達到情感提煉的效果。最終根據輿情參與者的人群特征刻畫出受眾畫像，達到旅游輿情監控替身游客服務質量的效果。
 

      4. 案例應用

      大地云游和百度的旅游大數據分析方法成功應用到多個景區案例中，包括九寨溝大數據中心、武夷山、峨眉山旅游大數據畫像。

五、 云游大數據分析案例——北京奧林匹克公園景區

      1. 數據源

      宏觀數據庫：大地云游宏觀數據庫

      1) 旅游產業數據庫
      2) 遙感衛星數據庫
      3) GIS數據

      4) 氣象數據

      微觀數據庫 

      1) 百度產品賬號

      2) 百度搜索引擎
      3) 百度地圖

      4) 百度糯米及其他（50多個產品）

      2. 分析內容

      景區大數據畫像的分析體系包括七大部分，分別是景區外部環境及資源分析、客源地及市場洼地探析、游客量預測、景區熱力圖、旅游市場細分、關聯景區分析及旅游輿情分析。

      1) 客源市場

      據百度地圖LBS定位，2015年1月1日至2015年4月7日到達奧林匹克公園的游客數據總量200萬人次 。游客量排名依次為：廊坊、天津、上海、保定、石家莊、深圳、鄭州、成都、西安、廣州、張家口、哈爾濱、唐山、沈陽、武漢、太原、南京、邯鄲、長沙和濟南。

      2) 游客搜索量

      北京市、天津市、上海市、廊坊市、廣州市、石家莊市、保定市、南京市、鄭州市對奧林匹克公園搜索量較高

      3) 省內競爭指數

      省內競爭指數較低城市：北京、廊坊、天津、保定、上海、石家莊、鄭州、深圳、西安、成都、廣州（這些地區來北京的游客，到奧林匹克公園之外的北京旅游景點較多） 

      省內競爭指數較高城市：隴南、濱州、許昌、綏化、開封、常州、平頂山、烏蘭察布、焦作、嘉興（這些地區來北京的游客，到奧林匹克公園人數較北京市其他景點為多）

      4) 景區游客量實時預報：

      游客對奧林匹克公園、北京市的搜索熱度 
      根據該搜索量，可以對景區2小時的游客量進行預測 

      據搜索量，結合氣象、節假日數據等，可以預測未來幾天游客量

      5) 景區熱力圖：

      通過百度LBS定位 

      與通信運營商大數據結合 
      實現游客人流密度與人流走向實時動態監測 
      及時預警擁擠危機

      6) 游客逗留時長

      本地游客隨著逗留時間的延長，游客量逐漸遞減

      本地游客發生過夜行為的占比較少

      東北、華北、華東、華中和西北地區的游客量都有隨著逗留時長的增加遞減的趨勢。 

      華南、西南地區的遠途游客在奧林匹克公園內逗留時常呈現出U型曲線的趨勢。

      7) 旅游市場細分

       旅游大數據畫像基于游客的基本屬性、行為特征和游客偏好等數據，進行深入分析，將旅游市場進行細分。其中游客基本屬性包括游客年齡、性別、教育程度和車產狀況等屬性。行為特征包括游客的出游方式、旅游動機和旅游網站搜索熱度等行為。游客偏好則包括了游客出行時的住宿偏好，交通偏好以及餐飲偏好等多種數據。

六、 未來展望

     旅游的管理者和經營者應用大數據的時候，必然會改善自己的思路，最后受益的是C端面向游客的服務的提升。下一個階段，云游和百度要做的是共同把百度的大數據和諸多旅游信息化建設過程中產生的數據，整合到相對完整的線上線下的數據體系中去，從而為所有的管理者、建設者提供真正有價值的服務。這是云游和百度需要為旅游行業所貢獻的力量，也希望通過我們的努力，在未來的三年、五年甚至十年之后，能讓各位旅游出行更加智慧，更加舒適，這是云游和百度共同的目標。

      希望未來所有旅游的生態鏈都有云游和百度的大數據存在，不管是航空、酒店、還是公路，所有的旅游出行都有大數據為你保駕護航。

作者：王亞博

來源：大地風景