OTA特色的會員營銷

去年寫過一篇ota會員數據營銷的blog，本文就這個話題做一個拓展。

前文的分析，是基於訂單表和會員表的留存群組分析（cohort），基本論點是：

由於旅行電商的特點（用戶的旅行需求/旅行產品的屬性/歷史數據參考效果均相比傳統電商「不穩定」--需要控制的協變數多，影響大，黑天鵝多），使得一般的協同打分形式的會員營銷手段作用較弱。

數據分析發展到2016年，已經遠遠不止靜態業務數據參與決策，更多數據的引入，意味著不僅僅是售後的cohort，我們也可以在售前售中增加很多指標和相應的action。

一、搜索數據精細化

旅行產品預訂有漫長的過程，有種說法是平均經過13個網站才能決策，攻略/天氣/各官網/比價/ota等等，如果把視角切入到單個網站，客人也是普遍地頻繁使用搜索、篩選、排序、搜索、篩選、排序，這個循環中最關鍵的無疑是搜索。

在反覆搜索的過程中，客人顯露了一些需求，OTA搜索的特色在於"多帶了一個時間屬性"，即：搜索時間（所有電商都有）和旅行產品的使用時間（OTA特色），這個差異引出了如下OTA挽回搜索階段流失的切入點。

1、搜索詞/搜索結果展現

搜索詞也就是用戶輸入的內容，各種排列組合，錯誤拼寫 ，非標準景點名字。

搜索結果展現是根據輸入返回的內容，不同在於，前者是千奇百怪的，後者精確匹配到了後台數據。

二者都用於seo和ppc的手工操作和自動功能的參數導入，結合了旅行產品使用時間以後，這些數據之間的關聯性顯著增強，指向同一個時間段的「未匹配搜索詞」更能預先提示黑天鵝事件。

具體而言，從搜索詞到結果展現有一個轉化率，從結果展現到點擊是下一個轉化率，這兩個數字從短期來說，可以看到是否錯失了某個節日或事件--並且及時補上短期的關鍵字和酒店、景點關聯；長期來看，由於搜索基礎詞庫的提升，依賴漫長的技術和內容積累/或較大投入購買第三方外包資源，這部分針對搜索流失的數據分析，有助於選擇roi高的部分優先改善。

2、點擊搜索結果數，和點擊結果的位置值

這兩個數據都是評估搜索匹配程度的，差別在於，如果沒有點擊說明完全匹錯了，而如果已經優化到都有點擊，那麼點擊位置是下一步（例如搜索上海 迪士尼以後，選了第10個酒店，則點擊位置為10，所有點擊取平均數）

假設搜不到的情況較多，如前文所述短期長期內都可以調整匹配；假設搜到的結果位置數字極大（比如要翻10頁），意味著在某種特殊情況下，搜索、篩選、排序的循環操作存在問題，需要針對數據異常的搜索詞做review。

這個原理是如此簡單，前些年沒有太多案例的原因也很簡單，因為hadoop生態圈流行起來之前，保存和處理大量的搜索展現數據是很不經濟的。

二、產品數據精細化

去年的博文提過，由於旅行需求間隔很長，基於歷史往往得到很不靠譜的結果，這裡引入查詢日誌里的實時需求數據。

1、根據價位和提前時間

ota的最粗的用戶分類是商務和休閑，二者在價格敏感、偏好方面都有巨大差異，哪怕同一個人，出差和休假預訂行為和決策模式也完全不同。

通常來說，休閑會提前很多查詢，退改簽較低，選擇的產品相對便宜；商務恰好相反，提前短，退改低，重視位置勝於價格。

因此根據價格段和提前時間段（使用時間-查詢時間，OTA特色）來查看搜索量、下單量、轉化率的時間趨勢線，就變成一種相當簡單的，宏觀上劃分客群，找到自身強項和軟肋的方式。

這對於定位較為垂直、資源相對貧乏，必須尋找目標、集中火力解決問題的小團隊來說，尤為關鍵。用大白話說就是，補不上的地方也不用補了，只要有一個分類維度佔據搜索和轉化的優勢，可以考慮all in，單點突破。

2、其他搜索模式

價位、提前時間只是搜索模式的很小一部份（不過是價值較高的部分），其他一切可記錄到的信息都是搜索模式的一部分，例如停留時長，跳轉頁面數等等。

這些行為模式雖然有區分力，但是離業務目標比較遠，與其說用於會員分層營銷，不如說更多用於防欺詐，因為目的不純潔的人，他的行為不自覺會和正常客人不同（當然了像專業刷單那樣連詳情頁停留15秒，再和客服聊幾句都在操作流程里的，也只能說天朝萬歲了）。

因此在做數據分析的時候，一定要儘可能剔除欺詐數據，這也是為什麼大量的數據分析博客不厭其煩教大家如何識別造假數據的苦衷所在。

三、其他系統數據的引入

訂單數據、會員數據、實時查詢數據，這些都用上之後，是否就足夠了？

對於ota來說，遠遠不夠。

由於旅行電商本質上是賣服務，實際上「服務」本身就是產品的一部分，可以看作是和酒店早餐同等重要的售賣內容。

電商的傳統會員營銷一般來說，做好積分和等級就差不多了，而ota還面臨更複雜的問題，即如何將服務也作為產品成本收益的部分進行量化管理。

服務的數據體系，幾乎和數字營銷一樣複雜，開銷甚至更為巨大，但是卻沒有數字營銷那樣家喻戶曉--同時也沒有那麼多作弊方法，這塊在麥考林和攜程的經歷里都給我留下這樣一個印象，表面上是完全靠經驗和直覺，但結果數字里卻隱隱透出理性的味道。

訂單數據、會員數據、服務相關數據一起，是ota的「黏性」的根本，再完備的假設，缺了這樣一個影響極大的因子，也都是南轅北轍，這是我這段時間來，關於為什麼一般的電商會員營銷手段，往往不適用於ota的思考切入點之一。

這塊還需積累更多，留待下次再續，謝謝閱讀。