关于企业营销相关在职毕业论文范文与数据挖掘技术在旅游企业营销过程中的应用类论文范文例文

《数据挖掘技术在旅游企业营销过程中的应用》

本文是关于企业营销相关毕业论文模板范文和数据挖掘和数据挖掘技术和营销类自考开题报告范文。

摘要：时代迅速发展和旅游快速普及,对旅行社营销提出更高要求,本文基于数据挖掘技术中决策树分析法对中国国旅（江苏）国际旅行社有限公司近5年来的客户信息和问卷调查数据进行挖掘,结合旅游特点对挖掘数据进行预处理,并对整个决策树挖掘过程作详细阐述,对挖掘规则进行分析,在此基础上提出了几点促进旅行社营销的建议,期望在当代背景和客户需求下对旅行社制定更适当的营销战略有所启发.

关键词：数据挖掘；决策树；旅游数据；SAS

中图分类号：TP311.13；F592.6文献标志码：ADOI：10.3969/j.issn.1674-9146.2018.10.029

随着国民经济水平的提升,旅游已步入平常家庭,旅游企业的发展非常迅速,面对新时期、新背景和新竞争,旅游企业发展也面临新的难题,旅行社如何做好营销对其发展具有重要意义.各大旅行社在经营过程中获取了大量客户信息和数据,但旅行社对这些数据仅做统计与查询等简单处理,数据内部及深层次所蕴含的信息并未发掘和利用[1-2].本文基于数据挖掘技术,以中国国旅（江苏）国际旅行社有限公司为研究对象,结合旅游行业的特点,探寻数据中对推动旅行社营销的深层次规律.本文主要以数据挖掘技术中的决策树模型来分析旅行社数据库中存在的一些规律,进而为旅行社营销提供一些参考.

1数据预处理

为了探究旅行社客户的旅游行为模式,本文所用的原始数据来自中国国旅（江苏）国际旅行社有限公司客户信息系统数据和问卷调查,完全按照数据挖掘的思路和技术来进行分析[3].本文的研究目的主要有两个：一是利用决策树分析所得到的结果来指导旅行社制订有效的创意营销策略,二是为企业即将推出的精准旅游套餐提供依据.查阅中国国旅（江苏）国际旅行社有限公司2013—2017年间旅游调查问卷和客户信息,其中训练集总数为3500个,测试集总数为1750个.调查的问题主要分为3类：一是客户个体数据,二是客户行为数据,三是客户评价数据,将这3类数据根据相关度分为3组不同的属性,1组反映客户的个体特征,2组反映客户旅游需求,3组反映客户对旅行社的评价,具体属性值见第30页表1.旅行社要提升营销能力,必定要结合客户自身的消费情况和对旅行社的服务评价来进行,因此将与上述有显著相关性的属性作为分类决策树模型[4].在对数据进行挖掘之前,需对数据做预处理,以降低数据不准确而导致挖掘模型不准确或挖掘失效,并将客户的属性数据简化处理以便计算机易识别[5].

2数据挖掘在旅行社营销中的应用

2.1客户数据分析

中国国旅（江苏）国际旅行社将挖掘到的规则应用到公司实际的营销过程,一方面要更多的客户对旅行社有较高的评价以此提升客户的忠诚度,进而通过口碑效应让更多的客户选择旅行社；另一方面还要根据客户的不同消费需求和消费能力,创新不同层次的精品旅游套餐,提升旅行社旅游产品的吸引力,进而持续提升旅行社的服务水平和服务能力.旅行社在具体应用这些规则时,不同的目标要以不同的规则作为应用基础.因此,本文选择以客户消费和对旅行社的评价作为决策树分类对象,并将上述两类属性规范为离散属性,分别以低、中、高和差、一般、好作为3个属性值.表2和表3给出了不同消费档次和客户对旅行社服务综合评价样本数和分布情况[6].

2.2决策树分析

本文采用SASEnterpriseMiner软件作为数据挖掘应用工具[7],在中国国旅（江苏）国际旅行社有限公司关于旅客的消费和对旅行社的评价数据中挖掘出90多条相关规则,通过分析挖掘出来的规则发现,很多规则人们通过常识就可以理解,或者具有一定旅行社管理经验的决策人员通过专业知识能够察觉,这部分规则称为显现规则；但另一些规则是隐现的,哪怕是作为旅行社管理人员也难以通过自己专业知识予以察觉和判断.此外,通过数据挖掘出来的一些规则并不一定有价值或具有现实意义[8].

由于本文涉及到的属性较多,因此仅对部分决策树模型进行分析,以此揭示中国国旅（江苏）国际旅行社营销提升的内在规律,并针对性提出建议.生成的部分决策树模型见图1和图2.

从图1的决策树模型可发现,客户对景点评价比较高时,更倾向于更多的旅游天数,并且购物性价比较高时对旅行社的评价较高,消费也较高；购物性价比不高时易出现较低的评价,而且客户也不愿意消费.旅游天数较多时,乘坐飞机作为交通方式比乘坐火车的客户消费要高一些,这从交通方式呈现了客户整体的一种经济实力.因此旅行社在选择交通方式时不可采用一刀切的方式,要因人制宜.但也要发现哪怕景点评价和购物环境一般,如旅行社仍能提供较高的服务质量,客户评价也不会太低.

从图2的决策树模型中可发现,客户具有消费和评价能力普遍要在16岁以上,22~44岁的客户是旅游消费和评价的主要群体,由于属性太多仅对自由职业者进行分析.家庭的可支配收入对整个旅行消费影响是显著的,但从另一个侧面分析,能够出来旅游一般都有相应的预算,因此在外过夜时消费一般不会太低.互联网的使用程度主要体现在客户在接收旅行社的相关信息时能够更为便捷些,并能够享受互联网的一些优惠政策,这部分客户对新鲜事物都呈开放和包容的态度,对旅行社的评价普遍较高,使用互联网信息化手段实现精准营销需要引起旅行社的重视.

2.3规则分析

对上述决策模型中的部分规则进行分析,发现很多规则通过利用常见的、简单的知识就可理解或者辨识,但一些规则却难以直观形象地呈现出来,需要用一定的专业知识进行分析才可理解[9].如（在外过夜等于是）∩（景点评价等于一般）∩（旅游方式等于随团旅游）的客户消费一般；（旅游方式等于自发结伴）的客户消费较低；而（年龄等于22~44）∩（学历等于研究生）的客户消费较高并对旅行社的评价普遍较高；（年龄等于45~65）的客户则消费一般.通过研究这条规则发现,这部分人群的整体经济实力较强,具有消费能力,但因年龄偏大,消费比较理性,所以消费反而一般,且由于他们对旅行社服务要求较高,因此评价普遍是一般或偏低.（企事业单位等于是）∩（是否有小孩等于是）∩（国外国内等于国外）或者（公务员等于是）∩（是否有小孩等于是）∩（国外国内等于国外）或者（可支配收入等于大于1万元）∩（是否有小孩等于是）∩（国外国内等于国外）的客户消费都高且对旅行社的评价较高,因此旅行社在营销时要根据不同经济层次客户做好精准定位,这类客户的旅游目的地主要侧重在国外,故要注重提升旅游服务的档次.（互联网使用程度等于常用）∩（年龄等于22~44）的客户对旅行社评价较高,这部分客户大多是青年人,他们对移动互联网的应用频繁且成熟,因此,在营销和旅游过程中通过互联网信息手段能够提升客户服务质量,旅行社可普遍获得较高评价.

另外,通过分析规则集发现,有一些规则较复杂难以理解,如客户职业为企事业单位,可支配收入在1万元以上时,消费比学生或者公务员要低一些；客户为离休人员往往对景点评价普遍不高等,这些规则需要借鉴其他旅行社的工作情况及行业专家意见,有待进一步研究.

3旅行社营销建议

通过对中国国旅（江苏）国际旅行社客户数据挖掘和规则描述分析,就提升中国国旅（江苏）国际旅行社营销能力提出以下建议.

第一,国旅（江苏）国际旅行社现有足够的机会和机遇开展高端产品和服务的推介.从数据挖掘来看,不少客户对国外旅游具有倾向性,对总体消费预算也较高.江苏经济发达,居民可支配收入普遍较高,公司要在现有基础上进一步拓宽国际精品旅游产品,满足客户对旅游产品的多元化和高端化需求.

第二,国旅（江苏）国际旅行社在营销过程中要针对不同的客户群体,基于他们的收入、职业和年龄特点,分别开发不同的营销创意广告宣传语.高端客户大多是处于职业顶点的专业人士或者富裕家庭的主妇,而大众客户除了学生外更多的是退休人士,因此创新营销推广方式是旅行社取得良好营销效果的前提.

第三,从数据挖掘规则来看,国旅（江苏）国际旅行社在营销过程中,由于客户的收入、职业、年龄差别较大,因此,可以考虑对高端客户推出高价位产品,大众客户则采取低价策略,实现营销的精准定位.扩大定价范围对挖掘更多潜在的客户群和扩大市场占有率具有重要意义.

第四,目前,移动互联网覆盖几乎100%,国旅（江苏）国际旅行社可以通过互联网和手机作为营销渠道向青年客户尤其是高端客户开展营销行动,通过互联网的营销能有效提升旅游者的消费体验,并能够有效收集信息以改进产品和服务质量,通过互联网的传播效应形成口碑和营销效果,以实现对客户忠诚度的有效维护.

4结论

本文基于数据挖掘中的决策树分类方法对中国国旅（江苏）国际旅行社问卷调查及客户信息数据库进行挖掘,得到一些对提升旅行社营销能力有价值的规则,为公司在新时期营销提供参考.通过分析挖掘规则,笔者从高端旅游产品开发、创新精准营销宣传、定价范围的全覆盖及移动互联网营销与服务四方面提出建议.通过研究发现,数据挖掘技术对旅行社成功营销具有促进作用,但也存在一定的局限性,在规则分析过程中,发现有些规则难以解释和判断,对于这些问题需要更多的行业专家参与其中进行探讨,以提升数据挖掘的针对性和可行性,这样才能在旅行社营销中将数据挖掘技术的作用发挥到最大,进而促进旅行社做出切合时展和客户需求的最佳营销决策.

参考文献：

[1]CHIUS,TELLAD.Dataminingandmarketintelli-

genceforoptimalmarketingreturns[M].Oxford:Butter-

worth-Heinemann,2008.

[2]HANJW,KAMBERM,PEIJ.数据挖掘:概念与技术[M].

范明,孟小峰,译.北京:机械工业出版社,2012.

[3]佚名.基于支持向量机的数据挖掘方法及应用[M].东营:

中国石油大学出版社,2014.

[4]高孟如.大数据时代旅游企业融合创新研究[D].成都:西

华大学,2017.

[5]卢秀芸.数据挖掘技术在旅游业中的应用[J].镇江高专学

报,2018,31(2):54-56.