酒店业大数据价值答案.pptVIP

* 这是一分典型的调查问卷，你可以发现，早餐和正餐是很差的，前厅却有100分 * 神秘客不同意，他有自己的侧重 * 点评结果也是这样 * 当把他们放在一起看的时候，你会发现： 、1、数据本身是存在映射关系的 2、他们有一些共性：早餐和正餐 3、前厅部却存在很大的分歧：其实神秘客扣分是扣在安全意识上，而不影响客户体验（热情，快）。 4、对这个酒店，着重培训安全意识。风险成本高，这方面也是不可缺少的。 5、这样的整体分析，能够帮助酒店找准问题，且将有限的资源集中在最需要的地方 * * * 酒店业大数据价值分析 慧评网 林小俊 Dec 2014 规模较大的数据 数据仓库 并行计算 云计算 大数据：基于全量数据解释客观世界的方法论 对一条马路，我们通过某一时刻监控到的车辆信号，判断其马路边界 传统方法：M=arg minM ( SUM (dist ( Si, M ) ) ) 大数据方法：简单粗暴地用全量样本定义边界 传统时代 网络时代 AIDMA模型 AISAS模型 Share分享 营销法则演变 Share分享 住前数据 住后数据 住中数据 酒店业大数据 用户画像——让酒店了解用户 质量管理——让酒店提升产品 收益管理——让酒店优化销售 酒店营收 顾客敏感度模型 将顾客体验数据结构化，找到酒店顾客的体验敏感点。 酒店A（经济型） 酒店B(豪华型） 神秘客 调查者运用统一设计的问卷向被选取的调查对象了解情况或征询意见的调查方法。 由经过严格培训的调查员，在规定或指定的时间里扮演成顾客，对事先设计的一系列问题逐一进行评估或评定的一种商业调查方式。 消费者发布在网络上、以文本形式对产品的评价,包括对产品的赞美、抱怨,或个人对特定产品或服务的购买和使用感受 问卷调查 神秘客 在线点评 优势互补 劣势共弥 30 300 1000 在同一种指标框架下，综合三种方法进行服务质量检测，导出更直观的综合结果 星级：五星级标准 区位：上海 品牌：民营高星连锁 定位：豪华商务 拥有客房446间，餐饮包厢24个，餐位近1600个，酒店拥有完善的现代化会议设施、训练有素的专职会务经理，能够满足高档会议一切所需。 调查时间：2014年1月—6月 样本量：170，受访者对酒店各项服务打分（五维度分法，1—5分即为非常不满意到非常满意。）； 问卷结果来看，客人对S酒店的早餐和正餐满意度最差； 净推荐值：净推荐值（NPS）是一种计量某个客户将会向其他人推荐某个企业或服务可能性的指数。它是最流行的顾客忠诚度分析指标，专注于顾客口碑如何影响企业成长，计算方法是推荐者所占的百分比减去批评者所占的百分比。 神秘客得到的结果中，表现最差的是前厅部的服务，其次是接机服务，早餐也成为神秘客的预警区。 可返回神秘客评分项查看具体原因。 维度 考核项（肯定项/总项） 预订 19/21 接机服务 7/12 前厅部 13/28 客房部 70/78 公共区域 25/27 餐饮部—正餐 60/71 餐饮部—早餐 45/68 康乐部 30/30 总体 269/335 在线点评反映的客人满意度中，公共区域没能达到客人的期望，其次也是正餐和早餐，对酒店的性价比也表现出失望。 管理者可以通过查看原始点评找到具体原因； 点评时间：2014年1月—6月 点评量：844条点评，2071个观点。慧评网基于智能中文语义分析技术，对点评数据进行深入量化分析： 在线点评 神秘客 问卷调查 综合结果 前厅部 92% 46.40% 100% 82.3% 客房部 78.60% 89.70% 88.2% 86.7% 早餐 76.50% 66.20% 64.7% 67.5% 正餐 79.50% 84.50% 53.5% 68.0% 康乐设施 93.80% 100% 77.6% 87.6% 总体满意度 88.60% 80.20% 87.6% 85.6% 预警：S酒店的餐饮服务 用户 数据 住前数据 住中数据 住后数据 标签 属性标签 需求标签 偏好标签 关系标签 价值 群体细分 关系管理 个性化服务 精准UpSelling 大数据挖掘与预测 了解竞争关系 判断市场需求 确定产品价值 制定精准销售策略 慧评热线：400-018-9229 客服QQ：2851168180 欢迎扫描二维码，关注我们。 慧评官方微信 慧评官网 感 谢 聆 听！ * * * * * * 很多数据其实酒店都是有的，只是酒店没有解决统一性问题。 酒店内部的SOP设计上，本身就是分散的。： 1、GSS：会员部 2、神秘客：运营 3、点评：市场部或电子商务部 * 问卷调查：散客×30%+协议客户×50%+旅行团×20% * * * * * * * 很多数据其实酒店都是有的，只是酒店没有