2014年Phocuswright大獎-bd4Travel旅遊大數據協助旅遊網站提升營收

bd4travel

2014 年 Phocuswright 舉辦的 The Travel Innovation Summit (介紹請參考上集下集),有許多的旅遊新創團隊出線,而且很有趣的現象是專注在 B2B 的團隊有將近 15 家,而且相當少只 focus 在販售機票、飯店的團隊,這代表新一代的創新比重已經從成熟市場的機票飯店,轉到極需發展的旅遊產業內部需求。C 端的生意非常顯而易見,競爭者也相當多,但 B 端的卻需要很深的專業知識,卻能替 B 端帶來極高成效,因此在 C 端流量的成本越來越高的情況下,選擇專業知識更強的 B 端新創成為歐美團隊現在的方向!如果你不相信,看看 Priceline 跟 Tripadvisor 不斷在併購或投資大數據公司就知道了!

今天跟各位介紹這家,剛獲得 Phocuswright Brand USA Marketing Innovation Award 的 bd4Travel,bd4Travel (Big Data for Travel) 替旅遊產業公司提供及時個人化與消費者分群的創新技術解決方案,希望透過大數據分析提供旅遊產業公司的消費者最獨特的旅遊網站消費經驗,這一切都必須建立在個人化推薦上。他們怎麼做呢,bd4Travel 有幾個特點

追蹤詳細
許多訪客到旅遊網站都是匿名來到,就算有 CRM 或登入工具幫你抓住回流客軌跡,但要對這些回訪客做行銷的成本還是高的可怕。bd4Travel 追蹤技術會替網站分析訪客在網站上的所有互動,計算出這些匿名訪客準確的個人資料輪廓供參考。

預測分析
bd4Travel 有超過 100 組以上的分類器模型,這些模型會不斷丟入最新的資料去訓練然後重新分類,保持最佳狀態,讓一個資料進來後可以快速從 100 組分類器模型中判別屬於那一類。這讓 bd4Travel 能產生最佳預測與準確的消費者資料輪廓,也能推薦給消費者較好的決策,並抓住消費者及時回饋再次反饋。

即時系統
資料延遲性在幾毫秒內,也因為資料延遲性能在很短的時間內搜集完畢,讓 bd4Travel 能在相當及時提供客戶建議。

大數據
bd4Travel 的資料管理收集了數十億以上筆資料,而且每日持續累積收集。

資料來源
bd4Travel 除了有 100 組以上的分類器模型外,還有多層資料模型(類似於類神經網路演算法),除了bd4Travel 客戶第一手資料外,也會從外部取得第三方資料來做訓練與分析,比如飯店資料與飯店評鑑。

雲端技術 SaaS
由於 bd4Travel 專研在雲端技術,讓他們不需要投資硬件!同樣的,他們的客戶也不需要!

Web Services
為了讓企業客戶好架接 bd4Travel 系統,其開發了 REST web services,並確保可以在毫秒內及時傳輸資料。

相信看完了以上,大家會發現台灣非常少人在做旅遊產業的大數據,而新創更是少,主要原因是技術門檻相當高,基本上需要兩種技術,第一種是收集整理的雲端技術,第二種是數據分析的能力。光是第一種就把許多新創團隊都打趴了,絕大部分的新創團隊人丁少又以做網站為主,要把大量數據爬蟲回來就不容易了。第二種更是難,因為收集整理數據還簡單,但要看懂數據就需要統計能力,還得再加上產業知識,如果不了解該產業你的數據分析都會是不正確的,因為假設命題就有問題,所以台灣新創團隊鮮少有在旅遊產業做大數據,幾乎都在做面向消費者端的idea。以我學生時代曾運用類神經網路演算法獨立完成人臉辨識系統與現在經驗來看,我認為有另一種替代方式,就算你沒有產業知識也沒關係,只要能先簡單做出最初步的數據分析,接著再搭配另一位懂產業知識的人來一同設計假設命題套數據分析,就能夠完成有針對性的產業大數據分析,雖然此時準確性絕對低,畢竟有了開端才能求精準,期待台灣很快出現有旅遊團隊在旅遊產業做大數據!

Posted in Startup, 網路服務