如今，高科技已经融入各个产业领域，而“智慧旅游”已经成为了各大旅游企业正在转型发展的方向。尤其是在大数据时代，运用大数据得出统计结果、并将其转化为商业价值，是旅游业者们都在研究的热点。

　　解决需求为王

　　智慧旅游解决什么问题？解决谁的问题？应该有什么样的创新模式？都是企业需要摸索的石头。而在智慧旅游产品设计的过程中，回到从用户需求出发的角度思考，解决的核心是将市场需求抓准。

　　对于智慧旅游公司来说，满足市场需求有两个方面，一是面向用户，二是面向目的地的旅游部门。

　　解决用户的问题，满足用户的旅行需求，已不再像十年前那么简单；过去的旅游业只关注于游客行中体验的提升，现在要帮助用户决策，却必须考虑用户行前、行中和行后的不同需求。而智慧旅游产品可针对用户不同阶段的痛点分别对症下药。

　　目的地官方旗舰店对于信息的全面展示可以帮助用户在行前选择满足自己需求的目的地景点和相应的旅游产品；在移动端的APP解决方案，利用LBS技术，也可以提供实时推荐信息，帮助用户在行程中选择怎么吃、住、玩、行；在行后，用户可以产生点评、记录，甚至可以在智慧旅游搭建起的社交平台上交流等，同时为后来者提供选择依据。

　　在智慧旅游产品的设计中不能忽略用户体验，那么从整合的智慧旅游解决方案来说，智慧旅游面向的则是目的地旅游部门，它更为核心的宗旨是为目的地解决旅游相关问题，整合自身资源，契合当地旅游业的发展需求，并作为专业顾问，帮助旅游部门做出更智慧的决策。旅游部门需要对当地旅游市场的情况有总体把握，并能够进行实时监测和预测。

　　智慧旅游基于目的地旗舰店和全媒体的资源入口，可以为目的地提供品牌营销规划及全案营销解决方案；旅游部门希望本地的旅游产品销售和推广模式能够更加方便智能，招徕更多用户。

　　携程智慧旅游公司总经理蓝美玲表示，两种面向用户和面向政府的需求满足是缺一不可，又相辅相成的，整合各类线上线下资源，汇聚成一整套相对完善的解决方案，并根据不同的需求不断调整方案，才能真正成为用户的贴心旅行助手和政府的旅游业专业顾问，真正实现智慧旅游。

　　智慧旅游融入生活

　　作为OTA的“大家长”，携程研发了一套可视化订单系统。其将国内及国际各目的地和出发地的订单数据实时、动态地展示出来，一目了然，也可实时了解目前各地区、景点的热度情况。

　　如何利用大数据将冰冷的数据转化为生动的形象，以更贴近用户生活的方式展示，一直是不少旅游企业致力发展的方向，在探寻的过程中，技术人员萌发了将数据以可视化的方式进行直观展示的想法，经过长时间的尝试和调整，从而诞生了携程可视化订单系统。

　　据携程智慧旅游团队介绍，假如有用户通过携程官网或携程旅行APP成功下单购买了一张机票，那么其实时展示系统上就会做出相应的反馈，包括出发地和目的地的热度上升等等。

　　可视化订单系统，是基于对数据进行LBS地理位置的分析，将用户的旅行轨迹动态实时、直观地呈现在用户眼前。它包含有机票、酒店、火车票和旅游度假实时订单，同时全方位展示根据这些订单数据统计出的“热门出行城市”、“热门到达城市”等用户比较关心的数据。通过可视化的订单系统，用户能够非常直接地了解当前时段各国家和地区的出行热度，也能分析出相应的出行趋势，以帮助客户更好地决策行程，为游客出行带来便利。

　　而目的地的旅游管理部门同样可以通过可视化订单，实时监测目的地的景区热度，根据热度的趋势变化更好地做出风险预警，提升服务水平。

　　大数据的价值

　　移动时代，人与互联网的交互贯穿整个旅行过程，正因为这种移动端应用场景的无缝接合，“吃住行游娱购”可以真正融入整个用户旅行体验的过程中。用户在行中，无论何时何地拿出手机打开旅行APP，就可以将周边的吃住游购等信息推送给用户，帮助用户更好地做出旅行决策，这也是智慧旅游的体现之一。

　　随着旅游信息的海量增长，以及旅游大数据时代的到来，“互联网+旅游”成为旅游推广营销的新常态，业者利用其庞大的旅游用户数据库、目的地信息、商品数据碎片、用户搜索习惯、预订数据等海量信息，可以为旅游目的地提供一整套能覆盖用户行前、行中、行后的整体解决方案，让景区实现智慧管理、智慧服务，同时也让游客享受到智慧旅游的乐趣。

　　而在互联网和移动端上浏览和预订都会留下海量的数据痕迹，这些记录就是大数据的基础信息。

　　众荟数据智能事业部总经理焦宇接受《第一财经日报》记者采访时透露，大数据分为两大类——结构化数据和非结构化数据，结构化数据是一系列数字，非结构化数据则可能是一张图、语言等信息。

　　“大数据分析不仅要做直接的数字分析，还要懂得建立数学模型，将非结构化数据转变为结构化数据，并得出结论。结构化数据的分析处理相对简单，比如将现在的数字与上一年同期的做比较等；而非结构化数据的处理方法则不同，首先要看懂消费者行为，包括浏览、预订、出行等整个过程。比如客人搜索的关键词和浏览痕迹就会体现在记录里，如果客人浏览过这家酒店的页面却并未下订单，则可以分析客人不下单的原因。而客人通过价格、品牌、区域等关键词排序查找酒店信息后，通过其留下的浏览记录则可统计出客人对于价格或品牌的敏感程度。”焦宇表示。

　　比较有意思的当数非结构化数据的研究。业者会根据一句话的点评来做语义分析，将一句完整的话语分割成几个维度后，对每个词语进行研究和分析，最终得出客人的满意点或不满意点在哪里，然后对相关的旅游酒店企业进行反馈，以提升企业的收益管理。

　　基于2.5亿携程用户的选择以及点评，分析用户的出行数据以及携程攻略社区用户的真实点评后，可以得出相关的多维度旅游榜单，目的地旅游管理部门也可以通过这些多维度的榜单，整体把握自身目的地旅游资源的分布及特色，完善对于旅游发展的进一步规划。

　　更具体地来说，大数据分析师通过专业的语义分析，去除一批虚假点评或无实质内容的点评，比如“很好”、“路过”之类，将真正对酒店有实质内容的点评留下，并对每一句话进行断句和多维度切割。比如，“这个酒店很干净，但是送餐服务比较慢”，经过专家的断句和多维度切割分析后，可以知道客房清洁度不错，但送餐有问题，那么专家接下来就要把结论进行细化分类，并反馈给各部门，即把好评反馈到客房清洁部门，而把差评反映到餐饮部，甚至细化到差在哪儿。

　　当然，有时一段话的分析是非常复杂的，其中还有纠错比例。比起简单的“好”或“不好”，经过多维度语义分析后得出的结论可以反馈到酒店各个相关部门，并且细化到是哪个细节好，或哪个细节有问题需要改进，那么管理层就能明确知道接下来的工作方向，从而改善服务态度、速度甚至装饰风格。记者在采访中了解到，经过语义分析的酒店，入住率可以提升10%~20%不等，且RevPAR(每间可供租出客房产生的平均实际营业收入)有约15%的增加。

　　此外，一些图片和人们的运动轨迹都可以挖掘商业价值。

　　长期在澳大利亚研究旅游大数据分析的学者程明明向《第一财经日报》记者透露，人们在社交平台上发出的照片或坐标定位都可以显示其游玩的路线、地点甚至是消费项目。业者将这些信息收集起来，则完全可以用智慧的手法分析出最受欢迎的旅游目的地、具体的景点以及人们的出行习惯等。