旅行组织的客户数据101

全球只有一半的旅行社收集有关偏好，交易和参与度的一系列客户数据，并通过第三方来源进行补充。这导致61％的消费者忽略了旅行提供商提供的大多数通信，因为它们根本与他们的特定兴趣无关或个性化。

那么，阻碍旅行组织退却的原因是什么？“数据成功”的最大障碍之一是对数据收集的讨论以及由此产生的见解似乎过于复杂，充满了行业术语。因此，它已成为许多人回避的话题。取得“数据成功”的第一步是确保旅行社充分了解数据的力量以及如何充分利用数据。

返璞归真：数据101
以下是五个与使用数据来优化组织的成功有关的概念，这些组织经常被误解或看起来过于复杂。

1.第一，第二和第三方数据

最常见的数据形式之一（第一方数据）是组织通过其网站，销售渠道或直接询问客户收集的客户信息。第二方数据是他人的第一方数据，通常是通过品牌合作伙伴关系获得的。第三方数据是通常从其他组织直接购买的通用数据。

将第三方数据与第一方或第二方数据配对时，它有助于对特定客户群及其偏好进行更全面的了解，从而使组织能够提供更加个性化的客户体验。随着公司继续寻求减少竞争对手噪音的方法以提供更多相关体验，预计旅行组织之间将建立更多的合作伙伴关系，不仅可以促进销售，而且可以获取更多的第二方数据。

2. O＆D

“原点和目的地”的简写形式，这种数据形式显示旅行者的出发地和前往的目的地。这些数据非常有价值，因为它可以更全面地了解客户的旅行习惯。随着越来越多的O＆D数据可用，预计会有更多公司与航空公司合作以获取该第二方数据，以便分析消费者行为并提供有针对性的主张。

3.提取，转换和加载 （ETL）

ETL是系统和公司之间共享数据的过程。一个例子是，旅游品牌希望通过电子商务系统和应用程序向其客户和ETL进行营销。通过这种方法，组织可以将文本从一个文档复制到另一个文档，并可以选择保留源格式或遵循新文档的格式。从品牌角度来看，这有助于建立更大的客户基础。简单来说：

提取是选择要合并的数据点并将其从一个来源获取到另一个来源的过程。
转换是重新组织或清除提取的数据，使其与您的组织使用的相同格式的过程。
加载是将数据合并到系统中的过程。
虽然听起来很专业，但ETL是一个相对简单的概念。企业使用此数据方法经常面临的挑战是最终确定数据的流程和潜在用途。随着数据对公司变得越来越重要，旅行社中的数据协议将逐渐标准化，以简化ETL。此外，增加的计算机处理能力将有助于更好地简化此过程。

4.深度学习或神经网络

深度学习和神经网络通常被称为AI的一种形式，它是另一种计算机驱动的数据分析过程，可以使旅行组织建立更好的预测模型。但是，编程规则甚至更加复杂，并且以类似于人类处理信息的方式进行组织。这意味着计算机能够对如何以非线性方式分析数据得出结论，进行调整并做出决策。

在旅行领域，例如，随着人脸识别扫描仪的发展，机场就出现了。组织可能很想利用这种形式的数据分析，但是这需要大量的投资和内部技术专长。取而代之的是，旅行社应该在继续进行深度学习或神经网络之前考虑使用数据实现的目标，因为机器学习是一种更可行的选择。

5.机器学习

机器学习是利用计算机快速有效地分析大量信息，揭示数据集之间相关性的过程。例如，一家航空公司希望探索出于个人和商业原因而飞行的乘客之间的趋势，并希望在将来找到更多“休闲”旅行的机会。这个特定的数据过程涉及一系列复杂的规则，统计模型和编程命令，以检查数据和识别模式。一旦分析了数据，系统便会根据发现的内容更新其分析过程。

虽然这个术语已广为人知，但许多人并没有意识到，作为一种现成的解决方案，组织现在对机器学习的访问越来越多。这是数据分析民主化的一大进步，因为它只需要很少的专业知识，就可以在旅行品牌及其他行业中更好地采用机器学习。

数据知识就是力量
理解数据的基础及其所产生的见解并不是一个严格的过程。但是，要建立数据支持者基础，旅行组织必须致力于从上至下灌输公司范围内的这一承诺。旅行组织可以改善流程，并更好地利用从数据中提取的信息来构建其客户的可靠视图，同时提供更多的个性化体验。从建议的产品或服务到所提供的优惠和奖励，旅行社现在将拥有可以更好地了解其客户的工具，从而可以使他们在竞争中一枝独秀。