出門(mén)旅行不僅需要機票，當然還要預訂酒店，這基本是無(wú)需質(zhì)疑的，或許就是因為需求太過(guò)明顯，“機+X”的概念幾乎是一個(gè)永恒的行業(yè)熱點(diǎn)話(huà)題，不僅航空公司在談，OTA和傳統旅行社也在談，在風(fēng)險資本的簇擁下，也是旅游創(chuàng )業(yè)的熱點(diǎn);但是，業(yè)內卻鮮見(jiàn)以打包產(chǎn)品為主業(yè)的規?；?。那么“機+酒”靠譜嗎?筆者以自己的思考，來(lái)試著(zhù)解構其中的幾個(gè)誤區。

一、需求明確，為什么鮮見(jiàn)突破?

筆者分析“旅游打包產(chǎn)品”的發(fā)展，基本經(jīng)歷了三個(gè)探索階段，資源不足→算法不優(yōu)→推薦不準。

首先說(shuō)資源不足。既然是打包，那就需要多個(gè)內容來(lái)整合，最常見(jiàn)的是“機+酒”、“機+車(chē)”。由于機票的整體IT信息化水平較高，所以也最早實(shí)現了互聯(lián)網(wǎng)銷(xiāo)售，從而促成了OTA(在線(xiàn)旅游代理商)的快速發(fā)展。那么只要酒店、租車(chē)行業(yè)的信息化水平也相應提高，打包和動(dòng)態(tài)打包的“原材料”就齊全了，可以根據旅客需求將資源快速組合起來(lái)。打包產(chǎn)品發(fā)展初期往往碰到的難題是，如何尋找信息化水平比較高的旅游相關(guān)領(lǐng)域，能夠有“原料”進(jìn)行打包。

其次算法不優(yōu)。原料全了，接下來(lái)就需要解決打包效率問(wèn)題。旅客之所以不購買(mǎi)，是因為選擇不夠豐富。那就需要低成本高效率的算法，將更多的資源在最短的時(shí)間內組合好。比如，北京到上海，航班從早到晚有50個(gè)左右，高鐵還有很多選擇，目的地酒店從五星級到經(jīng)濟型連鎖，數量也要超過(guò)一千，要能夠根據客戶(hù)的預算、活動(dòng)區域等因素，快速將產(chǎn)品組合出來(lái)，這對算法效率提出了很高的要求。

最后推薦不準。產(chǎn)品豐富了，組合效率也提高了，為什么旅客還是不感冒呢?原來(lái)是推薦不準，旅客面臨的選擇不是太少，而是太多了。簡(jiǎn)單的信息堆砌，讓旅客無(wú)所適從，旅客希望看到的結果能夠“聰明一點(diǎn)，智慧一點(diǎn)”，根據旅客需要，尤其是“沒(méi)有說(shuō)出的需要”推薦合適的產(chǎn)品。比如，高端旅客，就應該將舒適航班和高星級酒店組合優(yōu)先展示，對價(jià)格敏感的旅客，可以?xún)?yōu)先推薦便宜的中轉航班和經(jīng)濟舒適型酒店產(chǎn)品。

二、資源不足嗎?--單項冠軍的時(shí)代

那么現在是資源不足嗎?國內OTA的老大攜程，依靠酒店和機票起家，早在2008年就收購了從事酒店IT軟件開(kāi)發(fā)的中軟好泰，意圖戰略布局機票+酒店組合銷(xiāo)售。藝龍也相繼投資了住哲和云掌柜，不僅滲透到酒店領(lǐng)域，而且在規模更小的客棧領(lǐng)域也積極布局。去年上市的阿里巴巴，在上市后第一筆投資就選擇了石基信息，石基是向高星級酒店和餐廳提供信息系統的服務(wù)提供商。這些不約而同的動(dòng)作，目的只有一個(gè)，就是想補足酒店信息化這塊的短板。因為攜程、藝龍和阿里去呀等都擁有很大的C端客戶(hù)，但由于酒店IT水平較低，不僅制約了其酒店預訂的自動(dòng)化處理，而且還制約了產(chǎn)品的組合打包。

但實(shí)際情況怎么樣呢?盡管進(jìn)行了這些布局和投資，但從上市公司的報告來(lái)看，交叉銷(xiāo)售和打包銷(xiāo)售目前還不是主營(yíng)業(yè)務(wù)，綜合判斷，全球的旅游行業(yè)目前現在還處于單項冠軍的競爭時(shí)代。世界上最大OTA是Priceline，市值超過(guò)600億美元，其每年酒店預訂超過(guò)1億間夜，但機票預訂只有酒店規模的1/20。國內的藝龍，幾乎放棄了機票銷(xiāo)售，但這幾乎不影響其酒店間夜高達每年3400萬(wàn)間夜。以全球最大的GDS(全球分銷(xiāo)系統)企業(yè)Amadeus來(lái)說(shuō)，目前其系統中有大約11萬(wàn)家酒店，100多家鐵路供應商，206家旅行社，23家保險公司，50多家游輪供應商和超過(guò)30家的租車(chē)公司，這么多非航的資源，在遍布全球超過(guò)9萬(wàn)家代理商分銷(xiāo)情況下，每年貢獻的非航空預訂只占其總預定量13%。

看樣子資源是否不足是打上問(wèn)號的。目前還處于單項冠軍的時(shí)代，各個(gè)企業(yè)也都是在單個(gè)細分領(lǐng)域競爭，還沒(méi)有到比拼綜合打包能力的“鐵人三項”時(shí)代。

三、算法不優(yōu)?--難以突破的瓶頸

隨著(zhù)IT水平的進(jìn)步，似乎可打包的資源不是問(wèn)題了，那么是不是打包的算法不夠好呢。我們從一個(gè)“他山之石”來(lái)類(lèi)比一下。

Netflix是一家美國上市公司，主要提供在線(xiàn)視頻業(yè)務(wù)。和別的視頻公司相比，Netflix更加重視技術(shù)，其著(zhù)名的案例就是通過(guò)大數據分析，在劇本創(chuàng )意、演員遴選和宣傳發(fā)行等多個(gè)方面，為觀(guān)眾“量身定制”了暢銷(xiāo)美劇《紙牌屋》。我們這里要說(shuō)的是Netflix另一個(gè)“百萬(wàn)美元大獎”的項目。推薦引擎是Netflix公司的一個(gè)關(guān)鍵服務(wù)，千萬(wàn)觀(guān)眾能在個(gè)性化網(wǎng)頁(yè)上對觀(guān)賞過(guò)的影片做出1-5的評級。Netflix將這些評級放在一個(gè)巨大的數據集里，該數據集容量超過(guò)了30億條。Netflix使用推薦算法和軟件來(lái)標識具有相似品味的觀(guān)眾對影片可能做出的評級。因此Netflix向全球廣發(fā)“英雄帖”，獎勵百萬(wàn)美元，只希望將算法的效率提升10%。歷時(shí)近三年，全球186個(gè)國家的四萬(wàn)個(gè)團隊參與，最后集合了電腦專(zhuān)家、統計專(zhuān)家和人工智能專(zhuān)家的團隊，才勉強達到了要求。我們不是想從這個(gè)例子中說(shuō)明，算法提升有多么難，而是想說(shuō)算法效率提升不是線(xiàn)性的，過(guò)了某個(gè)臨界點(diǎn)后，投入產(chǎn)出比將嚴重下降，需要長(cháng)期的技術(shù)積累。

Netflix的案例中，客戶(hù)行為是一個(gè)簡(jiǎn)單行為，而面向旅游的時(shí)候，維度將會(huì )復雜很多，人們既需要快速，還需要能夠進(jìn)行比價(jià)，甚至在不同的場(chǎng)景下組合展示，如配合地圖展示，集成點(diǎn)評信息等。技術(shù)的積累不是一蹴而就的，需要一個(gè)長(cháng)期的過(guò)程。同樣我們疑問(wèn)的是，簡(jiǎn)單的歷史統計和信息分類(lèi)，從而形成的打包組合是否能否滿(mǎn)足用戶(hù)的需求，從而影響人們的購買(mǎi)決策。從實(shí)際的情況來(lái)看，現在的效果不好。

四、推薦不準?--低頻次行為的難題

資源有了，打包的結果也豐富了，那為什么還不能形成規模，將旅客單獨多次購買(mǎi)，改變?yōu)橐淮涡约胁少從?。結果可能是，不是旅客不需要打包該夠，而是網(wǎng)站展示的信息不是旅客想要的，也就是沒(méi)有做到精準推薦。我們從“今日頭條”這個(gè)新聞聚合類(lèi)的App的故事來(lái)梳理一下?！敖袢疹^條”是移動(dòng)互聯(lián)網(wǎng)時(shí)代快速成功的典型案例，2012年8月推出，不到兩年時(shí)間就獲得了1.2億用戶(hù)，日均活躍用戶(hù)1300萬(wàn)，估值超過(guò)5億美元，而納斯達克上市的超過(guò)十年的老牌OTA藝龍，被攜程投資前，市值基本穩定在5億美元左右。我們跟蹤“今日頭條”團隊的歷史，發(fā)現同樣的技術(shù)，同樣的團隊，在6年的時(shí)間里干了三件不同類(lèi)型的事情，首先是旅游行業(yè)的垂直搜索網(wǎng)站酷訊網(wǎng)，其次是2009年成立的“九九房”，最后是新聞類(lèi)應用“今日頭條”。其背后的技術(shù)大同小異，都是通過(guò)機器學(xué)習向用戶(hù)做聚合內容的精準推薦。但根據使用頻次、信息結構化程度和應用場(chǎng)景三個(gè)維度來(lái)區分，我們發(fā)現，旅游應用的低頻次和多場(chǎng)景是預判用戶(hù)行為的難點(diǎn)，從而導致很難做出精準的推薦。從2013年全民航市場(chǎng)的統計來(lái)看，全年完成旅客運輸量3.5億人次，實(shí)際乘機人數是1.05億，而其中7000萬(wàn)人乘機1-2次，2500萬(wàn)人乘機3-6次，約397萬(wàn)人乘機12次以上。也就是說(shuō)市場(chǎng)上70%的旅客，每年航空消費行為只有1-2次，由于是頻次低行為，旅客留下特征信息不足以識別出其個(gè)性化需求。目前大多是根據的統計特征進(jìn)行猜想，如男女，年齡段，提前購票時(shí)間，購買(mǎi)的等級艙位等，這些與精準推薦差距還很遠。新聞類(lèi)產(chǎn)品，由于新聞通過(guò)摘編關(guān)鍵詞就可以快速將信息結構化，同時(shí)每天上下班時(shí)間是比較高頻的接觸點(diǎn)，新聞類(lèi)應用是推送閱讀，交互也簡(jiǎn)單，根據用戶(hù)點(diǎn)擊閱讀來(lái)收集用戶(hù)的使用習慣和興趣愛(ài)好，可以在浩如煙海的資訊中聚合出適合信息，讓用戶(hù)在體驗中感到驚喜。

五、未來(lái)的路徑

用戶(hù)需求無(wú)需質(zhì)疑，但資源不足、算法不優(yōu)，推薦不準都是嘗試過(guò)的誤區，那么未來(lái)的路徑在什么地方?筆者思考可能有兩個(gè)方向。

首先，依靠大數據技術(shù)。航空消費的低頻次特征導致很難完整構建旅客行為，但電商消費，社交網(wǎng)站(微信和微博)的行為是高頻次的，大數據強調跨界，通過(guò)整合其它系統的數據，可以構建出旅客的全景視圖，從而在旅客第一接觸點(diǎn)就能識別出旅客的需求，做到為旅客精準推薦組合產(chǎn)品。比如旅客在微信上與朋友交流海島游，在淘寶上購買(mǎi)供家人使用防曬用品，在搜索引擎上搜索相關(guān)的游記，那么在旅客訪(fǎng)問(wèn)旅游類(lèi)網(wǎng)站是就可以重點(diǎn)向旅客推薦三亞和普吉島等家庭海島游的產(chǎn)品。

其次，向行程規劃階段轉移。目前我們說(shuō)到打包推薦，多是在產(chǎn)品購買(mǎi)階段，也就是說(shuō)旅客在購買(mǎi)機票或者預訂酒店時(shí)，向旅客推薦相關(guān)的產(chǎn)品。從“5R”營(yíng)銷(xiāo)的角度來(lái)看，即在合適的時(shí)間(Right Time)、合適的地點(diǎn)(Right Location)將合適的產(chǎn)品(Right Product)以合適的價(jià)格(Right Price)銷(xiāo)售給合適的旅客(Right Customer)。產(chǎn)品沒(méi)有問(wèn)題，旅客需求也沒(méi)有問(wèn)題，目前來(lái)看在時(shí)間上有點(diǎn)問(wèn)題。旅客在購買(mǎi)階段，說(shuō)明已經(jīng)完成了旅行的規劃，基本已經(jīng)知道要預訂什么樣的酒店，買(mǎi)什么時(shí)候的機票，租什么樣的車(chē)，所以旅客到了航空公司官網(wǎng)只希望快速達到目的，這時(shí)候給旅客不精準的推薦，成功的概率可想而知。所以打包產(chǎn)品的營(yíng)銷(xiāo)時(shí)間可以向前移，到行程規劃階段去影響旅客。

旅游行業(yè)是永遠的朝陽(yáng)產(chǎn)業(yè)，技術(shù)的腳步也在一直向前。打包的一站式采購可以提高人們的出行效率，但需要我們看到誤區，認識誤區，從而依靠新的方法走出誤區。