华住酒店大数据营销

华住酒店大数据营销数据驱动营销产生价值大数据数据大覆盖全球1038个城市分布全球5474家酒店华住8个+品牌雅高6个+品牌拥有会员00000000+每年接待9000万人次客人在线平台日活跃用户50万+1500万+APP下载700万+微信粉丝大数据有用数据通过数据驱动营销才是价值沉默的数据确实无用业务需求挖掘底层数据清理科学分析方法三大关键の要素‘死’数字变成价值财富大数据营销基础建设step1step2step3收集仓库存储分析模型运算应用策略指导科学算命@三步成诗全网云+端信息内部数据数据追踪数据建模会员标签客群细分分析收集应用精准推送客户价值提升个性化推荐流量变现DATATREE数据树是科学算命的基础PMSCRMAPPWEB后端前端基础属性消费行为支付行为浏览偏好搜索偏好开房偏好H5微信支付宝科学算命影响变量识别变量▪性别、年龄▪居住城市等▪…▪首单后3月内平均两单间隔▪首单后1月内消费次数▪首单后3月内消费次数▪…▪首单后3月内总消费额▪首单后3月内消费总间夜数▪首单后3月内最长连续入住▪首单后3月内平均房价▪…▪周中入住/周末离店比例▪入住酒店位置▪入住城市类别▪是否存储发票抬头▪是否开具发票▪…▪平均预订提前时间▪常用预订渠道▪在线预订比例▪（被）代订比率▪…▪是否会员及级别▪注册渠道及成本（门店购卡等）▪储值次数及金额▪积分数量及兑换次数▪是否点评（反馈）▪…▪接收短信、优惠券历史▪使用优惠券历史▪价格折扣分解▪…▪是否下载APP▪APP/Web登录频率▪APP/Web浏览时间▪…▪首单/二单时间间隔▪首单/二单预订渠道异同▪首单/二单入住城市异同▪…▪入住城市数量▪入住门店数量▪平均每城市入住次数▪入住品牌频次分布▪是否购买增值商品/服务▪…基本信息消费频次消费总额出行目的二单转化品类覆盖预订行为在线行为会员历史基础模型营销互动OTA预订发生地点现有客户OTA预订全历史（含其他酒店）现有客户OTA搜索浏览全历史…对大数据如何提炼输出100+个标签年龄性别生日星座居住城市社交账号Mail活跃度Mail有效性贡献价值活跃状态积分活性储值活性异地消费常去城市品牌偏好房型偏好社会属性会员忠诚度人口属性线下行为属性线上行为属性触点属性浏览习惯预订习惯支付习惯激活时长会员周期沉睡概率有价值只有标签吗客群分类洞察人性需求▪决策树模型▪随机森林模型▪从样本数据中，寻找目标特征的复杂组合▪程序会自动搜索大量可能性，寻找区分度最大的特征组合▪对历史数据进行随机抽样，每次抽样都重新构建一颗决策树，每颗树都有自身搜索到的最佳特征组合▪对每棵树的预测取平均（投票法）▪一般会构建500颗以上的决策树，形成一片“随机森林”，用大量的投票确保精度20|采用K-means的聚类分析方法，对群进行分类对分离出的每个客群进行画像分析，总结其特征进行因子分析去除多重共线性，筛选出相对独立的变量获得最好的分群，并和已有经验对比所有人的所有特征（360度画像）分析群体共性，绘制群体肖像群体肖像，设计全生命周期价值提升抓手聚类分析原理▪处于相同群当中的客户，都具有相似的特征组合，该特征组合被称为肖像▪不同群组的客户特征行为截然不同BCA231K-means的聚类分析人群分类高价值价格敏感体质易投诉易流失易挽回商务客每种人群之间是有相似性的数据营销是基于客户生命周期大生命周期潜在注册激活沉睡首单二单…单唤醒流失忠诚度NOYES小生命周期离店会员标签搜索预订Check-in入住中Check-out高价值的会员，流失率也有50%+30%的头部客户70%的价值贡献通过对高价值会员的行为分析和需求分析找出概率大的流失因素通过数据营销将高价值会员的流失率降低了5%华住会员与OTA的会员，重合率35%+如何降低？通过优惠券和储值的激励方式，给OTA客人进行流失挽回，平均每月转化15%的重合会员对不同类型的人群采用不同的营销方式分类营销流失挽回休眠唤醒价值提升关怀提醒大数据营销价值输出One核心的住宿业务线下门店场景应用前台PMS弹窗为前台员工输出策略把握与客人面对面沟通的机会打破信息的不对称线下门店场景应用关怀策略营销策略销售策略沟通策略客人入住期间生日高价值客人入住客人偏好高层、无烟房Two有潜力的非住宿业务流量变现的尝试创新业务——数据的流量变现华住商城8000万+销售额/年基于对华住会员的偏好分析男性商务客人出差频次高消费目标性强‘带礼回家’洞察客人对积分兑换的档次对不同的商品品类区分小额积分和全积分兑换深度挖掘数据，读懂客户需求数据驱动营销，提升客户价值ToBeContinue……THANKS