10 個可靠的產品推薦到 3 倍轉換 | 旅遊與酒店公司

隨著世界各地的旅行者努力擺脫長達 3 年的中斷，相信我們的話，2023 年將是與眾不同的旅行年。 根據 Booking.com 的數據，68% 的人將在 2023 年制定旅行計劃。但大量諮詢意味著客戶會不惜一切代價獲得超值優惠。

如果您經營的是旅遊和/或酒店業務，您就會知道“旺季”意味著大量的客流量，但它也會帶來糟糕的轉化率。 旅遊和酒店業是購物車放棄率最高的行業之一，高達 85%。 這可能有很多原因——更低的價格、更好的交易、缺乏個性化或糟糕的忠誠度計劃。

76% 的消費者對不提供個性化體驗的企業感到沮喪。 用戶不再有時間忍受認知超載和“搜索”他們需要的東西的艱苦工作，因為他們最喜歡的產品（增長所有者）了解他們需要的東西。 他們尋求的是來自品牌的推動，讓他們的體驗更輕鬆。

我們將這些微調稱為產品推薦——對使用機器學習和復雜系統創建的服務的精選建議，以提供獨特的體驗。 這些推薦是使用各種輸入創建的，例如位置、過去的瀏覽歷史記錄、當前趨勢、優惠等。

產品推薦能否拯救旅遊和酒店業？

79% 的消費者希望品牌提供個性化的數字體驗。 因此，像允許客戶在搜索選項卡中預填數據或記住他們最常輸入的目的地這樣簡單的事情可能會在預訂時派上用場。 旅行 OTA（在線旅行社）現在也將記住最常用的過濾器作為留住客戶的鉤子。

但是如何確保用戶看到內容並為他們提供個性化服務呢？ 答案是使用相關數據。 您需要從客戶那裡收集正確的數據，以準確地向他們展示他們想要的東西。 可以在您的後端捕獲用戶事件並將其發送到您的 CRM 平台，以根據使用數據分析您的客戶，然後將他們聚集到用戶屬性中以進行定位。

更大的問題是，旅遊和酒店品牌應該捕捉什麼樣的事件才能更好地了解其客戶？ 有一些有效的方法可以開始：

1. 用戶人口統計：年齡、性別、種族或收入水平等用戶人口統計數據可以通過在更接近、更個人化的層面上了解 ICP（理想客戶檔案）來顯著影響推薦引擎的性能。

以下是旅遊網站的示例 ICP：

姓名	羅希特
性別	男性
地點	拉賈斯坦邦
年齡	28
服務等級	高級及以上
平均收入	< 3500000/年
首選航空公司	維斯塔拉
首選旅行類型	國內的

一旦您了解了這個級別的客戶，您就可以將他們歸為一個群組，並讓類似的體驗在旅行、住宿或食物推薦方面流動。 例如，Expedia 正在推薦本季的首選。



2. 位置偏好：一種獨特的查看方式是根據特定位置最常訪問的目的地提出建議，例如向內陸城市的人們推薦海灘目的地或在用戶當前位置級別顯示最常旅行的目的地。
3. 電子郵件：從個性化的角度來看，關閉與客戶的循環是一個非常強大的工具。 當客戶收到來自品牌的電子郵件時，他們對個性化的期望會飆升。

因此，利用旅行歷史、偏好和人口統計等客戶數據，營銷團隊可以定制他們的溝通方式，使其更具相關性和吸引力。 多達 97% 的營銷人員表示，個性化後業務成果實現了飛躍。

這是 MakeMyTrip 的一個很好的例子，通過電子郵件提供基於季節的推薦。


4. 旅行頻率：建立具有相同習慣的用戶群體是一種被高度低估的產品推薦方式。

例如，將用戶分為周末經常旅行的用戶、工作日出差的用戶以及休閒旅行的用戶，可以讓品牌了解其影響力、核心和因果用戶檔案。

理想情況下，這應該是第一級分段，您可以在其上添加更多層以豐富數據。 因此，優惠和產品推薦、優惠券和功能基於使用頻率使品牌能夠與客戶建立更深入、更有意義的聯繫。 您還可以根據頻率綁定您的忠誠度計劃以提高保留率。
看看這個 Booking.com 忠誠度計劃的例子：

個性化在規模上做得很好

Booking.com 是一個很好的例子，它在網站的許多頁面上大規模地實現了個性化。 如果您曾經通過預訂進行過預訂，您就會知道該品牌一定會記住您的歷史，並讓這些細節融入您的整體體驗。

Booking.com 使用先進的機器學習來捕獲多個數據點； 用戶獨特的搜索歷史、位置、偏好等。該品牌剖析用戶的搜索歷史和預訂模式，以了解他們的旅行偏好。
例如，如果用戶一直預訂帶有健身房或水療中心的酒店，Booking.com 可能會在未來推薦具有類似設施的酒店。

該品牌以嚴重依賴反饋來識別共同主題和需要改進的領域而聞名，然後向平台提出建議，以為其用戶提供更好的個性化體驗。

該品牌位於搜索欄下方的推薦選項卡可幫助人們提供有關其歷史、位置、IP 詳細信息、細分等的建議。

76% 的消費者對不提供個性化體驗的企業感到沮喪。

在最基本的層面上，各種有用的信息——搜索歷史、旅行歷史、與 Booking.com 用戶界面的交互等——都被輸入到 ML 模型中。 然後在多個級別分析和使用這些數據，以增強用戶體驗。

每天，處理近 5000 億個事件，模型收集的信息越多，它們就越聰明地在不同位置、用戶類型、產品類型之間建立關聯以提供產品推薦。 從而提供我們都喜歡的超個性化“主頁”。

旅遊和酒店推薦模型的基礎

1. 以目的地為中心的推薦引擎

遊客在決定下一步去哪裡旅行時會輸入各種因素：從他們對地點的選擇到諸如可負擔性、可用性、價格等因素，許多因素決定了他們對目的地的選擇。 這就需要 OTA（無線）平台來創建強大的推薦系統，並使用有助於滿足這些要求的過濾器。

因此，以目的地為中心的推薦成為所有 OTA 平台中最常見的推薦，通過過濾用戶的確切旅行需求並根據這些需求提供建議，使用戶的工作更加輕鬆。 對於那些不確切知道自己想去哪裡但對自己的偏好有一些了解的用戶來說，它是理想且最好的選擇。

讓我們了解以下框架。 推薦在得出結論之前，首先獲取數據，然後通過分類和模型構建進行處理，然後才到達解釋階段。 流程圖可能看起來勢不可擋，但此類系統的設計方式權衡了許多因素，例如準確性、混亂度和流行度，以創建流行的輸出，滿足用戶的需求，並且值得追求。

引擎將首先嘗試在繼續其工作之前準確了解用戶的需求。 一旦 ML 大致了解了您的確切需求，它就會開始為您挑選排名靠前的位置。

這是 TripAdvisor 在瀏覽其網站時彈出的關於要做的事情的推薦彈出窗口。

了解到客戶正在花時間探索，該網站立即根據過去的趨勢推薦了一些獨特且受歡迎的東西以增強體驗。



2. 以位置為中心的產品推薦引擎

這種引擎會在更本地和國內的層面上處理建議。 它為每個客戶個性化當地的服務和地方的魅力，並以詳細的行程表形式提供。 Wanderlog 具有“活動”功能，可根據其引擎和其他旅行者的建議，幫助建議您在特定目的地可以做的事情列表。





以位置為中心的產品推薦引擎將幫助策劃一個列表，如最佳景點、餐廳、俱樂部、購物目的地、風景名勝、日落點、歷史名勝、當地交通等。這項服務允許旅行者根據需要選擇理想的行程和體驗他們的個人喜好、預算、風格等



沒有人比 Airbnb 更擅長基於位置的產品推薦。 該網站為旅行者提供了一個精選頁面，其中包含他們在訪問時推薦的東西——從烹飪到衝浪，不勝枚舉。 這些推薦是根據用戶的需求以及該城市旅遊最受歡迎的方面創建的。

旅遊和酒店業的 10 大產品推薦

1. 地理定位本地折扣：地理定位意味著根據他們的位置向一組特定用戶進行營銷。 廣告與用戶的相關性越高，他們轉化的可能性就越大。 您可以跟踪旅行者的當前位置，並根據當地的景點和服務提供折扣和優惠。 Agoda.com 在這裡顯示了在果阿期間（在檢測到位置之後）可以做的活動的完整列表。



2. 地理定位商店位置：品牌還可以根據用戶當前的度假目的地向他們推薦頂級購物或紀念品商店，從而節省他們的時間和精力。 您可以利用實體店位置來吸引附近的顧客。 在這裡，Agoda.com 提供美食徒步之旅和齋浦爾集市作為其齋浦爾“活動套餐”的一部分。



3. 基於假期：人們在假期期間制定了奢侈的旅行計劃，您可以按照特定假期策劃旅行推薦的方式構建您的推薦引擎。

示例：聖誕節和新年的包裹。 基於假期的消息傳遞還可以提高客戶終身價值 (CLV) 並增加忠誠度計劃中的重複購買。 考慮對消費者希望購買的假日產品提供獎勵積分促銷。

4. 購買後：您的推薦引擎不會在購買期間或之前結束，它必須在購買後繼續以反饋、感謝信和通過短信、電子郵件等方式推薦即將到來的假期的形式進行。我們談到了 Airbnb 建設一旦你預訂了一個地方，他們的體驗頁面就會出現——現在這個推薦有多不可思議？
5. Season-based：為了滿足旅行者跨季節的需求，一種比較流行的形式是根據總體心情提供推薦。
• 淡季：對於很多喜歡在淡季出遊避暑的遊客來說，這不失為一個有效的建議。
• 旺季：當大多數人計劃度假時，您的推薦引擎可以在夏季和冬季策劃特別的旺季推薦。
6. 基於大事件：您還可以根據用戶的位置策劃關於即將發生的大事件的特別推薦。
   示例：向當前位置可能是愛爾蘭的人推薦特殊的聖帕特里克節套餐。
7. 回頭客：這是一個重要的目標群體，因為如果客戶重新使用您的產品，那麼他們可能會看到一些有價值的東西。 您應該始終針對該群體進行單獨的重新激活或歡迎回來活動，並且您的產品推薦應該迎合他們上次活躍時的行為。



8. 忠誠度和獎勵：根據您的產品所處的增長階段，您可以建立一個分層的忠誠度計劃，以在您的用戶中灌輸品牌忠誠度。 這有助於為您的客戶群建立社區。

旅遊業可以從分層方法中受益，該方法獎勵回頭客並激勵他們通過在每次互動中實現特定目標來升級。 為每個會員級別提供不同的好處，可以通過 AOV 解鎖或以各種方式賺取積分。

這是 Goibibo 的一個例子。 該品牌使用電子郵件營銷來推動用戶進行預訂，為他們提供新用戶折扣。 想像一下，如果用戶剛剛在網站上註冊並立即收到代碼，他們將非常有動力進行預訂。



9. BNPL 建議：旅行可能是一件代價高昂的事情，這就是為什麼提供 BNPL（先買後付）服務是減輕客戶負擔的好方法。 在您網站的各個階段突出展示此服務至關重要。 如果用戶放棄購物車，這將通過添加 BNPL 支付選項來幫助您推動參與和保留活動。
10. AI 驅動的聊天機器人：進行旅行預訂可能會讓人筋疲力盡——從住宿地點到如何通勤——旅行者要做出很多選擇。 在這種情況下，人工智能聊天機器人可以滿足需求。 在旅遊業中，人工智能有助於推薦住宿選擇或該地區的活動。

69% 的消費者更喜歡聊天機器人，因為它們能夠快速回复簡單的問題。 該推薦引擎由用戶生成的搜索、選擇和數據提供支持。

考慮因素

• 用戶行為數據： 80% 的商業領袖表示，當他們的體驗個性化時，消費者支出平均增加 38%。 這是構建推薦引擎的第一步，也是最關鍵的一步。 可以通過兩種方式獲取數據：隱式和顯式。

顯式數據是用戶有意提供的信息，即評分、個人信息等輸入。隱式數據是從後端收集的信息，如搜索歷史、點贊、訂單歷史等。

• 這是從 Booking.com 收集數據的隱式模式示例。



• 用戶意圖：在構建引擎之前，通過熱圖、搜索關鍵字、頁面流量等了解用戶意圖不僅至關重要，而且勢在必行。 在推送之前了解您的用戶正在尋找什麼。
• 個性化：年輕消費者最有可能在非個人體驗後做出負面反應。 確保您的推薦引擎解決個性化問題，這是在構建它之前 PRD（產品需求文檔）中的核心原則。
• 上下文相關性：通過向客戶提供上下文建議來確保您的推薦引擎正常運行。 它應該針對季節性進行優化，這樣用戶就可以擺脫搜索特定場合的認知負擔。 示例：2 月至 3 月期間的聖誕節特價機票和航班。

要避免的錯誤

• 數據質量問題：常見的錯誤之一是沒有對數據質量給予足夠的重視，這可能會導致有偏見或不准確的建議，從而導致用戶體驗不佳。 為了緩解這種情況，確保數據相關、完整、沒有錯誤並定期更新至關重要。
• 缺乏多樣性：在推薦系統中經常會遇到“回音室”的問題，在這種系統中，用戶只會被推薦他們之前喜歡的項目。 為防止這種情況，通過考慮新穎性和受歡迎程度等多種因素，在推薦過程中包含多樣性至關重要。

結論

有強烈的跡象表明，就像電子商務一樣，忠誠度是旅遊和酒店業中的一個難題。 推動交易的主要是服務、報價和便宜的價格。 儘管這種模式創造了一個相當具有挑戰性的運營環境，但許多頂級公司都在產品推薦下找到了避難所。 此外，產品推薦可能是決定營銷策略成敗的因素。

從增加用戶粘性到增加平均訂單價值，世界上所有頂級OTA品牌都有一些其他引擎致力於增強用戶體驗並激發他們進行交易。 WebEngage 為年輕品牌提供了一套槓桿來創建定制的、高度個性化的體驗。

想為您的旅遊和酒店平台開始使用推薦引擎嗎？ 立即與我們的專家交談併申請演示！