作者：孙茂华Maria
接上篇
04 研究二：作为驱动酒店营销的指导工具
研究背景
如下图，结构化社交媒体数据与用户营销之间存在着可被验证的相关关系，本研究可验证。
研究假设
依据结构化社交媒体数据打造卖点的酒店，销量显著高于依据传统经验打造卖点的酒店。
研究方法
01 依据酒店行业特点，和客户角色类型，构建用户旅程地图。
如图所示的用户旅程，描绘了顾客与酒店可能的全部交互点。具体而言，顾客因为一些社交媒体、介绍，产生旅行的灵感（种草），然后会去OTA等平台搜索并预定相关的酒店，然后开始准备行程，进入酒店产生入住体验，然后分享/点评，当非常满意的情况下选择推荐给朋友或者再次访问。
02 酒店专家结合行业经验，分别模拟各种出行角色
包括：亲子、商旅、单身等。完成用户旅程，列举出当前角色在旅程的每个环节被吸引的原因，穷举出相应的主题关键词。
03 建立关键词库
采用近义词法，识别出为与这些主题关键词表达相同概念的关键词，得到关键词库。
04 提炼数据标签、搜索关键词
提炼关键词搜索，得到核心指标，包括：提及该关键词的“评论数”、“酒店数”、进一步计算得出“平均每家酒店的评论数”。按“平均每家酒店的评论数”降序排列，结合专家判定的结果，找出需重点关注的主题，即来自用户之声的卖点库。
数据验证
通过预备实验，验证由用户之声提及的卖点和基于过往运营人员经验提炼的卖点，哪个对用户更有吸引力。
在五一投放季，与某OTA市场部合作，共同完成投放测试。
1. 选择目标酒店
从该OTA平台的投放库中，选择出4家有多次广告投放历史的酒店，作为目标酒店，因为这些酒店被投放专家们定义为“不只有一个卖点”类型的酒店。
2. 确定对比主题
按照经验判断，选择对比投放的主题，进行广告投放对比，筛选出用户点击率、转化率综合得分较高的主题。
3. 投放量
经过为期一周的广点通投放，得到如下表的比投放结果：
如上表所以，「核心指标-相关评论占比」得分较主题，更受用户的青睐（点击率、转化率的综合得分较高）。
该对比实验的结果初步证明了从酒店评论中总结出的较受过往客户欢迎的点（相关评论占比较高的体验点），能成为吸引新的客户的“引流指标”。
后续探索
这个实验涉及的酒店样本量较小（只有四个），投放方式也较为单一（只选了广点通一个渠道），还不足以支撑本研究验证核心假设。因此，需要更周密的实验设计和更大的样本量，来验证结构化评论数据是否能够驱动酒店营销。因此，本研究与该OTA市场部合作，设计了新的A/B测试，力图进一步验证“相关评论占比”是否是预测酒店卖点质量的核心指标。
05 研究三：作为绘制客户画像的数据库
研究目的
剑桥大学心理学家研究发现，通过归纳用户在Facebook上的社交足迹，可以与用户的“大五人格”不同维度构建相关模型，该模型很好的预测了用户在药物滥用、政治态度和身体健康状况等方面的情况。我们可以借鉴该研究方法，利用NLP技术分析OTA平台上的酒店点评、NPS、以及咨诉等客户声音，结合心理学人格特性，建立不同人格特征用户的需求模型和心理模型（客户画像），提高营销效率，亦为酒店行业的个性化服务/专属服务提供依据。
例如，有研究表明大五人格中的外向性和神经质对噪音敏感程度的影响较大，根据该论断，OTA平台可为在外向性和神经质上得分高的客户推荐“安静”的酒店，而酒店可为具有该画像的客户安排“安静”的房型。
同时，收集某个客户所有的点评内容，利用NPS pro分析出客户的好评敏感点和差评敏感点，从而直接建立客户敏感点画像，匹配研究1和2中的酒店竞争力、营销体验点，可以在酒店推荐、服务上起到个性化的效果，提高OTA和酒店的营销和服务水平。
研究方案
客户体验敏感点画像：
· 和OTA或酒店集团进行合作，收集同一客户ID上的所有客户点评数据。
· 利用现有的NPS pro酒店体验模型、营销模型进行数据挖掘，根据提及率和情绪，分析出每个客户的体验敏感点画像（负面情绪的痛点、正面情绪的爽点）。
客户心理画像：
· 大五人格量表施测：抽样客群施测大五人格量表，采用简版60道题的版本，提高回收率。
· 大五人格与客户声音匹配：针对有效反馈大五人格量表结果的客户，匹配其在OTA平台上的酒店点评、NPS、以及咨诉等反馈数据，且利用NLP技术对反馈文本进行打标。
· 模型建立：抽取上述客户群体的90%，用以建立大五人格结果与客户反馈标签的回归模型，例如，开放性（大五人格维度）=a+b*安静房型（客户行为特征）……+e。
· 模型验证：利用剩下的10%的样本数据，验证上述回归模型的准确性。
· 推广应用：
1.可用于个性化营销。当客户的体验敏感点和酒店卖点高度匹配时，进行个性化推送。亦可根据客户的人格类型进行个性化推送，提高营销效率。例如当人格类型属于开放性-审美水平高（能够欣赏自然和艺术中的美，重视审美经历、能为艺术和美所感动）客人筛选酒店时，可以推送关于酒店优美的环境的照片，以打动客人下单，以提高转化率。
2.个性化服务，加强客人在点评中提到的爽点的服务，避免客户的专属痛点。例如某个客户经常投诉房间噪音，在排房时就应该安排安静的房间。另一客户的痛点是气味，在客户入住前就应当特殊处理。当得知客户属于外向性格时，服务员可以多和客户交流，当客户属于内向性格时，应该减少和客户交流。
3.可用于预警，例如当人格类型属于神经质-愤怒/敌意水平高（对应的点评和NPS经常打低分、对酒店各方面都提出意见，且用词极端“恶心”、“垃圾”等，投诉率也高）的客户入住时，酒店提前获知该客户的人格标签属于“敏感型”，提前做好接待准备，以降低投诉机率。
后续探索
建立模型后，可以进行三类实验：
增强营销效果（客户爽点+酒店优势）、减弱不满体验（避免客户痛点+酒店劣势）、心理预测（爽点或痛点）， 联合合作企业进行个性化推广和服务AB测试，以验证模型有效性。
06 研究四：作为选择酒店供应商的试金石
目标和假设
酒店作为一个体验综合体，其整体体验包含了硬件、装修、物料产品（如沐浴产品、饮料、床品等）的体验，而点评中亦包含相关的正面和负面数据。如果能通过NPS pro算法，对这些产品进行分类Nps Pro 的情绪计算，可能对酒店选择合适的物料产品、物料产品生产商发掘商机、建立销售目标有所裨益。在此以沐浴产品为例。
模型建立
关键词打标： 对洗浴产品进行关键字打标匹配。例如：洗发水、沐浴露、洗漱用品、香波、护发素等。
数据获取
数据：通过爬虫获取项目酒店点评多个点评网站上的全量数据。
酒店选择：可以选择全量酒店，也可以选择使用某产品的酒店，或者某集团。
数据处理
用NPS pro法进行产品数据分析，得出结果。
后续探索
目前计算仅限于客人主动提及品牌，如果可以将每个酒店的产品品牌录入酒店信息，当能分析出更有针对性的结果。酒店可以基于此客户体验和产品价格，选择性价比最合适的产品，提高客户入住体验和好评率。
名词解释：
NPS
Net Promoter Score，净推荐值，又称净促进者得分，亦可称口碑，是一种计量某个客户将会向其他人推荐某个企业或服务可能性的指数。净推荐值是等于推荐者所占的百分比减去批评者所占的百分比。
净推荐值(NPS)=(推荐者数/总样本数)×100%-(贬损者数/总样本数)×100%
NPS Pro
利用文本挖掘技术，将文本截取成若干主题，每个主题用情绪算法得出的正面情绪分和负面情绪分，正面情绪百分比减去负面情绪百分比，得出NPS pro得分。
24-11-2224-11-2224-11-2224-11-21
