
攜程攻略社區(qū)馮衛(wèi)華:大數(shù)據(jù)精準推薦決定UGC用戶體驗
經(jīng)過一年的“二次創(chuàng)業(yè)”,攜程的攻略社區(qū)“王者歸來”。攜程近日在發(fā)布第一季度財務業(yè)績時披露,披露攻略社區(qū)用戶數(shù)突破9000萬,每日活躍用戶超過150萬,各類旅游點評總量達3000萬條,明顯領先于業(yè)內(nèi)同行成為中國領先的旅游攻略社區(qū)與點評類網(wǎng)站。
“我們也為新業(yè)務開始獲取行業(yè)領先地位感到非常驕傲:攜程攻略社區(qū)第一季度日均UV同比增長超過300%,已經(jīng)成為中國領先的旅行信息社區(qū)類網(wǎng)站?!睌y程CEO梁建章在財報發(fā)布時表示,去年經(jīng)過重組的社區(qū)攻略業(yè)務發(fā)展迅猛,目前的日均獨立用戶訪問數(shù)(UV)已經(jīng)超過100萬,點評數(shù)超過3000萬條,70%的用戶提交內(nèi)容(UGC)可以被結構化和自動匹配為針對POI的信息,從而為用戶提供更有價值的旅行計劃服務。
統(tǒng)計數(shù)據(jù)顯示,目前攜程攻略社區(qū)的用戶數(shù)、流量、商業(yè)轉化率、用戶分享信息量(點評數(shù),游記數(shù),旅游達人數(shù)量與質量)均達到了業(yè)內(nèi)高值。目前用戶數(shù)已達9000萬,日均活躍用戶數(shù)突破100萬達到150萬,用戶的真實點評總數(shù)也遠超其他同類網(wǎng)站,其中酒店點評總量超過2700萬,日均增加最高超過6萬;景點、餐館點評累積近100萬條。此外,攜程攻略社區(qū)的游記總量接近30萬篇,每日游記新增分享量超過500篇。旅游問答總量超過60萬,每天提問回答量近3000條,都處于行業(yè)領先水平。
攜程攻略社區(qū)事業(yè)部CEO馮衛(wèi)華表示,目前國內(nèi)有數(shù)量巨大的有出行意愿,但尚無明確計劃的用戶,需要有靠譜的平臺提供參考、決策、購買一站式服務,而中國目前尚無此類優(yōu)秀的服務提供商,這個市場不僅沒有飽和,反而存在著巨大的機會?!白鳛閿y程的一部分,攜程攻略社區(qū)的最大特征是,信息與商品無縫對接,提供從旅游信息到預訂的一站式服務,與其他攻略、社區(qū)網(wǎng)站形成明顯差異?!?/span>
2013年,攻略社區(qū)事業(yè)部作為攜程提出“二次創(chuàng)業(yè)”后的第一個單獨事業(yè)單元成立。在一年中通過快速整合、重構系統(tǒng),研發(fā)了跨手機、PC終端的一系列產(chǎn)品,滿足用戶行前決策、購買,行中行后社交、記錄、分享的需求,在一年的時間內(nèi)成為中國最大的旅游攻略和旅行決策服務的社區(qū)。
目前攜程攻略社區(qū)提供全球5萬個目的地旅游指南、游記攻略、問答等信息,有數(shù)百個旅游機構入駐、數(shù)千名攜程旅行家和目的地專家??蛻艨梢栽谀康牡睾凸ヂ灾校杆僬业疆敿咀钸m合的旅行地以及吃喝玩樂信息,還能在游記中獲得對旅行地的感同身受,也可以通過即時問答獲得全世界目的地專家的個性化咨詢。用戶在社區(qū)查詢信息、作完決策,都可以直接預訂機票、酒店、自由行、度假、用車、火車票以及門票等各類產(chǎn)品。
如攜程APP中“攻略”頻道,除了指南游記外,在目的地的同一個頁面中查找到出行的吃住行游購娛的信息和商品,與景點門票、酒店、旅行線路打通,用戶可以選擇自己感興趣的產(chǎn)品直接下單。 “如果把一站式預訂比作漏斗,攻略社區(qū)更像是漏斗上方,作為入口,將用戶轉化為下單用戶?!瘪T衛(wèi)華表示,國內(nèi)沒有一家平臺能像攜程擁有如此海量的商品數(shù)據(jù)、信息數(shù)據(jù)、會員數(shù)據(jù),基于大數(shù)據(jù)技術的精準推薦,給用戶帶來很好的體驗。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
訓練與驗證損失驟升:機器學習訓練中的異常診斷與解決方案 在機器學習模型訓練過程中,“損失曲線” 是反映模型學習狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉型加速的今天,企業(yè)對數(shù)據(jù)的需求已從 “存儲” 轉向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計基本概念成為業(yè)務決策的底層邏輯 統(tǒng)計基本概念是商業(yè)數(shù)據(jù)分析的 “基礎語言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結構數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結構數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉換:從基礎用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預期算子的內(nèi)涵、作用與應用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結構數(shù)據(jù)特征價值的專業(yè)核心 表結構數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結構化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應用 在數(shù)據(jù)分析與統(tǒng)計學領域,假設檢驗是驗證研究假設、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結構數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結構數(shù)據(jù)(以 “行 - 列” 存儲的結構化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結構數(shù)據(jù)價值的核心操盤手 表格結構數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務邏輯:從規(guī)則拆解到數(shù)據(jù)把關的實戰(zhàn)指南 在業(yè)務系統(tǒng)落地過程中,“業(yè)務邏輯” 是連接 “需求設計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11