★★★文檔資源★★★

內容摘要：在日益劇烈的業內競爭壓力下，飯店是否能制定并執行切實可行的市場戰略，關鍵取決于該飯店管理者對其顧客的偏好、以及影響顧客行為的因素了解得是否正確和全面。數據挖掘技術正可以為飯店管理者提供這樣一個全面、深刻了解顧客行為的窗口。有效的運用數據挖掘工具，并將獲得的信息轉化為切實可行的措施，能夠給我們的飯店帶來優勢明顯的競爭力。

關鍵詞：飯店業

數據挖掘

決策樹

數據挖掘概述

數據挖掘是指從大量的、不完全的、有噪聲的、模糊的、隨機的實際應用數據中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。從商業角度，數據挖掘是一種新的商業信息處理技術，其主要特點是對商業數據庫中的大量業務數據進行抽取、轉換、分析和其他模型化處理，從中提取輔助商業決策的關鍵性數據。

據統計，數據開掘技術能夠發現和跟蹤數據集合中潛在的模式，因此，有人認為，在數據庫中，處理隱藏的知識、不可意料的模式和新規那么的發現的所有方法中，數據挖掘是最有效的。如果沒有數據挖掘技術，許多數據就很可能停留在未使用的階段。正是數據挖掘為飯店管理者提供了全面、深入地分析和了解顧客及其行為特征的重要助臂；也正是由于其創造客戶價值的能力，數據挖掘技術已經被國外一些飯店作為一個重要的競爭工具使用。比方：Hilton

Corporation在它的Beverly

Hills總部使用了E.piphany

E.4軟件，Starwood

Corporation也引進了Unica

Corp的Affmium軟件。

數據挖掘的研究方法和步驟

飯店生存與否的關鍵，是它是否有能力為顧客提供令其滿意的效勞和設施，比方飯店的清潔狀況、登記入住和結賬是否方便快捷、飯店效勞員是否有禮貌、價格是否合理等等。

但是要把這些對顧客偏好的了解轉化為有效的競爭力，飯店就需要挖掘有效的客戶特征信息。而飯店是否能制定并執行切實可行的市場戰略正是取決于飯店對客戶偏好和行為特征的了解是否正確和全面。因此，我們首先需要利用數據挖掘技術開掘出詳細有效的客戶特征信息。

定義目標

開發任何數據挖掘模型，都應該遵守目標同樣的規那么：明確的目標，恰當的數據準備，適宜的工具和技術，嚴格的處理和全面的驗證。常常被忽略也最值得強調的是，數據挖掘模型之間最主要的區別是目標的區別。其處理步驟往往是相同的。所以，我們在具體實施中，不僅要從建模的角度強調定義目標的重要性，還需要從商業的角度強調清晰定義目標的重要性。

數據準備

數據準備是數據挖掘模型開發過程的第一個步驟，也是最重要的步驟之一。雖然數據挖掘的工具也很重要，但是數據是框架〔信息庫〕，模型的質量與底層的數據密切相關。數據準備階段包括這幾個局部的工作——數據收集、數據清理、數據集成、數據轉換和數據歸約。

首先我們必須收集支持模型的有關數據。只有對目標主體和市場有非常透徹的理解，才可能為目標模型選擇出最正確的數據。在有了建模所需的完整數據集以后，下一步需要對數據進行清理，即檢查數據，找出錯誤、異常值和缺失值。數據清理是數據準備過程中最花費時間、最乏味，但也是最重要的步驟，因為后面挖掘工作的質量依賴于數據的精確性和正確性。為了使后面的挖掘工作易于進行，我們還需要進行數據集成，即將來自不同數據源的數據整合成一致的數據存儲。在擁有明確的目標和干凈、準確的數據之后，還需要進行數據轉換〔將數據轉換為適于挖掘的形式〕和數據歸約，使數據能夠發揮最正確效果。

選擇數據挖掘工具和技術

數據挖掘工具有很多，比方：規那么歸納、聚類、決策樹、遺傳算法、神經網絡等。每個工具都有它的優點和缺點，不能簡單的說哪種工具好，哪種不好。我們需要針對具體的情況和飯店方案的目標來選擇最適合的工具。

這個步驟包括定義模型結構〔是樹、神經網絡、還是規那么歸納？〕、搜索〔選擇具體的算法〕和驗證〔什么時候算法能夠得到正確的模型并停止計算？〕。

處理、驗證和實現模型

模型開發的一個重要準那么是：用模型開發過程中未使用過的數據來驗證模型。這個準那么可以檢驗模型的健壯性。所以，在準備好數據、選擇好適宜的數據挖掘工具后，需要進行的是模型處理之前最后一個步驟——將數據文件分割成建模數據集和驗證數據集兩個局部。然后，我們就可以用準備好的數據和數據挖掘工具處理模型了。而建立的模型是否健壯，就需要在驗證數據集上檢驗模型。如果模型驗證的結果不佳，可能是由于數據有問題、變量匹配差或建模使用的數據挖掘技術不合理等因素造成的，就需要使用適宜的驗證技術使模型更加嚴格、有效。在成功地挖掘出有用的信息后，就可以利用這些信息來制定適宜的市場戰略。通過這種方式，我們可以把數據挖掘技術挖掘出來的信息轉化成為有效的企業競爭力。

數據挖掘技術在飯店業的應用

這里引用了一個基于韓國豪華飯店的實例研究，旨在說明數據挖掘技術在飯店業的有效性和實用性，并借此案例進一步說明在飯店業使用數據挖掘技術的具體實施過程。這個研究的目標是幫助飯店決策者建立飯店顧客的行為模式，并以此作為飯店制定可行市場戰略的重要根底。

為了最大化地獲取并反映飯店顧客的行為模式，研究者選擇了韓國漢城在經營價格、地理位置等方面都相似的11家飯店，并在光臨這11家飯店的顧客中精挑細選出281位顧客，對其進行了問卷調查。為了獲得顧客情況的數據資料，研究者在問卷調查中通過設定的14個問題，主要考察了與之相關聯的十多項數據。這十多項數據來自以下三個方面：顧客的人口統計學數據〔年齡、性別、國籍、職業〕；顧客的行為數據〔旅行的目的、過去光臨飯店的頻率、選擇的飯店、樓層類型、房間類型、支付方式……〕；顧客的心理或態度數據〔對飯店效勞員的禮貌、快速/平滑處理顧客投訴、預訂的便利性、前臺效勞等方面的滿意程度……〕。值得強調的是，研究者為模型選擇的數據是基于對飯店業本身以及顧客、市場情況等方面透徹理解之上的，比方研究者所考察的顧客對于飯店提供的某些效勞的滿意度數據，是從已經被證實與飯店效勞質量緊密相關的屬性中挑選出來的。同時應指出，由于顧客滿意度數據等是無法從飯店數據庫得到的，所以研究者使用了問卷調查這一方式對建模數據進行了完善。

在獲得了建模所需的數據之后，研究者首先對收集的數據進行了清理，即填寫缺失值，平滑噪聲數據，識別、刪除孤立點，并糾正數據的不一致性。但僅僅有準確的數據是不夠的，還需要對一些數據進行處理。在這個研究實例中，研究者主要是把對一些顧客屬性數據〔包括飯店名稱；顧客的性別、國籍、職業、支付方式、旅行目的、選擇的房間和樓層類型；顧客對飯店預訂房間的便利性、效勞員的禮貌情況、效勞質量、處理顧客投訴情況等方面的滿意程度〕轉化為了簡單的、便于處理的數字。比方：把研究中的11家飯店名稱用數字1-11表示；飯店把性別屬性轉化為0＝男性，1＝女性；把國籍屬性轉化為：1＝美國，2＝歐洲，3＝日本，4＝韓國，5＝除了日韓的亞洲；把顧客對各項指標的滿意度屬性都轉化為：5=非常滿意，4＝比擬滿意，3＝一般，2＝比擬不滿意，1＝完全不滿意；把顧客支付方式轉化為1＝旅行支票，2＝現金，3＝信用卡；把顧客旅游目的轉化為1＝商務旅行，2＝旅游。然后，研究者把所有的數據都安排到一個Excel文件中，并將其轉化為SPSS格式，使后面的工作便于展開。

針對這個研究的目標——預測顧客在飯店選擇、房間類型選擇、支付方式等問題上的顧客行為模式，我們需要挖掘顧客行為模式與其人口統計學資料〔年齡、性別、國籍、職業〕、對飯店各項效勞或設施的滿意度情況之間的相互關系。而挖掘出的信息的商業價值在于為飯店經理人提供決策依據。所以，挖掘出的信息必須是飯店經理人容易理解的。這樣，信息最終才能轉化為飯店的優勢競爭力。

正是由于上述各種原因，研究者在諸多數據挖掘技術中選擇了結構和生成規那么易于理解的決策樹。而在CART、C5.0、CHAID等多種建立決策樹的算法中，研究者選擇了C5.0，是由于其速度快、內存占用小、修剪能力和交互驗證的特征能夠使預測更精確。

為了能在具體實施中僅僅提煉出對飯店管理者設計有關戰略有用的信息，而不是產生大量的規那么集，研究者對訓練數據集設置了一個精確度為50％的閥值，而且只選擇了預測精確性超過80％的規那么。研究者最終使用SPSS的數據挖掘應用工具Clementine還是挖掘出了50多條有關規那么。這50多條規那么從顧客的年齡、國籍、職業、性別、旅行目的、選擇飯店、支付方式、光臨頻率、在飯店的停留時間等各個方面具體剖析了顧客的行為模式，揭示了導致或影響這些顧客行為的各種因素，其中一些能夠為飯店管理者提供決策上的支持。

挖掘出的這50多條規那么中，有一些規那么是比擬明顯的，是有經驗的飯店管理者在管理工作中已經發現或是可以發覺的規那么；而另一些規那么卻是潛在的、是飯店管理者不易發覺或無法發覺的。同時，挖掘出來的這50多條規那么并不一定都是有用的或是有意義的，在管理者具體把這些規那么用于管理實踐中時，不同的戰略目標往往需要不同的規那么作為根底。

比方，研究者挖掘出了如下有關顧客光臨情況的規那么：假設顧客為30多歲的男性或30歲至40多歲的女性，并已經光臨過某個飯店四次，那么這位顧客很有可能再光臨這家飯店或與之類似的飯店；而40多歲的男性顧客已經光臨過某家飯店四次，那么不太可能再次光臨這家飯店或與之類似的飯店；光臨過某家飯店多于五次的女性顧客很可能再光臨這家飯店或與之類似的飯店十次以上；如果顧客已經光臨過某家飯店兩次，而且他住在飯店的標準層，又是直接在飯店預訂房間的，同時他對于飯店房間的大小比擬滿意，那么這位顧客很可能再光臨這家飯店或與之類似的飯店五到九次。

上述有關顧客光臨情況說明：這家飯店的管理者在對有價值顧客進行定位時，可以首先排除已經光臨過本飯店四次的40多歲的男性顧客，并把已經光臨過本飯店五次以上的女性顧客定位為最有價值顧客，同時把已經光臨過本飯店四次的30多歲的男性和30至40多歲的女性定位為比擬有價值顧客。這樣，管理者就可以通過諸如僅針對有價值顧客進行常客獎勵方案，以保存核心顧客，培養其忠誠度；同時飯店還可以注意顧客預訂房間的方式和選擇的房間類型，并使飯店房間的布置更顯寬敞來提高顧客滿意度，著重對直接預訂標準層房間，且已經光臨過飯店兩次的顧客進行顧客有效的保存措施。

當然，上面所提到的定位有價值顧客和顧客保存只是數據挖掘運用到飯店管理中的兩個例子；在實際中，這些挖掘出來的規那么還可以運用于飯店市場拓展、市場細分、顧客需求分析、創立個性化效勞等很多方面。有效的運用數據挖掘工具，并將其轉化為切實可行的措施，能夠給我們的飯店帶來極具競爭力的優勢。特別是在數據挖掘技術在飯店業的應用還處于初始階段的今天，早期有效采用數據挖掘技術能使其在飯店業中提升地位，更具競爭力。

參考資料：

1.劉靜艷、顏亮，酒店常客獎勵方案在我國的應用[J]，旅游科學，2002

2.吳東曉，基于顧客的飯店品牌價值影響因素的實證研究[J]，南開管理評論，2003