摘 要 飯店是否能制定並執行切實可行的 營銷 戰略正是取決於飯店對客戶偏好和行為特徵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挖掘出詳細有效的客戶行為特徵信息。
關鍵詞 飯店業 數據挖掘 決策樹
隨著中國 加入ＷＴＯ以及全球 經濟 一體化進程的加快,當大量國外資本紛紛進入飯店業以後,飯店 市場 的競爭可能會進一步激化。作為飯店，它當然清楚顧客希望飯店能提供舒適清潔的 環境 、快捷的登記入住和結賬手續、價格合理、服務員有禮貌、設施齊全……但是哪些才是顧客認為最關鍵、最重要的呢？他們和顧客光顧行為等方面有怎樣的聯繫呢？特別是在資源有限的情況下，飯店當然無法面面俱到。所以飯店 管理 者必須尋找對顧客行為影響 最大的因素，並把這些信息轉化為有競爭力的營銷戰略從某種程度上，我們可以說飯店是否能制定並執行切實可行的市場戰略正是取決於飯店對客戶偏好和行為特徵的了解是否正確和全面。因此，飯店需要利用數據挖掘技術來發掘有效的客戶特徵信息。
1 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。從商業角度來看，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資料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。
正是數據挖掘能夠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徵的重要助臂；也正是由於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。比如：Hilton Corporation在它的 Beverly Hills總部使用了E.piphany E.4 軟體，Starwood Corporation也引進了U?鄄nica Corp的Affmium 軟體。
2 有效使用數據挖掘技術
數據挖掘技術對於希望了解和預測顧客行為的飯店來說是十分有用的工具，如果使用不當，它是無法給我們提供幫助的。有效使用數據挖掘技術，就必須注意以下幾點。
2.1 定義明確的商業目標
開發任何數據挖掘模型，都應該遵守目標同樣的規則：明確的目標，恰當的數據準備，合適的工具和技術，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。
2.2 收集支持模型的數據
數據準備是數據挖掘模型開發過程的第一個步驟，也最重要的步驟之一。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部分的工作———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佳的數據。在有了建模所需的完整數據集以後，下一步需要對數據進行清理。其次，為了使後面的挖掘工作易於進行，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。第三，在擁有明確的目標和乾淨、準確的數據之後，還需要進行數據轉換（將數據轉換為適於挖掘的形式）和數據歸約，使數據能夠發揮最佳效果。
2.3 選擇適合的數據挖掘工具
數據挖掘工具有很多，比如：規則歸納、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計劃的目標來選擇最適合的工具。
2.4 驗證模型的重要性
模型的驗證工作是十分重要的，不能通過驗證的模型是沒有任何商業意義的。模型開發的一個就是重要準則是：用模型開發過程中未使用過的數據來驗證模型。這個準則可以 檢驗 模型的健壯性。如果模型驗證的結果不佳，可能是由於數據有問題 、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，就必須使用合適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後，就可以利用這些信息來制定合適的營銷戰略。通過這種方式，我們就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。
3 飯店使用數據挖掘技術的一個實例
下面這個例子是基於韓國豪華飯店的一個實例研究 ，旨在說明數據挖掘技術在飯店業的有效性和實用性，並藉此案例進一步簡要闡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，並以此作為飯店制定可行營銷戰略的重要基礎。
為了獲取飯店顧客的行為模式，研究者選擇了韓國漢城的11家飯店，並在光顧這11家飯店的顧客中精心挑選出281位顧客，對其進行了相關的問卷 調查 。問卷主要考察了顧客個人資料數據（年齡、性別、國籍、職業）；顧客的行為數據（旅行的目的、過去光顧飯店的頻率、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（對飯店服務員的禮貌、快速/平滑處理顧客投訴、預訂的便利性、前台服務等方面的滿意程度……）這三方面１０多項數據。值得強調的是，研究者為模型選擇的數據是基於對飯店業本身以及顧客、市場情況等方面透徹理解之上的，比如研究者所考察的顧客對於飯店提供的某些服務的滿意度數據，是從已經被證實與飯店服務質量緊密相關的屬性中挑選出來的。同時應指出，由於顧客滿意度數據等是無法從飯店資料庫得到的，所以研究者使用了問卷調查這一方式對建模數據進行了確認和完善。
在獲得了建模所需的數據之後，研究者首先對收集的數據進行了清理，因為數據可能不準確必然導致數據挖掘模型實施的失敗。同時還對一些計算 機難以識別的數據進行處理，研究者主要是把對一些顧客屬性數據轉化為了簡單的、便於處理的數字。比如：把顧客對各項指標的滿意度屬性都轉化為：5=非常滿意，4＝比較滿意，3＝一般，2＝比較不滿意，1＝完全不滿意；飯店把性別屬性轉化為0＝男性，1＝女性；把顧客 旅遊 目的轉化為1＝商務旅行，2＝旅遊。
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個人信息、對飯店各項服務或設施的滿意度情況之間的相互關係。而挖掘出的信息的商業價值在於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。
正是由於上述各種原因，研究者在諸多數據挖掘技術中選擇了結構和生成規則易於理解的決策樹。生成決策樹的過程如圖所示。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多條有關規則。
挖掘出的這50多條規則中，有一些規則是比較明顯的，是有經驗的飯店管理者在管理工作中已經發現或是可以察覺的規則；而另一些規則卻是潛在的、是飯店管理者不易察覺或無法察覺的。同時，挖掘出來的這50多條規則並不一定都是有用的或是有意義的，在管理者具體把這些規則用於實踐中時，不同的商業目標往往需要不同的規則作為基礎。
比如，研究者挖掘出了如下有關顧客光顧情況的規則：若顧客為３０多歲的男性或３０～４０多歲的女性，並已經光顧過某個飯店４次，那麼這位顧客很有可能再光顧這家飯店或與之類似的飯店；而４０多歲的男性顧客已經光顧過某家飯店４次，則不太可能再次光顧這家飯店或與之類似的飯店；光顧過某家飯店多於５次的女性顧客很可能再光顧這家飯店或與之類似的飯店１０次以上；如果顧客已經光顧過某家飯店２次，而且他住在飯店的標準層，又是直接在飯店預訂房間的，同時他對於飯店房間的大小比較滿意，那麼這位顧客很可能再光顧這家飯店或與之類似的飯店５～９次。
上述有關顧客光顧情況表明：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顧過本飯店４次的４０多歲的男性顧客，並把已經光顧過本飯店５次以上的女性顧客定位為最有價值顧客，同時把已經光顧過本飯店４次的３０多歲的男性和３０～４０多歲的女性定位為比較有價值顧客。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計劃，以保留核心顧客，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，並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，且已經光顧過飯店兩次的顧客進行顧客有效的保留措施。
4 結語
上面所提到的只是數據挖掘運用到飯店營銷中的一個例子。數據挖掘技術對於希望了解和預測顧客行為的飯店來說，是十分有用的工具。但是，數據挖掘僅僅是許多幫助飯店尋求決策支持的許多方法 中的一種，也必然有它的局限；我們也不能說數據挖掘就是飯店成功營銷的保證。在實際中運作中，有飯店業建模經驗的數據挖掘工作者是十分必要的；我們還常常需要把數據挖掘技術和其他一些方法結合起來使用，以便飯店能夠根據挖掘出來的信息，能夠做出相對最優的營銷決策，比如飯店應和哪些顧客保持最密切的聯繫，對能夠給飯店帶來利潤的顧客進行目標定位並提供相應的激勵。挖掘出來的信息還可以運用於飯店進行市場細分、開拓新的市場、創建個性化服務、有效提供直郵服務等很多方面。有效的運用數據挖掘工具，並將看似無規律 可言的數據或資料轉化為切實可行的措施，必然能夠給我國的飯店業帶來優勢明顯的競爭力。
關鍵詞 飯店業 數據挖掘 決策樹
隨著中國 加入ＷＴＯ以及全球 經濟 一體化進程的加快,當大量國外資本紛紛進入飯店業以後,飯店 市場 的競爭可能會進一步激化。作為飯店，它當然清楚顧客希望飯店能提供舒適清潔的 環境 、快捷的登記入住和結賬手續、價格合理、服務員有禮貌、設施齊全……但是哪些才是顧客認為最關鍵、最重要的呢？他們和顧客光顧行為等方面有怎樣的聯繫呢？特別是在資源有限的情況下，飯店當然無法面面俱到。所以飯店 管理 者必須尋找對顧客行為影響 最大的因素，並把這些信息轉化為有競爭力的營銷戰略從某種程度上，我們可以說飯店是否能制定並執行切實可行的市場戰略正是取決於飯店對客戶偏好和行為特徵的了解是否正確和全面。因此，飯店需要利用數據挖掘技術來發掘有效的客戶特徵信息。
1 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。從商業角度來看，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資料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。
正是數據挖掘能夠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徵的重要助臂；也正是由於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。比如：Hilton Corporation在它的 Beverly Hills總部使用了E.piphany E.4 軟體，Starwood Corporation也引進了U?鄄nica Corp的Affmium 軟體。
2 有效使用數據挖掘技術
數據挖掘技術對於希望了解和預測顧客行為的飯店來說是十分有用的工具，如果使用不當，它是無法給我們提供幫助的。有效使用數據挖掘技術，就必須注意以下幾點。
2.1 定義明確的商業目標
開發任何數據挖掘模型，都應該遵守目標同樣的規則：明確的目標，恰當的數據準備，合適的工具和技術，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。
2.2 收集支持模型的數據
數據準備是數據挖掘模型開發過程的第一個步驟，也最重要的步驟之一。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部分的工作———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佳的數據。在有了建模所需的完整數據集以後，下一步需要對數據進行清理。其次，為了使後面的挖掘工作易於進行，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。第三，在擁有明確的目標和乾淨、準確的數據之後，還需要進行數據轉換（將數據轉換為適於挖掘的形式）和數據歸約，使數據能夠發揮最佳效果。
2.3 選擇適合的數據挖掘工具
數據挖掘工具有很多，比如：規則歸納、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計劃的目標來選擇最適合的工具。
2.4 驗證模型的重要性
模型的驗證工作是十分重要的，不能通過驗證的模型是沒有任何商業意義的。模型開發的一個就是重要準則是：用模型開發過程中未使用過的數據來驗證模型。這個準則可以 檢驗 模型的健壯性。如果模型驗證的結果不佳，可能是由於數據有問題 、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，就必須使用合適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後，就可以利用這些信息來制定合適的營銷戰略。通過這種方式，我們就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。
3 飯店使用數據挖掘技術的一個實例
下面這個例子是基於韓國豪華飯店的一個實例研究 ，旨在說明數據挖掘技術在飯店業的有效性和實用性，並藉此案例進一步簡要闡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，並以此作為飯店制定可行營銷戰略的重要基礎。
為了獲取飯店顧客的行為模式，研究者選擇了韓國漢城的11家飯店，並在光顧這11家飯店的顧客中精心挑選出281位顧客，對其進行了相關的問卷 調查 。問卷主要考察了顧客個人資料數據（年齡、性別、國籍、職業）；顧客的行為數據（旅行的目的、過去光顧飯店的頻率、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（對飯店服務員的禮貌、快速/平滑處理顧客投訴、預訂的便利性、前台服務等方面的滿意程度……）這三方面１０多項數據。值得強調的是，研究者為模型選擇的數據是基於對飯店業本身以及顧客、市場情況等方面透徹理解之上的，比如研究者所考察的顧客對於飯店提供的某些服務的滿意度數據，是從已經被證實與飯店服務質量緊密相關的屬性中挑選出來的。同時應指出，由於顧客滿意度數據等是無法從飯店資料庫得到的，所以研究者使用了問卷調查這一方式對建模數據進行了確認和完善。
在獲得了建模所需的數據之後，研究者首先對收集的數據進行了清理，因為數據可能不準確必然導致數據挖掘模型實施的失敗。同時還對一些計算 機難以識別的數據進行處理，研究者主要是把對一些顧客屬性數據轉化為了簡單的、便於處理的數字。比如：把顧客對各項指標的滿意度屬性都轉化為：5=非常滿意，4＝比較滿意，3＝一般，2＝比較不滿意，1＝完全不滿意；飯店把性別屬性轉化為0＝男性，1＝女性；把顧客 旅遊 目的轉化為1＝商務旅行，2＝旅遊。
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個人信息、對飯店各項服務或設施的滿意度情況之間的相互關係。而挖掘出的信息的商業價值在於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。
正是由於上述各種原因，研究者在諸多數據挖掘技術中選擇了結構和生成規則易於理解的決策樹。生成決策樹的過程如圖所示。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多條有關規則。
挖掘出的這50多條規則中，有一些規則是比較明顯的，是有經驗的飯店管理者在管理工作中已經發現或是可以察覺的規則；而另一些規則卻是潛在的、是飯店管理者不易察覺或無法察覺的。同時，挖掘出來的這50多條規則並不一定都是有用的或是有意義的，在管理者具體把這些規則用於實踐中時，不同的商業目標往往需要不同的規則作為基礎。
比如，研究者挖掘出了如下有關顧客光顧情況的規則：若顧客為３０多歲的男性或３０～４０多歲的女性，並已經光顧過某個飯店４次，那麼這位顧客很有可能再光顧這家飯店或與之類似的飯店；而４０多歲的男性顧客已經光顧過某家飯店４次，則不太可能再次光顧這家飯店或與之類似的飯店；光顧過某家飯店多於５次的女性顧客很可能再光顧這家飯店或與之類似的飯店１０次以上；如果顧客已經光顧過某家飯店２次，而且他住在飯店的標準層，又是直接在飯店預訂房間的，同時他對於飯店房間的大小比較滿意，那麼這位顧客很可能再光顧這家飯店或與之類似的飯店５～９次。
上述有關顧客光顧情況表明：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顧過本飯店４次的４０多歲的男性顧客，並把已經光顧過本飯店５次以上的女性顧客定位為最有價值顧客，同時把已經光顧過本飯店４次的３０多歲的男性和３０～４０多歲的女性定位為比較有價值顧客。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計劃，以保留核心顧客，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，並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，且已經光顧過飯店兩次的顧客進行顧客有效的保留措施。
4 結語
上面所提到的只是數據挖掘運用到飯店營銷中的一個例子。數據挖掘技術對於希望了解和預測顧客行為的飯店來說，是十分有用的工具。但是，數據挖掘僅僅是許多幫助飯店尋求決策支持的許多方法 中的一種，也必然有它的局限；我們也不能說數據挖掘就是飯店成功營銷的保證。在實際中運作中，有飯店業建模經驗的數據挖掘工作者是十分必要的；我們還常常需要把數據挖掘技術和其他一些方法結合起來使用，以便飯店能夠根據挖掘出來的信息，能夠做出相對最優的營銷決策，比如飯店應和哪些顧客保持最密切的聯繫，對能夠給飯店帶來利潤的顧客進行目標定位並提供相應的激勵。挖掘出來的信息還可以運用於飯店進行市場細分、開拓新的市場、創建個性化服務、有效提供直郵服務等很多方面。有效的運用數據挖掘工具，並將看似無規律 可言的數據或資料轉化為切實可行的措施，必然能夠給我國的飯店業帶來優勢明顯的競爭力。
收藏