如何在一次又一次的時下熱潮中，讓自己的旅行產(chǎn)品賣成爆品，正是旅行社所密切關(guān)心的。我們以三亞跟團游在線旅游產(chǎn)品為例，對銷量的各個可能影響因素進行描述建模，并對消費者評論內(nèi)容進行詞頻統(tǒng)計、利用LDA模型進行主題挖掘，將文本挖掘得到的主題出現(xiàn)概率作為衍生自變量加入到后續(xù)回歸模型中，最終以產(chǎn)品是否有歷史銷量和月平均銷量分布作為因變量建立模型，為旅行社探索挖掘相關(guān)信息，提供修改旅行產(chǎn)品的建議。

背景介紹

沙灘、椰風(fēng)、海韻，三亞這座城市擁有60%的森林覆蓋率，209.1公里的海岸線，擁有19處優(yōu)質(zhì)海灣。近十年，三亞已建成23處別具特色的旅游景區(qū)，例如：三亞灣椰夢長廊、西島海上游樂世界、“蜈支洲島”度假中心、天涯海角風(fēng)景區(qū)等。三亞現(xiàn)有近200家旅游飯店，四、五星級酒店近30家。2018年，三亞市接待游客總?cè)藬?shù)2242.57萬人次，比2017年增長11.3%。全年旅游總收入514.73億元。全市共有A級及以上景區(qū)14處，其中，5A景區(qū)3處，4A景區(qū)5處。三亞已經(jīng)形成完整、極具吸引力的旅游產(chǎn)品體系，這就是本文之所以選取三亞這座城市作為研究目標(biāo)的原因。

縱觀線上旅游市場，OTA市場交易規(guī)模平穩(wěn)增長，在線產(chǎn)品預(yù)定也呈多元化發(fā)展。在線旅游業(yè)的整體格局已經(jīng)趨于穩(wěn)定，隨著旅行細(xì)分市場運營發(fā)展日益精細(xì)化，在線旅游市場份額日趨穩(wěn)定，突圍壁壘增高，窗口逐漸縮小，市場集中度進一步提升。2018年在線旅游交易額達到1.2萬億。

據(jù)某網(wǎng)站發(fā)布的報告顯示，有超過70%的游客在外出旅游時選擇了跟團游產(chǎn)品，以家庭為單位的私家團人數(shù)更是暴增105%。跟團游產(chǎn)品仍然火爆，在線旅游蓬勃的發(fā)展以及市場交易額也不斷擴大，那么如此廣闊的市場發(fā)展前景就必然成為商家的必爭之地。這么多線上旅行社如何在競爭激烈的市場上，拔得頭籌，將自己的產(chǎn)品賣成爆品？

小編決定從“獲客困難”這一問題為切入口，基于線上三亞跟團游產(chǎn)品銷量的影響因素分析，為旅行社獲得更多銷量及更高利潤，并從消費者評論角度直擊旅行社痛點。

數(shù)據(jù)描述

本文所使用的數(shù)據(jù)抓取自某大型在線旅游網(wǎng)，選擇所有熱門城市為出發(fā)地逐個爬取，并去重，留下共1813條樣本，每條數(shù)據(jù)代表一個三亞跟團游產(chǎn)品的相關(guān)信息。其中有銷量信息的樣本共610條，有評論信息的共455條。

描述分析

我們發(fā)現(xiàn)所爬取1813條數(shù)據(jù)中，有銷量信息的跟團游產(chǎn)品經(jīng)610個，故本次研究將因變量一分為二，首先對產(chǎn)品是否有歷史銷量進行影響因素分析。再對有銷量的產(chǎn)品進行銷量標(biāo)準(zhǔn)化處理，分析其影響因素。

01 因變量：線上三亞跟團游產(chǎn)品是否有銷量

該網(wǎng)上所有三亞跟團游產(chǎn)品有歷史銷量的僅由610個，占比33.6%。

自變量描述，以是否有購物、產(chǎn)品價格是否可見行程地圖為例。分析如下：

我們發(fā)現(xiàn)無購物的跟團游產(chǎn)品獲客能力比有購物的產(chǎn)品強，有銷量的產(chǎn)品總體價格低于無銷量的產(chǎn)品。

可見行程地圖的產(chǎn)品獲客能力明顯強于不可見行程地圖的產(chǎn)品，行程地圖的展示能幫助消費者直觀了解整體行程，也能使消費者更愿意長時間停留在該產(chǎn)品頁面上，提高購買概率。

02 因變量：三亞跟團游產(chǎn)品月平均銷量

我們選取所有有歷史銷量的產(chǎn)品，利用產(chǎn)品評論最早日期代替上線日期，進行標(biāo)準(zhǔn)化處理，排除上線時長對銷量的影響，得到我們所關(guān)心的因變量——三亞跟團游產(chǎn)品月平均銷量。做對數(shù)處理，繪制如下直方圖，整體呈右偏分布，大部分產(chǎn)品銷量小于10(人/月)。銷量最大值高達700.87(人/月)，來自該網(wǎng)旅游自營的海南三亞5鉆5日4晚跟團游產(chǎn)品。

自變量描述，以行程天數(shù)、總共景點個數(shù)與產(chǎn)品好評率為例。分析如下：

行程天數(shù)在3天到9天的跟團游產(chǎn)品最受消費者歡迎，旅行社在制定產(chǎn)品的時候應(yīng)該更多的制定行程在這一范圍之間的產(chǎn)品。行程中景點個數(shù)在3至9個的產(chǎn)品銷量離散值較多，可見三亞跟團游爆品所安排的旅行景點總數(shù)集中在3至9個范圍內(nèi)。旅行社在安排跟團游景點個數(shù)的時候需要適中，過多景點個數(shù)會導(dǎo)致成本增加。

好評率是使用過該產(chǎn)品的消費者所帶來的量化反饋，反映大眾對產(chǎn)品的看法。我們由圖可知，好評率在96%~99%的產(chǎn)品總體銷量明顯高于其他范圍的產(chǎn)品，三亞跟團游的爆品也出現(xiàn)在這個好評率范圍內(nèi)。

有趣的是，存在一部分滿意度高達100%但銷量卻不高的產(chǎn)品，可能原因是這些產(chǎn)品是該網(wǎng)站上較新的產(chǎn)品，也可能因為廣告宣傳力度不夠大，導(dǎo)致部分質(zhì)量高的產(chǎn)品沒被大眾所發(fā)現(xiàn)。

評論內(nèi)容總體描述

首先我們將該網(wǎng)上所有跟團游的產(chǎn)品評論信息全部爬取出來，共455個商品有評論內(nèi)容。經(jīng)過去停用詞、新增語料庫、分詞，再令評分大于3分的劃分為好評，其余為差評，各選取出現(xiàn)頻率top140的詞繪制如下詞云圖。好評中出現(xiàn)頻率最多的詞有：酒店、服務(wù)、幽默、熱情、景點等等。而差評中出現(xiàn)最多的詞是：酒店、購物、自費、客服、時間、項目等。

基于LDA對評論內(nèi)容主題模型建立

我們將該455個產(chǎn)品的所有評論內(nèi)容進行預(yù)處理，利用LDA模型進行主題挖掘產(chǎn)品特征。打印了前六個主題模型，并提取頂級詞匯我們對LDA主題模型進行可視化，結(jié)果是一個動態(tài)交互的網(wǎng)頁，下圖僅展示主題4，由下圖右方，可知大體與導(dǎo)游因素有關(guān)。

同樣地，對其它主題同樣進行可視化，根據(jù)每個主題給出的前10個頂級詞匯，下表展示各主題前10個頂級詞匯及其歸納的類別。評論主題一定程度上反映消費者的關(guān)注點與需求。我們?yōu)槊總€產(chǎn)品計算其評論各個主題特征出現(xiàn)的概率，即各個產(chǎn)品在各個類別里的打分，并運用到后續(xù)回歸模型之中，觀察其對銷量的影響是否顯著。

回歸模型建立

01 邏輯回歸(是否有歷史銷量)

1.1 模型建立與解讀

首先我們對該網(wǎng)網(wǎng)上所有三亞跟團游產(chǎn)品，以是否有歷史銷量為因變量建立初始邏輯回歸模型?；贐IC準(zhǔn)則，利用向后逐步回歸，進行變量選擇。得到如下所示最終回歸模型。

從估計的結(jié)果來看，在顯著性水平為0.05的情況下，有以下三點值得關(guān)注：

1.該網(wǎng)自營的產(chǎn)品相比于非該網(wǎng)自營的更容易受到消費者“光顧”；

2.網(wǎng)頁上可見行程地圖的產(chǎn)品比不可見地圖的產(chǎn)品更容易賣得出，這可以結(jié)合網(wǎng)頁上顯示自由活動次數(shù)這一因素，我們發(fā)現(xiàn)只要顯示自由活動次數(shù)的產(chǎn)品相較于無信息的產(chǎn)品獲客能力更強，可見線上旅行產(chǎn)品的“門面”何其重要！

3．有購物的跟團游產(chǎn)品相較于無購物的產(chǎn)品，更不容易被賣出。

1.2 模型的評價

我們建立混淆矩陣，本案例設(shè)置的闕值是樣本的正負(fù)比例(有銷量產(chǎn)品占總產(chǎn)品的比例)。根據(jù)混淆矩陣我們可知，模型的錯分率為44.60%，偏高；TPR(True Positive Rate)為70.05%，預(yù)測1正確的能力較好；FPR(False Positive Rate)為31.67%，錯將1預(yù)測為0的概率降低。AUC=0.77。

1.3．模型運用

02

線性回歸(月平均銷量)

2.1 模型的建立與解讀

該部分，我們選擇月平均銷量作為因變量，建立初始線性回歸模型，利用AIC準(zhǔn)則，向后逐步回歸進行變量選擇。并計算了cook距離，去除強影響點，最終選擇對數(shù)線性回歸模型，得到下表。

F檢驗的p值小于顯著性水平(0.05)，因此模型整體是顯著的，至少有一個自變量對于產(chǎn)品月銷量有顯著影響。本案例的R方為0.633，自變量能夠解釋因變量(跟團游產(chǎn)品月平均銷量)變異的63.3%。

具體解讀如下：

(1)產(chǎn)品自身因素：當(dāng)控制其他因素不變的時候，該網(wǎng)自營的跟團游產(chǎn)品月平均銷量比非該網(wǎng)自營的平均高出80.01%，產(chǎn)品是否安排購物與產(chǎn)品價格仍然是一個很重要的因素。還值得關(guān)注的是跟團游安排的行程天數(shù)，3至9天的產(chǎn)品比3天及以內(nèi)的產(chǎn)品的月平均銷量高出36.58%，太短的行程并不適合大部分人。

(2)產(chǎn)品評價因素：在控制其他因素不變的情況下，好評率提高1%，月平均銷量就會增高2.28%。我們還將挖掘出來的評論內(nèi)容主題在各個產(chǎn)品評論里出現(xiàn)概率放入模型中，發(fā)現(xiàn)吃住因素、導(dǎo)游因素和行程路線的得分是影響產(chǎn)品銷量較強的因素。

2.2 模型評價

下方輸出的一組診斷圖，從殘差圖能夠看出，異方差的現(xiàn)象并不明顯。QQ圖告訴我們，正態(tài)性得到了很好的滿足。而右下角的Cook距離圖顯示，樣本已無強影響點。

2.3 模型應(yīng)用

如下圖回歸系數(shù)可視化展示我們發(fā)現(xiàn)產(chǎn)品好評率所有影響因素中影響力最強的，好評率高說明消費者對該產(chǎn)品的滿意度高，這樣的產(chǎn)品更容易成為“爆品”。

再解釋產(chǎn)品自身因素的影響，從我們的模型中可以看到有三個因素與平均月銷量的負(fù)相關(guān)性很明顯，分別是有購物(基準(zhǔn)組：無購物)、價格和自由活動次數(shù)。

而評論內(nèi)容所挖掘的主題對于月平均銷量的解釋：六個主題中有五個主題對銷量的解釋較為顯著。其中，導(dǎo)游因素的得分與行程線路的得分對平均月銷量的影響較大，這說明，消費者在購買并完成該產(chǎn)品旅程之后，對導(dǎo)游與整體行程安排的印象最深。除此之外，吃住因素的得分對銷量也具有較大影響，而吃住因素的得分自然取決于旅行社設(shè)計跟團游產(chǎn)品的時候是否妥當(dāng)。

不過，同時期的數(shù)據(jù)進行建模，結(jié)果只能用于解釋。但對于平臺方而言，能夠收集到更多的產(chǎn)品信息，可以使用銷量前期對應(yīng)的評論數(shù)等其他信息進行建模，從而可以進一步用于銷量預(yù)測等工作。

總結(jié)與建議

下方是根據(jù)全文分析結(jié)果提出對旅行社的建議：

總結(jié)

以上是生活随笔為你收集整理的帆软所有销量为0的显示为空值_爆品秘籍？—线上三亚跟团游销量影响因素分析...的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。