去年一篇博客对比了旅游电商和传统电商的差异，本文从会员营销角度分享一些心得和思考。

引言

经典的电商会员营销模式可以描述成一个n次方的正方体，x向是单个用户的行为历史，y向是产品分类，每个面就是一个用户的所有信息：在哪个时间点，与哪个产品进行了某种互动；z轴是多个用户的集合，整体可以想象成一个巨大的“魔方”。下面让我们转动这个魔方。

最基础的会员营销只需要魔方的一个面：根据消费历史，推荐可能喜欢的产品，例如小明7月份买过一条牛仔裤，那么9月份促销时从牛仔裤分类取新品，推给小明，相信读者大多数也体验过。

稍微进阶的是，小明7月买过牛仔裤，没买过其他东西，根据y轴的牛仔裤，我们通过z轴看其他用户，看到“其他购买牛仔裤的用户”在9月份还买了T恤，于是9月份我们将T恤推荐给小明，这是基于“买同类东西的人多少有些近似”这个假设。

写到这里想到中学时候，一本叫《电子游戏软件》的杂志，对于“经过统计，爱玩游戏的孩子更容易犯罪”的反驳方式是“经过统计，少年犯大多爱穿运动鞋，因此爱穿运动鞋的孩子更容易犯罪”，可以看出目前电商推荐算法还是比较摸索的阶段。

这两招虽然初级，但用在女装、书籍、生活用品等方面都没问题，转化效果很好（特别还有亚马逊这个洋气的案例在），于是很多人开始把成功经验搬到在线旅游，发现坑爹了。

一、首先是x轴-用户行为历史

传统理论的假设是，用户的需求是“相对稳定”的，显然看什么书、穿什么衣服对同一个人来说，是相对稳定的，很难想象一个金融产品经理会忽然穿起美少女战士的服装。

然而旅游并非如此，旅游行为需求深受用户多重社会身份、不同生活阶段的影响。作为一个员工、一个父亲、一个驴友，行为模式完全不同；而结婚、生小孩等人生里程碑，更是深刻影响旅行需求。

OTA虽然拥有大量数据，但对于这些历史纪录究竟“属于哪个社会身份”的判断，远不如淘宝这样综合购物网站来的准确。各种记录混在一起预测，相当有风险。更为棘手的是，旅行的频次一般来说比买书买衣服要低，样本少，分类无依据，变化频繁，因此旅游网站根据历史信息获得的预测，很可能是完全过时，不适用的。

x轴上旅行产品比较适用的，只有实时性很强的，根据用户当前搜索情况，给出的推荐，例如rtb广告，booking上的推荐您曾经搜过的城市，或者各ota都有的航班动态。稍微放长远一些的，根据历史行为的会员个性化推荐成功率，相比其他电商种类要差得多。

这里值得一提的是商旅，商旅出行有明显的规律，而且每个公司会有一系列差旅政策来划分边界，用户行为里虽然有寻租动机干扰（例如商旅用户大都喜欢住连锁，飞同一个航空联盟，不一定是因为服务好，可能只是因为积分可以自己用），但由于身份单一，干扰少，总体是可预测的，因此有很大的优化空间，但不在本文B2C电商的讨论范围。

二、其次是y轴－产品分类属性

产品方面，传统电商里的产品SKU的分类属性是“相对稳定”的。我们都知道衣服尺码是有严格标准的，无论在门店还是在任何一个网站，同一件衣服一般不会有不同的尺码，这是推荐的重要基础。

那么旅行产品的问题在哪呢，就是几乎没有标准。一个酒店的属性，除了最关键的位置、交通和价格，还有一大堆筛选，常见的取消政策、含几个早，更细节的家庭房、老年人设施、可否带宠物、是否有无烟房、是否有国籍、时间限制等等，这些有没有一个量化成衣服尺码那样的标准呢？目前现状是，酒店行业仍然是传统行业，产品信息录入和组合中仍然有大量人工介入，不能完全自动化。

实际上旅游行业的“产品经理”多年来就是指“组合旅游产品的业务经理”，和互联网的产品经理完全是两码事，这个职位一直是销售的核心，正是因为旅游产品非标准化和过多的个性条件。

我们常常可以看到，虽然手握大量数据，但为了确保推荐有效，ota最后拿出来的edm里就是用”同一个城市”，这或许是为什么ota经常被其他电商看做“明明有一大堆数据却偏偏不用”、“技术很弱”。

另一方面，由于旅游产品对时间极度敏感，保鲜期很短，过多过细的分类，使得根据y轴的“产品偏好”来推荐经常变成一件尴尬的事情，筛选完了根本就没结果。针对这一点，booking在搜索列表页强调“近期满房程度”，推荐用户及早调整出行计划，而不是仅仅根据会员行为历史调节酒店出现的顺序，这是一种非常适合ota实际情况的推荐做法。

三、最后是z轴－用户群体相互预测

有过近似消费行为、近似消费对象的用户群体，是否可以互相复制、预测需求呢？也就是假设排除了用户自身需求的变化，也排除了产品非标准带来的变化，是不是就可以预测和推荐了呢？

相对来说，这是比较靠谱的阶段了，唯一的漏洞是“时间性”，这上面仍然有一大堆说不清道不明的“协变量”在影响在线旅行产品。例如政策、天气、空难、传染病、流行风向、各种突发新闻，太多因素可以让冷门目的地瞬间变热，热门景点瞬间没人，所谓的“黑天鹅”，传统行业是几百只天鹅里难得一只黑的，在旅游行业是一大群黑天鹅就没几只白的。也就是说，旅行行业里“商业直觉”的重要性仍然是高于理性分析手段的。

综上三点，不难看出，ota吸引客人的关键仍然在资源争夺--是否在需要订房、需要改房的时候有房，需要订机票、需要改机票的时候有机票。会员层面由于ota本身对会员属性的甄别能力是不足的，相当有赖于通过开放平台和分销合作方的联动。产品复杂度带来的自动推荐困难，恐怕没有好的方法，旅行产品目前仍然离不开人工选品和组合，想靠“算法”解决的，要么是真心有足够大、足够全的产品和用户数据，要么是骗投资人钱来的。

当然了基于酒店、机票产品的动态收益管理是可以做的，因为相比面向单个用户来说，成规模的酒店和机票销售的预测精准度要可控得多，又是另一个话题了本文不多展开。