饭店营销数据技术管理论文

摘要饭店是否能制定并执行切实可行的营销战略正是取决于饭店对客户偏好和行为特征的了解是否正确和全面，因此，我们首先需要利用数据挖掘技术挖掘出详细有效的客户行为特征信息。

关键词饭店业数据挖掘决策树

随着中国加入WTO以及全球经济一体化进程的加快,当大量国外资本纷纷进入饭店业以后,饭店市场的竞争可能会进一步激化。作为饭店，它当然清楚顾客希望饭店能提供舒适清洁的环境、快捷的登记入住和结账手续、价格合理、服务员有礼貌、设施齐全……但是哪些才是顾客认为最关键、最重要的呢？他们和顾客光顾行为等方面有怎样的联系呢？特别是在资源有限的情况下，饭店当然无法面面俱到。所以饭店管理者必须寻找对顾客行为影响最大的因素，并把这些信息转化为有竞争力的营销战略从某种程度上，我们可以说饭店是否能制定并执行切实可行的市场战略正是取决于饭店对客户偏好和行为特征的了解是否正确和全面。因此，饭店需要利用数据挖掘技术来发掘有效的客户特征信息。

1数据挖掘概述

数据挖掘是指从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。从商业角度来看，数据挖掘是一种新的商业信息处理技术，其主要特点是对商业数据库中的大量业务数据进行抽取、转换、分析和其他模型化处理，从中提取辅助商业决策的关键性数据。

正是数据挖掘能够为饭店管理者提供了全面、深入地分析和了解顾客及其行为特征的重要助臂；也正是由于其创造客户价值的能力，数据挖掘技术已经被国外一些饭店作为一个重要的竞争工具使用。比如：HiltonCorporation在它的BeverlyHills总部使用了E.piphanyE.4软件，StarwoodCorporation也引进了U?鄄nicaCorp的Affmium软件。

2有效使用数据挖掘技术

数据挖掘技术对于希望了解和预测顾客行为的饭店来说是十分有用的工具，如果使用不当，它是无法给我们提供帮助的。有效使用数据挖掘技术，就必须注意以下几点。

2.1定义明确的商业目标

开发任何数据挖掘模型，都应该遵守目标同样的规则：明确的目标，恰当的数据准备，合适的工具和技术，严格的处理和全面的验证。常常被忽略也最值得强调的是，数据挖掘模型之间最主要的区别是目标的区别。其处理步骤往往是相同的。所以，我们在具体实施中，不仅要从建模的角度强调定义目标的重要性，还需要从商业的角度强调清晰定义目标的重要性。

2.2收集支持模型的数据

数据准备是数据挖掘模型开发过程的第一个步骤，也最重要的步骤之一。虽然数据挖掘的工具也很重要，但是数据是框架（信息库），模型的质量与底层的数据密切相关。数据准备阶段包括这几个部分的工作———数据收集、数据清理、数据集成、数据转换和数据归约。

首先，我们必须收集支持模型的有关数据。只有对目标主体和市场有非常透彻的理解，才可能为目标模型选择出最佳的数据。在有了建模所需的完整数据集以后，下一步需要对数据进行清理。其次，为了使后面的挖掘工作易于进行，我们还需要进行数据集成，即将来自不同数据源的数据整合成一致的数据存储。第三，在拥有明确的目标和干净、准确的数据之后，还需要进行数据转换（将数据转换为适于挖掘的形式）和数据归约，使数据能够发挥最佳效果。

2.3选择适合的数据挖掘工具

数据挖掘工具有很多，比如：规则归纳、聚类、决策树、遗传算法、神经网络等。每个工具都有它的优点和缺点，不能简单的说哪种工具好，哪种不好。我们需要针对具体的情况和饭店计划的目标来选择最适合的工具。

2.4验证模型的重要性

模型的验证工作是十分重要的，不能通过验证的模型是没有任何商业意义的。模型开发的一个就是重要准则是：用模型开发过程中未使用过的数据来验证模型。这个准则可以检验模型的健壮性。如果模型验证的结果不佳，可能是由于数据有问题、变量匹配差或建模使用的数据挖掘技术不合理等因素造成的，就必须使用合适的验证技术使模型更加严格、有效。在成功地挖掘出有用的信息后，就可以利用这些信息来制定合适的营销战略。通过这种方式，我们就可以把数据挖掘技术挖掘出来的信息转化成为有效的企业竞争力。

3饭店使用数据挖掘技术的一个实例

下面这个例子是基于韩国豪华饭店的一个实例研究，旨在说明数据挖掘技术在饭店业的有效性和实用性，并借此案例进一步简要阐明在饭店业使用数据挖掘技术的具体实施过程。

这个研究的目标是帮助饭店决策者建立饭店顾客的行为模式，并以此作为饭店制定可行营销战略的重要基础。

为了获取饭店顾客的行为模式，研究者选择了韩国汉城的11家饭店，并在光顾这11家饭店的顾客中精心挑选出281位顾客，对其进行了相关的问卷调查。问卷主要考察了顾客个人资料数据（年龄、性别、国籍、职业）；顾客的行为数据（旅行的目的、过去光顾饭店的频率、选择的饭店、楼层类型、房间类型、支付方式……）；顾客的心理或态度数据（对饭店服务员的礼貌、快速/平滑处理顾客投诉、预订的便利性、前台服务等方面的满意程度……）这三方面10多项数据。值得强调的是，研究者为模型选择的数据是基于对饭店业本身以及顾客、市场情况等方面透彻理解之上的，比如研究者所考察的顾客对于饭店提供的某些服务的满意度数据，是从已经被证实与饭店服务质量紧密相关的属性中挑选出来的。同时应指出，由于顾客满意度数据等是无法从饭店数据库得到的，所以研究者使用了问卷调查这一方式对建模数据进行了确认和完善。

在获得了建模所需的数据之后，研究者首先对收集的数据进行了清理，因为数据可能不准确必然导致数据挖掘模型实施的失败。同时还对一些计算机难以识别的数据进行处理，研究者主要是把对一些顾客属性数据转化为了简单的、便于处理的数字。比如：把顾客对各项指标的满意度属性都转化为：5=非常满意，4＝比较满意，3＝一般，2＝比较不满意，1＝完全不满意；饭店把性别属性转化为0＝男性，1＝女性；把顾客旅游目的转化为1＝商务旅行，2＝旅游。

针对这个研究的目标———预测顾客在饭店选择、房间类型选择、支付方式等问题上的顾客行为模式，我们需要挖掘顾客行为模式与其个人信息、对饭店各项服务或设施的满意度情况之间的相互关系。而挖掘出的信息的商业价值在于为饭店经理人提供决策依据。所以，挖掘出的信息必须是饭店经理人容易理解的。这样，信息最终才能转化为饭店的优势竞争力。

正是由于上述各种原因，研究者在诸多数据挖掘技术中选择了结构和生成规则易于理解的决策树。生成决策树的过程如图所示。研究者最终使用SPSS的数据挖掘应用工具Clementine还是挖掘出了50多条有关规则。

挖掘出的这50多条规则中，有一些规则是比较明显的，是有经验的饭店管理者在管理工作中已经发现或是可以察觉的规则；而另一些规则却是潜在的、是饭店管理者不易察觉或无法察觉的。同时，挖掘出来的这50多条规则并不一定都是有用的或是有意义的，在管理者具体把这些规则用于实践中时，不同的商业目标往往需要不同的规则作为基础。

比如，研究者挖掘出了如下有关顾客光顾情况的规则：若顾客为30多岁的男性或30～40多岁的女性，并已经光顾过某个饭店4次，那么这位顾客很有可能再光顾这家饭店或与之类似的饭店；而40多岁的男性顾客已经光顾过某家饭店4次，则不太可能再次光顾这家饭店或与之类似的饭店；光顾过某家饭店多于5次的女性顾客很可能再光顾这家饭店或与之类似的饭店10次以上；如果顾客已经光顾过某家饭店2次，而且他住在饭店的标准层，又是直接在饭店预订房间的，同时他对于饭店房间的大小比较满意，那么这位顾客很可能再光顾这家饭店或与之类似的饭店5～9次。

上述有关顾客光顾情况表明：这家饭店的管理者在对有价值顾客进行定位时，可以首先排除已经光顾过本饭店4次的40多岁的男性顾客，并把已经光顾过本饭店5次以上的女性顾客定位为最有价值顾客，同时把已经光顾过本饭店4次的30多岁的男性和30～40多岁的女性定位为比较有价值顾客。这样，管理者就可以通过诸如仅针对有价值顾客进行常客奖励计划，以保留核心顾客，培养其忠诚度；同时饭店还可以注意顾客预订房间的方式和选择的房间类型，并使饭店房间的布置更显宽敞来提高顾客满意度，着重对直接预订标准层房间，且已经光顾过饭店两次的顾客进行顾客有效的保留措施。

4结语

上面所提到的只是数据挖掘运用到饭店营销中的一个例子。数据挖掘技术对于希望了解和预测顾客行为的饭店来说，是十分有用的工具。但是，数据挖掘仅仅是许多帮助饭店寻求决策支持的许多方法中的一种，也必然有它的局限；我们也不能说数据挖掘就是饭店成功营销的保证。在实际中运作中，有饭店业建模经验的数据挖掘工作者是十分必要的；我们还常常需要把数据挖掘技术和其他一些方法结合起来使用，以便饭店能够根据挖掘出来的信息，能够做出相对最优的营销决策，比如饭店应和哪些顾客保持最密切的联系，对能够给饭店带来利润的顾客进行目标定位并提供相应的激励。挖掘出来的信息还可以运用于饭店进行市场细分、开拓新的市场、创建个性化服务、有效提供直邮服务等很多方面。有效的运用数据挖掘工具，并将看似无规律可言的数据或资料转化为切实可行的措施，必然能够给我国的饭店业带来优势明显的竞争力。