V家生活

台湾最大订房网 AsiaYo 结合机器学习,订单转换率直接狂

作者: 来源:未知 2020-06-24

台湾最大订房网 AsiaYo 结合机器学习,订单转换率直接狂

台湾原生的最大线上旅宿订房平台 AsiaYo 今(18)日发布最新成绩,目前线上累积已超越 6 万个房源,其中台湾约佔 35000 间,日本约 7000 间,韩国 5500 间,而泰国已达 4500 间,会员累积近 25 万,其中非台湾的海外市场订单营收,已超过整体 6 成以上,成为台湾少数成功进军亚洲国际市场的网路公司。在今年第一季的海外市场表现中,成长最迅速者为韩国,订单量和营收成长相较于去年第一季皆超过 10 倍,成长最为快速,显示韩国即将成为下一个的高潜力亚洲旅客出国观光目的地。

能取得如此惊人成绩的背后原因,係因 AsiaYo 近期开发「AsiaYo Sort」演算模型,已将机械学习 (Machine Learning) 技术导入平台,以数据分析作为营运决策基础,不仅可更精準预测旅客挑选旅宿的决策影响指标,不仅在今年第一季将提升 15%的订单转换率,更提升了平台用户黏着度。

台湾最大订房网 AsiaYo 结合机器学习,订单转换率直接狂房源多元化不以民宿类型为限 青旅、文创旅店与传统旅馆已佔整体三成

目前 AsiaYo 持续扩增的旅宿房源中,已不再以民宿单一类型为限,目前整体房源中,青年旅馆、文创设计旅店以及中小型旅馆的数量,已逐渐累积至 3 成的规模。

目前 AsiaYo 的累积用户已突破 25 万,今年 2 月 AsiaYo 正式上线英语系平台,过往台人与非台人的旅客比例约 7:3,预计英语系平台可在今年下半年为 AisaYo 带来更多外籍用户,非台人旅客量的成长速度可望超越台人旅客,发掘亚洲一线观光城市不同以往的风貌。

今年第一季 AsiaYo 外籍旅客来台住宿的订单资料显示,台南、台中首度超越台北市,成为最受外籍旅客欢迎的城市的第一、第二名,显示台湾观光动能已逐渐往南部扩散。以整体 4 个亚洲观光市场的房源来看,最受旅客欢迎的城市为大阪、东京、首尔以及沖绳。

台湾最大订房网 AsiaYo 结合机器学习,订单转换率直接狂佛系旅客正夯!25% – 30% 自由行旅客抵达当地才开始规划行程

此外,AsiaYo 蒐集了超越 5000 笔旅客使用问卷调查资料,发现有趣的用户行为:

连日工作后,总是会想要为自己安排休假出国旅游,放鬆紧绷的神经,有趣的是,触发旅游动机的时刻,通常距离实际出发的时间长达一年或 6 个月之前,其中约有 65%的旅客表示是在旅游前一个月才订购机票与住宿,但真正开始落实开始规划旅游行程的时间约为出发前 2 週。

更有趣的是,大约有 25% – 30%的旅客,是到了旅游目的地才开始安排每日的行程,实践真正自由行的真谛。

AsiaYo 发现以下三大原因让旅客下定决心要收拾行囊、展开旅程的动机前三名为:

第一名「受到朋友社群上的打卡照片影响」- 大多数旅客会因为朋友在 IG 或 FB 动态在国外景点打卡,或是发布数张好看的国外自拍照片,产生想要出游的念头。第二名「亲友推荐及直接揪团」- 除朋友圈之外,家人凑在一起成团机率高。第三名「参与特定大型活动和祭典」- 如近期话题正热的美国大联盟开幕赛,或是赴日本韩国来一场赏樱之旅,是让旅客落实出国旅游的主要动机之一。

自由行旅客在规划旅游行程时,约有 75%的台人旅客人会优先参考旅行部落客的文章,主要目的为了解旅行地的必买伴手礼和必吃美食,或加入以旅行地为讨论主题的 FB 社团,经由社友分享,快速掌握每天当地的旅行新鲜事。而外籍旅客则是旅客会透过订票网站查看房间或景点的优惠套装行程或评价,才决定是否纳入规划当中。

导入精準订房推荐的机械学习演算法 提升 15%订单转换率和用户黏着度

实际上,AsiaYo 过去三年来累积包括台日韩泰 4 国市场、共 6 万笔的房源的巨量资料,以及高达 25 万位的会员使用行为的追蹤统计,真正将 AI 思维落实为商用执行步骤。

藉着累积资料找出破格的竞争力, AsiaYo 整合订单、流量组成与上亿笔使用者行为资料,结合 Google Cloud Machine Learning 等开发出「AsiaYo Sort」演算系统,洞悉订房市场与并预测平台用户的喜好与行为趋势,优化介面排序流程。今年一月起开始整合各类异质资料,乘载历年的房间预订资料,以及每月超过 250 万笔的访客流量,在短短三个月内,即为平台下单率带来 15%的提升,不仅提供者分析网页浏览受众轮廓,预测及扩大受众名单,搜集潜在用户线上浏览行为,为用户推荐更能引发他兴趣的房源,也同时提升用户黏着度。

台湾最大订房网 AsiaYo 结合机器学习,订单转换率直接狂

AsiaYo 如何在海量数据中剖析并提炼出有价值的商业洞察、为 AsiaYo 扩大用户群并进行用户行为预测?透过「AsiaYo Sort」依据旅客在平台的点击路径、房源位置距离周遭景点远近、曾入住的旅客评价,以及旅客住宿时期待有亲子同房、宠物友善等偏好指标,依据不同的城市呈现不同的房源排列顺序,为旅客推荐最适合的房间。

AsiaYo 执行长郑兆刚表示:「包括 Google、Amazon 这些国际网路巨头企业在机械学习与深度学习的技术发展已逐渐成熟,如今市场需要的是将这些技术串接、应用到现存的商业模式,并使之标準化,AsiaYo 即是将自己累积的数据资料量和 Google 的机械学习技术导入 AsiaYo 的商业应用,利用 Tensorflow 等 Open Source 快速演进,透过评估旅客在不同流程阶段停留的时间长短与使用后的反馈,洞悉旅客行为,找出最终影响旅客下单关键因素。」

年底前 海外房源可望成长三倍 海外客源翻倍成长

郑兆刚也指出:「网路与机器学习应用于旅游相关的服务,已是如今不可逆的趋势,AsiaYo 的技术核心,将专注于理解&预先掌握用户行为资料,透过 AsiaYo Sort 的技术判断数据价值,发掘更高价值的观光房源类型,预计今年下半年,旅馆、文创旅店和青旅类型的房源类型选择,将提升至 4 成。

此外,我们也会持续追蹤用户的消费旅程和消费者生命週期,并持续与各国专业的旅宿管理顾问公司合作,为旅客带来更优质稳定、又能结合各城市在地文化的订房体验。预期今年底前 AsiaYo 在海外的房源可再有 3 倍的成长,并且新增在香港和星马三地的新城市房源,年底前来自海外的外籍客源,亦会有翻倍的成长。」

─ ─

更多的 AsiaYo 与机器学习相关资讯

和 Google 顶尖工程师一起研究机器学习一整年,这是我的精华笔记
Google 深耕台湾企业,用云端与机器学习成功改变传统纺织业
白手起家到日本乐天求结盟,台湾新民宿霸主 AsiaYo 怎幺做到的?

相关文章