一、旅游信息化建设阶段

我国的旅游信息化建设经历了四个时期，分别是传统旅游经营期（2004年前）、数据旅游时期（2005—2009年）、智慧旅游时期（2010—2014年）和“互联网+旅游”时期 （2015年开始）。

2014年是智慧旅游元年，去年开始大地云游和百度展开了在旅游领域大数据的合作。中国旅游行业的发展进程显示，从最传统的线下的人工服务开始，到旅游的行业的内部，再到整个的智慧旅游行业，一直到2015年的“互联网+”的时代，互联网将会更加推动中国旅游行业的发展。

二、旅游行业步入新常态

旅游行业步入新常态以后，旅游行业的各个方面都发生了巨大变革。政策上，国家旅游新政出台，制度红利释放，旅游业迎来新机遇；市场中，旅游需求多元化，消费模式由卖方市场转向买方市场.

旅游产业方面，“互联网+”与“旅游+”促进了旅游产业转型升级；从国家战略上来看，大数据已经上升到国家战略层面，随着大数据颠覆传统旅游决策，旅游管理、服务、营销都迎来巨大变革。

三、“互联网+旅游”和“大数据+旅游”

“互联网+旅游”是促进旅游产业转型升级的关键。“互联网+旅游”体系分为两大层面，第一层面是旅游“内部+”建设，第二层面是旅游“+外部”融合 。

“内部+”建设包括旅游大数据中心的建设和旅游服务平台、旅游管理平台和旅游营销平台这三大旅游平台的建设.

“+外部”融合要求旅游服务的融合、旅游营销的融合、旅游业态创新的融合和旅游投融资的融合。两者层层递进，互为补助，构成了“互联网+旅游”体系，共同促进旅游产业的转型升级。

中国旅游业的提升是一个互相推动的过程，游客的素质提高，游客需求的增长推动着旅游开发者、管理者去不断完善自己的产品。推陈出新，使自己的旅游景区和旅游服务和泛旅游行业变得更加智能化，需要大数据来推动整个旅游互联化的进程。

“大数据+旅游”颠覆了传统旅游行业的决策，旅游大数据提升了协同管理和公共服务的能力，推动旅游服务、旅游营销、旅游管理和旅游创新的变革。

四、旅游大数据应用

1、游客市场细分

百度旅游大数据包括游客量、客源地、游客年龄、游客兴趣、游客定位信息、游客住宿偏好等指标，大地云游基于百度旅游大数据和自身的宏观数据库，对游客进行多维度分析，从而定位客源市场，细分旅游市场，诊断旅游营销和推演可行性项目，最终达到提升精准营销能力的目的。

2、景区热力图

通过对景区人群热力图的实时监控，对景区踩踏风险进行预警，并预测景区未来的客流量，实现了景区客流的控制和预测，从而优化安全管理效率。

3、旅游舆情监测

云游通过声量诊断来判断景区的全网关注度和影响力，通过传播路径的监控来进行传播分析，在分析过程，研判网民的情感倾向，达到情感提炼的效果。最终根据舆情参与者的人群特征刻画出受众画像，达到旅游舆情监控替身游客服务质量的效果。

4、案例应用

大地云游和百度的旅游大数据分析方法成功应用到多个景区案例中，包括九寨沟大数据中心、武夷山、峨眉山旅游大数据画像。

五、云游大数据分析案例——北京奥林匹克公园景区

1、数据源

宏观数据库：大地云游宏观数据库

1) 旅游产业数据库

2) 遥感卫星数据库

3) GIS数据

4) 气象数据

微观数据库

1) 百度产品账号

2) 百度搜索引擎

3) 百度地图

4) 百度糯米及其他（50多个产品）

2、分析内容

景区大数据画像的分析体系包括七大部分，分别是景区外部环境及资源分析、客源地及市场洼地探析、游客量预测、景区热力图、旅游市场细分、关联景区分析及旅游舆情分析。

1) 客源市场

据百度地图LBS定位，2015年1月1日至2015年4月7日到达奥林匹克公园的游客数据总量200万人次 。游客量排名依次为：廊坊、天津、上海、保定、石家庄、深圳、郑州、成都、西安、广州、张家口、哈尔滨、唐山、沈阳、武汉、太原、南京、邯郸、长沙和济南。

2) 游客搜索量

北京市、天津市、上海市、廊坊市、广州市、石家庄市、保定市、南京市、郑州市对奥林匹克公园搜索量较高。

3) 省内竞争指数

省内竞争指数较低城市：北京、廊坊、天津、保定、上海、石家庄、郑州、深圳、西安、成都、广州（这些地区来北京的游客，到奥林匹克公园之外的北京旅游景点较多）

省内竞争指数较高城市：陇南、滨州、许昌、绥化、开封、常州、平顶山、乌兰察布、焦作、嘉兴（这些地区来北京的游客，到奥林匹克公园人数较北京市其他景点为多）

4)景区游客量实时预报：

游客对奥林匹克公园、北京市的搜索热度

根据该搜索量，可以对景区2小时的游客量进行预测

据搜索量，结合气象、节假日数据等，可以预测未来几天游客量

5)景区热力图：

通过百度LBS定位

与通信运营商大数据结合 

实现游客人流密度与人流走向实时动态监测 

及时预警拥挤危机

6)游客逗留时长

本地游客随着逗留时间的延长，游客量逐渐递减

本地游客发生过夜行为的占比较少

东北、华北、华东、华中和西北地区的游客量都有随着逗留时长的增加递减的趋势。

华南、西南地区的远途游客在奥林匹克公园内逗留时常呈现出U型曲线的趋势。

7)旅游市场细分

旅游大数据画像基于游客的基本属性、行为特征和游客偏好等数据，进行深入分析，将旅游市场进行细分。

其中游客基本属性包括游客年龄、性别、教育程度和车产状况等属性。行为特征包括游客的出游方式、旅游动机和旅游网站搜索热度等行为。游客偏好则包括了游客出行时的住宿偏好，交通偏好以及餐饮偏好等多种数据。

六、未来展望

旅游的管理者和经营者应用大数据的时候，必然会改善自己的思路，最后受益的是C端面向游客的服务的提升。

下一个阶段，云游和百度要做的是共同把百度的大数据和诸多旅游信息化建设过程中产生的数据，整合到相对完整的线上线下的数据体系中去，从而为所有的管理者、建设者提供真正有价值的服务。

这是云游和百度需要为旅游行业所贡献的力量，也希望通过我们的努力，在未来的三年、五年甚至十年之后，能让各位旅游出行更加智慧，更加舒适，这是云游和百度共同的目标。