CN107146172A - 一种旅游多模式营销策略指导系统 - Google Patents
一种旅游多模式营销策略指导系统 Download PDFInfo
- Publication number
- CN107146172A CN107146172A CN201710214383.6A CN201710214383A CN107146172A CN 107146172 A CN107146172 A CN 107146172A CN 201710214383 A CN201710214383 A CN 201710214383A CN 107146172 A CN107146172 A CN 107146172A
- Authority
- CN
- China
- Prior art keywords
- data
- module
- tourism
- marketing strategy
- marketing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000013528 artificial neural network Methods 0.000 claims abstract description 18
- 238000000034 method Methods 0.000 claims abstract description 10
- 238000004140 cleaning Methods 0.000 claims description 24
- 238000005201 scrubbing Methods 0.000 claims description 9
- 238000013135 deep learning Methods 0.000 claims description 7
- 230000015654 memory Effects 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 4
- 230000006403 short-term memory Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 235000001674 Agaricus brunnescens Nutrition 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/14—Travel agencies
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0203—Market surveys; Market polls
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种旅游多模式营销策略指导系统,包括输入模块、神经网络模块和输出模块;所述输入模块用于输入旅游数据并发送至所述神经网络模块,所述旅游数据包括景区状况数据、经济状况数据、地区状况数据、营销手段数据、景区舆情状况数据、景区周边状况数据和游客状况数据;所述神经网络模块用于根据所述旅游数据预测营销策略数据所述输出模块用于显示所述营销策略数据。本方案够准确进行营销策略的指导。
Description
技术领域
本发明涉及营销策略指导技术领域,尤其涉及一种旅游多模式营销策略指导系统。
背景技术
随着我国国民经济的飞速发展,人民生活质量的大幅提高,旅游行业进入了一个蓬勃向上的时代,旅游企业如雨后春笋般的迅速崛起。但也应看到,很多旅游企业在市场经济大潮中,因为市场把握不准,而被旅游市场所淘汰。新环境下的旅游市场为旅游企业的发展提出了新的机遇和挑战。如何针对风云莫测的市场变化推出不同的、实时的营销策略,成为旅游行业亟待解决的问题。
现有市场上的旅游营销策略大多数由营销人员去制定。旅游行业数据量大、数据结构复杂,靠人力分析耗时长、成本高,而且严重依赖营销人员的营销经验和对市场的直觉把握。这往往造成了营销策略的非时效、不准确,给旅游企业的营销带来损失。
发明内容
有鉴于此,本发明要解决的技术问题是提供一种旅游多模式营销策略指导系统,能够准确进行营销策略的指导。
本发明的技术方案是这样实现的:
一种旅游多模式营销策略指导系统,包括输入模块、神经网络模块和输出模块;
所述输入模块用于输入旅游数据并发送至所述神经网络模块,所述旅游数据包括景区状况数据、经济状况数据、地区状况数据、营销手段数据、景区舆情状况数据、景区周边状况数据和游客状况数据;
所述神经网络模块用于根据所述旅游数据预测营销策略数据
所述输出模块用于显示所述营销策略数据。
优选的,所述神经网络模块为长短时记忆深度学习训练模型模块。
优选的,还包括数据清理模块;
所述数据清理模块用于对所述输入模块输入的数据进行清理。
优选的,所述数据清理模块包括格式内容清理单元、数值变换单元、噪声数据清理单元、重复值清理单元、逻辑错误清理单元和归一化处理单元。
优选的,所述营销策略数据包括:
游客量数据和市场热度数据。
优选的,所述输入模块设置有选择单元;
所述选择单元用于选择所述旅游数据的时间维度。
本发明提出的旅游多模式营销策略指导系统,通过采集景区状况数据、经济状况数据、地区状况数据、营销手段数据、景区舆情状况数据、景区周边状况数据和游客状况数据,从而能够全面包含旅游数据,从而能够使神经网络预测的营销策略数据更加准确,准确进行营销策略的指导。
附图说明
图1为本发明实施例提出的旅游多模式营销策略指导系统的结构框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明实施例提出了一种旅游多模式营销策略指导系统1,包括输入模块101、神经网络模块102和输出模块103;
输入模块101用于输入旅游数据并发送至神经网络模块,旅游数据包括景区状况数据、经济状况数据、地区状况数据、营销手段数据、景区舆情状况数据、景区周边状况数据和游客状况数据;
神经网络模块102用于根据旅游数据预测营销策略数据
输出模块103用于显示营销策略数据。
可见,本发明实施例提出的旅游多模式营销策略指导系统,通过采集景区状况数据、经济状况数据、地区状况数据、营销手段数据、景区舆情状况数据、景区周边状况数据和游客状况数据,从而能够全面包含旅游数据,从而能够使神经网络预测的营销策略数据更加准确,即准确进行营销策略的指导。
其中,景区状况包括景区人流量、景区季度人流量、景区所在地、景区活动等信息。
经济状况包括季度GDP、居民消费水平、人均可支配收入、居民家庭恩格尔系数、货物进出口贸易总额、区域经济水平、邮电业务总量、财政支出等信息。
地区状况包括地区产业政策、地区城市化水平、地区景区数量、地区文化底蕴水平、地区外来人口数量、地区城镇人口比重、地区就业人数、地区客运量等信息。
营销手段包括营销类型、营销成本、营销范围、营销目标群体、营销时间、参与人数、媒体影响力、网络营销影响力等信息。
景区舆情状况包括游客搜索数据、景区搜索量、游客搜索偏好、景区关注度、微博标签、社会媒体数据、好评地区、景区受欢迎程度、游记数量、游记热度等信息。
景区周边状况包括酒店税收、酒店价格、酒店入住率、酒店房间总数、交通路线开通、在线旅游机票分布、机票订单数量、旅行社订单数量、地区交通便利程度、地区稳定程度等信息。
游客状况包括游客来源地区、游客收入、游客停留天数、游客酒店人均支出、游客饮食人均支出、游客情绪、游客反馈、游客年龄段、游客性别、游客职业、游客学历等信息。
在本发明的一个优选实施例中,神经网络模块为长短时记忆深度学习训练模型(Long Short-Term Memory,LSTM)模块。
长短时记忆深度学习训练模型模块,是由经典LSTM长短时记忆深度学习模型算法构成,通过时间序列输入得到对应的时间序列输出的神经网络模型。
在本发明的一个优选实施例中,还包括数据清理模块。
其中,数据清理模块包括格式内容清理单元、数值变换单元、噪声数据清理单元、重复值清理单元、逻辑错误清理单元和归一化处理单元。
数据的清理方法包括:
步骤1、格式内容清理,用于进行格式内容清洗,主要进行三个方面的清洗:
a、将时间、日期、数值、全半角等格式不一致的,统一修改成指定格式;
b、清洗内容中不该存在的字符,如多余空格、多余的标点符号、多余的量词等;
c、清洗与所在字段要求内容不符的数据,如地区字段写成非地理位置、价格写成汉字等。
步骤2、数值变换。主要将非数值型数据人为映射成数据型数据方便后续分析处理。
步骤3、噪声数据清理。用于利用直方图统计分析数据分布特征的方法来识别数据集中的噪声数据,删除一些异常值。
步骤4、重复值清理。用于将一些由人为因素造成的多次上报数据进行识别并删除重复数据。
步骤5、逻辑错误清理。用于去掉一些使用简单逻辑推理就能直接发现问题的数据,分为三个方面:a、去掉重复内容;b、去除不合理的值,根据字段限定的取值范围进行清洗;c、修改有矛盾的内容。
步骤6、归一化处理。用于将数据不在0~1范围的映射到0~1范围内,方便后续的计算处理,采用min-max标准化方法,计算公式为
X*=(x-min)/(max-min)
其中,X*为归一化处理后得到的值。
在本实施例中,完成数据的清洗后,可以将清洗后的数据以此拼接成长度为N的特征向量,输入到短时记忆深度学习训练模型(Long Short-Term Memory,LSTM)模块中进行预测。
在本发明的一个优选实施例中,营销策略数据包括:
游客量数据和市场热度数据。
其中,游客量数据和市场热度数据是制定营销策略时最重要的数据,通过输出游客量数据和市场热度数据,对旅游营销的综合指导性强。另外,也可以根据需要,将客流量指标、市场热度指标扩充到其他指标上,不限于此2类指标。
在本发明的一个优选实施例中,输入模块设置有选择单元;
选择单元用于选择旅游数据的时间维度。
其中,时间维度单位依据可为天、星期或月等,也可以是不同时间段的同一时间点的同比序列,或者是相同热点事件的时间点,可依据具体情况选定。通过选择时间维度,可以使预测输出结果时间宽度较灵活,可达到1天至数年的可扩充时间度量。
本发明实施例提出的旅游多模式营销策略指导系统工作时,输入模块输入旅游数据,选择单元可以选择旅游数据的时间维度,清理模块对旅游数据进行清洗,完成数据的清洗后,可以将清洗后的数据以此拼接成长度为N的特征向量,输入到短时记忆深度学习训练模型模块中进行预测,输出游客量数据和市场热度数据进行营销策略的指导。
综上所述,本发明实施例至少可以实现如下效果:
在本发明实施例中,通过采集景区状况数据、经济状况数据、地区状况数据、营销手段数据、景区舆情状况数据、景区周边状况数据和游客状况数据,从而能够全面包含旅游数据,从而能够使神经网络预测的营销策略数据更加准确,即准确进行营销策略的指导。
在本发明实施例中,旅游多模式营销策略指导系统包括数据清理模块,从而便于短时记忆深度学习训练模型模块的预测。
在本发明实施例中,输入模块设置有选择单元,从而可依据具体情况选定时间维度;通过选择时间维度,可以使预测输出结果时间宽度较灵活,可达到1天至数年的可扩充时间度量。
最后需要说明的是:以上所述仅为本发明的较佳实施例,仅用于说明本发明的技术方案,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所做的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (6)
1.一种旅游多模式营销策略指导系统,其特征在于,包括输入模块、神经网络模块和输出模块;
所述输入模块用于输入旅游数据并发送至所述神经网络模块,所述旅游数据包括景区状况数据、经济状况数据、地区状况数据、营销手段数据、景区舆情状况数据、景区周边状况数据和游客状况数据;
所述神经网络模块用于根据所述旅游数据预测营销策略数据
所述输出模块用于显示所述营销策略数据。
2.如权利要求1所述的旅游多模式营销策略指导系统,其特征在于,所述神经网络模块为长短时记忆深度学习训练模型模块。
3.如权利要求1所述的旅游多模式营销策略指导系统,其特征在于,还包括数据清理模块;
所述数据清理模块用于对所述输入模块输入的数据进行清理。
4.如权利要求1所述的旅游多模式营销策略指导系统,其特征在于,所述数据清理模块包括格式内容清理单元、数值变换单元、噪声数据清理单元、重复值清理单元、逻辑错误清理单元和归一化处理单元。
5.如权利要求1所述的旅游多模式营销策略指导系统,其特征在于,所述营销策略数据包括:
游客量数据和市场热度数据。
6.如权利要求1-5所述的旅游多模式营销策略指导系统,其特征在于,所述输入模块设置有选择单元;
所述选择单元用于选择所述旅游数据的时间维度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710214383.6A CN107146172A (zh) | 2017-04-01 | 2017-04-01 | 一种旅游多模式营销策略指导系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710214383.6A CN107146172A (zh) | 2017-04-01 | 2017-04-01 | 一种旅游多模式营销策略指导系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107146172A true CN107146172A (zh) | 2017-09-08 |
Family
ID=59773590
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710214383.6A Pending CN107146172A (zh) | 2017-04-01 | 2017-04-01 | 一种旅游多模式营销策略指导系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107146172A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108182239A (zh) * | 2017-12-27 | 2018-06-19 | 成都寻道科技有限公司 | 一种文章热度预测系统及预测方法 |
CN110659403A (zh) * | 2019-09-23 | 2020-01-07 | 钟栎娜 | 一种基于大数据的旅游营销建议生成方法 |
CN111951037A (zh) * | 2020-07-02 | 2020-11-17 | 西安丝路智慧科技有限公司 | 一种基于大数据的客流预测与旅游营销方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101620692A (zh) * | 2008-06-30 | 2010-01-06 | 上海全成通信技术有限公司 | 一种移动通信业务的客户流失分析方法 |
CN102693498A (zh) * | 2012-05-16 | 2012-09-26 | 上海卓达信息技术有限公司 | 一种基于不完善数据的精准推荐方法 |
CN106408115A (zh) * | 2016-08-31 | 2017-02-15 | 北京百度网讯科技有限公司 | 出行线路的推荐方法及装置 |
-
2017
- 2017-04-01 CN CN201710214383.6A patent/CN107146172A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101620692A (zh) * | 2008-06-30 | 2010-01-06 | 上海全成通信技术有限公司 | 一种移动通信业务的客户流失分析方法 |
CN102693498A (zh) * | 2012-05-16 | 2012-09-26 | 上海卓达信息技术有限公司 | 一种基于不完善数据的精准推荐方法 |
CN106408115A (zh) * | 2016-08-31 | 2017-02-15 | 北京百度网讯科技有限公司 | 出行线路的推荐方法及装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108182239A (zh) * | 2017-12-27 | 2018-06-19 | 成都寻道科技有限公司 | 一种文章热度预测系统及预测方法 |
CN110659403A (zh) * | 2019-09-23 | 2020-01-07 | 钟栎娜 | 一种基于大数据的旅游营销建议生成方法 |
CN110659403B (zh) * | 2019-09-23 | 2022-05-10 | 钟栎娜 | 一种基于大数据的旅游营销建议生成方法 |
CN111951037A (zh) * | 2020-07-02 | 2020-11-17 | 西安丝路智慧科技有限公司 | 一种基于大数据的客流预测与旅游营销方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Buliung et al. | Urban form and household activity‐travel behavior | |
Donaghy et al. | Social dimensions of sustainable transport: transatlantic perspectives | |
US20140324395A1 (en) | Data Driven Placemaking | |
Soobader et al. | Levels of analysis for the study of environmental health disparities | |
CN107145962A (zh) | 一种景点游客量预测系统 | |
CN107146172A (zh) | 一种旅游多模式营销策略指导系统 | |
Dang et al. | Comparative study of city-level sustainability assessment standards in China and the United States | |
Norouzian-Maleki et al. | An integrated approach to system dynamics and data envelopment analysis for determining efficient policies and forecasting travel demand in an urban transport system | |
Qin et al. | Analysis of parking cruising behaviour and parking location choice | |
Bryan | The assessment of social impacts | |
Kallenbach | Narratives of urban mobility in Germany: on the threshold of a departure from the car-centered city? | |
Wang et al. | The relationship between urban renewal and the built environment: A systematic review and bibliometric analysis | |
Ding et al. | Two-stage travel itinerary recommendation optimization model considering stochastic traffic time | |
Krarup | The politics of the urban green: Class, morality and attachments to place | |
Zhong et al. | Logic-Driven Traffic Big Data Analytics | |
Horning et al. | Perceptions of walking distance to neighborhood retail and other public services | |
Zheng et al. | The research on influencing factors of autonomous vehicle usage behavior: root analysis based on UTAUT2 model | |
Dadashpoor et al. | Spatial Justice and Regional Inequality: An Interdisciplinary Systematic Review | |
Xu et al. | A network model to optimally group road maintenance interventions for work zone development | |
Gao et al. | Nonlinear effects of public transport accessibility on urban development: A case study of mountainous city | |
Rahman et al. | The impacts of transport infrastructure development on travel route switch behavior in Bangladesh | |
Song | Promoting mixed land uses for smart growth: implications and recommendations for research and practice | |
Bao | Urbanisation, environmental externalities and house prices in China | |
Sedaghati et al. | The Literature Review on Value Indicators of Urban Housing using the Hedonic Method Analysis. | |
Linares Sanchez | Employment Agglomerations and Spatial Mismatch in the Metropolitan Area of Bogota |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170908 |
|
RJ01 | Rejection of invention patent application after publication |