旅游大数据分析如何通过大数据分析做市场调研？

旅游类UGC数据有哪些？对这些数据进行分析研究是否具有价值。 ...

谢邀，这个问题我很感兴趣，不过可能要先做一些Review，因此先简要的讲一些观点。

首先是数据的来源，从微博，大众点评，Twitter，Yelp这类网站获取的，大部分是点评信息，也就是所谓的Review，最近正好看过几篇论文是讲Review Helpfulness，因此，研究对景点，目的地的点评实用度，进行智能推荐，这应该是一条路子。

至于数据的获取方式，应该比较简单，除了Yelp对点评提取有限制，其他几个都有详细的API可供使用。

另外的数据来源，我想还包括穷游网，蚂蜂窝这样的旅游游记网站，数据获取的方式会比较复杂，因为这样的网站并不一定提供API，所以需要直接从页面提取，另外提取出来的内容是大文本，需要进行大文本分析，也就是Text Mining，可以进行Semantic, Sentiment Analysis，寻找对景点的评价和评级，进行智能推荐。

另外，还可以进行Association Rule Mining, 寻找景点之间的关联度，这样可以推荐旅行的路线，或者一些联动性的分析。

第三种数据来源，则应该是各种旅行社，酒店，飞机预订的网站数据，这些数据则更难获取，因为大部分为不公开的数据，且时效性强，不过数据的价值更高，针对性的可以对旅游的预算，价格的趋势，飞行路线的优化，进行统筹规划。

一次旅行大体可以分为 初步想法，线路规划，材料准备，旅行中，旅行回来的总结 几个部分，上面说的也都有针对性，点评主要出现再规划和旅行中，游记则可能覆盖前三个部分，预订则是规划部分的重中之重。

我认为还有其他数据来源，具体可能需要先做一下研究。

最后回答下第二个问题，这些数据的分析研究是有价值的，但不同部分的研究成熟程度不一样，有些已经被很多学者完成了，有些则还是待开发的处女地，寻找出一个好的Gap和好的Research Question，往往是研究获得成功的第一步。

以上只是我的一些初步想法，等我有时间看看相关的论文再上来修改。

Over!

2017年中国出境游人数达到多少亿人次？

2017年中国公民出境旅游达到1.3亿人次，花费1152.9亿美元。

2018年3月1日，中国旅游研究院、携程旅游集团联合发布《中国游客中国名片，消费升级品质旅游—2017 年中国出境旅游大数据报告》。

报告数据显示，2017年中国公民出境旅游突破1.3亿人次，花费达1152.9亿美元，保持世界第一大出境旅游客源国地位。

出境旅游呈现“消费升级、品质旅游”的特征与趋势。

选择升级型、个性化的旅游产品，深度体验目的地的游客占比提升。

出国目的也从观光购物转向享受海外优质生活环境和服务。

出境旅游已成为衡量中国城市家庭和年轻人幸福度的一大标准。

?? 2017年全年，中国公民出境旅游13051万人次，比上年同期增长7.0%。

中国已连续多年保持世界第一大出境旅游客源国地位。

2017年我国国际旅游支出达1152.9亿美元，相比2016年1098亿美元增长5%。

在线旅游平台和手机端成为中国旅游者的首选。

?? 扩展资料 2017年最受中国游客欢迎的二十大目的地国家，依次是： 泰国、日本、新加坡、越南、印尼、马来西亚、菲律宾、美国、韩国、马尔代夫、柬埔寨、俄罗斯、阿联酋、意大利、法国、澳大利亚、西班牙、德国、英国、斯里兰卡。

泰国、日本是前两大热门目的地，分别有980万、735多万中国大陆游客前往这两个国家。

韩国降幅最大，从第2名下降到第9名。

部分目的地成为出境游黑马，对我国游客的吸引力显著提升。

其中，游客量增长快的十大“黑马”目的地，依次是：摩洛哥、土耳其、突尼斯、捷克、德国、西班牙、阿联酋、英国、荷兰、冰岛。

?? 参考资料来源：人民网-2017年中国公民出境旅游突破1.3亿人次 花费达1

如何进行大数据分析及处理

首先你要明确你的数据分析处理的目的是什么，也就是你想通过数据处理发现些什么或者验证什么假设，根据你的目的 同时可以确定采用什么大数据分析的方法 其次 是根据你的目的 来有目的的进行数据的选择和加工整理，既然你问的如何进行大数据分析，那么肯定是已经有了大量的数据，根据目的和采用的方法 从你的大数据中选择能够达成目的的指标数据，进行整理加工 最后一步就是将整理好的数据用大数据分析工具进行分析

如何通过大数据分析做市场调研？

大数据时代新的市场研究方法使“无干扰”真实还原消费过程成为可能，智能化的信息处理技术使低成本、大样本的定量调研成为现实，这将推动消费行为及消费心理研究达到一个新的高度，帮助快速消费品企业更为精准地捕捉商机。

大数据时代的市场研究方法主要体现在以下四个方面。

1.基于互联网进行市场调研提高了效率，降低了成本 网络调研具有传统调研方法无可比拟的便捷性和经济性。

快速消费品企业在其门户网站建立市场调研板块，再将新产品邮寄给消费者，消费者试用后只要在网站上点击即可轻松完成问卷填写，其便利性大大降低了市场调研的人力和物力投入，也使得消费者更乐于参与市场调研。

同时，网络调研的互动性使得企业在新产品尚处于概念阶段即可利用3D拟真技术进行产品测试，通过与消费者互动，让消费者直接参与产品研发，从而更好地满足市场需求。

2. 挖掘网络社交平台信息成为研究消费态度及心理的新手段 QQ、微博、微信等社交平台已日渐成为新生代消费群体不可或缺的社交工具，快速消费品的消费者往往有着极高的从众性，因此针对社交平台的信息挖掘成为研究消费潮流趋势的新手段。

例如，通过微博评论可以统计分析消费者对某种功能型产品的兴趣及偏好，这对研究消费态度及心理有非常大的帮助。

更重要的是，这类信息属于消费者主动披露，与访谈形式的被动挖掘相比信息的真实性更高。

3. 移动终端提供了实时、动态的消费者信息 随着3G网络及智能手机普及，市场研究已渗透到移动终端领域。

大量的手机APP应用（例如二维码扫描等）为实时采集消费信息提供了可能性，移动终端的信息分析在购买时点、产品渗透率及回购率、奖励促销效果评估等方面将发挥不可估量的作用。

4. 零售终端信息采集系统帮助企业了解市场 目前，PC-POS系统在零售终端得到了广泛的应用，只要扫描产品条形码，消费者购买的产品名称、规格、购进价、零售价、购买地点等信息就可以轻松采集。

通过构建完整的零售终端信息采集系统，快速消费品企业可以掌握商业渠道的动态信息，适时调整营销策略。

环顾四周，在每个行业中，大数据的增长正在改变我们收集、存储、分析和应用数据的方式。

正如很多公司目前正在收集整理的那样，大家面临的共同问题是智能化信息采集、储存及分析。

l 超大容量的数据仓库。

数据仓库具有容量大、主题明确、高度集成、相对稳定、反映历史变化等特点，可以有效地支撑快速消费品企业进行大数据分析与应用。

数据仓库可以更有效地挖掘数据资源，并可以按照日、周、月、季、年等周期提供分析报表，有助于营销人员更有效地制定营销战略。

l 专业、高效的搜索引擎。

旅游搜索、博客搜索、购物搜索、在线黄页搜索等专业搜索引擎已经得到了广泛应用，快速消费品企业可以根据自己的特点构建专业化的搜索引擎，对相关的企业信息、产品信息、消费者评价信息、商业服务信息等数据进行智能化检索、分类及搜集，形成高度专业化、综合性的商业搜索引擎。

l 基于云计算的数学分析模型。

市场研究的关键是洞察消费者需求，基于云计算的数学分析模型可以将碎片化信息还原为完整的消费过程信息链条，更好地帮助营销人员研究消费行为及消费心理。

这些碎片化的信息包括消费者在不同时间、不同地点、不同网络应用上发布的消费价值观信息、购买信息、产品评论信息等。

基于云计算的智能化分析，一方面可以帮助市场研究人员对消费行为及消费心理进行综合分析，另一方云计算成本低、效率高的特点非常适合快速消费品企业数据量庞大的特性。

传统的市场研究包括定性研究及定量研究，以座谈会为主的定性研究受制于主持人的访谈技巧，以街头拦截访问为主的定量研究虽然以严谨的抽样理论为基础，但同样不能完全代表总体的客观情况。

而大数据时代革命性的调研方法为市场研究人员提供了以“隐形人”身份观察消费者的可能性，超大样本量的统计分析使得研究成果更接近市场的真实状态。

与此同时，大数据时代的新方法、新手段也带来新的问题，一是如何智能化检索及分析文本、图形、视频等非量化数据，二是如何防止过度采集信息，充分保护消费者隐私。

虽然目前仍然有一定的技术障碍，但不可否认的是大数据市场研究有着无限广阔的应用前景。