酒店需求價值量化研究

導語：酒店需求價值量化研究一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要：服務類IT項目的需求價值往往依賴管理者的經驗判斷，較難量化分析或與有直接收益價值的項目需求進行開發優先級比較。文章利用客戶價值模型搭建和A/BTest，實現對OTA酒店取消險業務的服務需求價值進行了量化比較，對服務類IT項目的需求價值分析進行探索。

關鍵詞：客戶價值模型；A/BTest

1概述

在IT項目需求管理中，當遇到項目需求為定性類服務，不能直接轉化為項目收益或其他量化管理對象時，為了與其他可定量的業務需求進行等量綱的比較、管理，一般會通過為定性需求建立與項目目標、收益相關聯的權重因子，從而實現定性需求的定量管理。但這些方法的輸出結果對項目管理者的經驗與直覺依賴較多。而憑借直覺做出服務類需求的優先級判斷是要冒極大風險的，并不適合作為核心戰略依據。本文將利用客戶價值模型與A/BTest的方法，嘗試對某OTA公司APP中的酒店取消險服務需求進行收益的量化分析研究。希望能對這一領域的需求管理起到借鑒和拋磚引玉的意義。

2酒店取消險服務項目與客戶價值量化指標的關系分析

現代營銷學之父PhilipKotler曾將客戶價值總結為在企業與用戶保持關系的前提下，企業從用戶獲得所有利潤的現值?，F實環境中，客戶價值需根據企業與用戶的不同情況，討論相關業務模型，用以描述用戶為企業貢獻的所有收益。根據對OTA公司酒店取消險業務的分析，業務的最終績效目標是用戶購買保險的傭金收益。其業務流程中有七項相關量化指標會對其傭金收益產生影響，所構建的客戶價值模型為：總體客戶價值=用戶流量×保險訂單轉化率×訂單平均房費×保費費率×傭金比例×成功出保率÷用戶流失率用戶流量，即APP用戶點擊進入酒店預訂界面及相關子頁面的訪問流量；訂單轉化率，即用戶通過APP，點擊跳轉至酒店取消險下單相關頁面的比例；訂單平均房費，即用戶酒店取消險下單時投保的房費價格；保費費率，即保險公司與OTA公司酒店預訂平臺與保司協議的用戶取消險投保費率；傭金比例，即OTA公司可向保司從用戶取消險訂單中抽取傭金的比例；成功出保率，即取消險訂單投保有效的比例；用戶流失率，即用戶第一次購買保險產品后不再愿意繼續購買的比率。其中，通過轉化，用戶流失率=1-用戶復購率，即用戶愿意再次購買的比率，一般以一年作為監測時間跨度。在酒店取消險業務的客戶價值模型中，用戶流量、保險訂單轉化率、訂單平均房費、保費費率、傭金比例和成功出保率，反映出業務整體當前客戶價值。而用戶流失率或用戶復購率則反映出客戶忠誠度，即未來的客戶價值。根據OTA公司酒店取消險服務部門對其現有用戶群體的調查分析，可以歸納得出需要開發的APP服務類需求如下。R1保險產品的用戶畫像模塊：對購買保險產品時的用戶畫像進行勾勒，幫助服務團隊了解用戶的不同群體特點。R2商旅用戶保險默認勾選：在完成用戶畫像功能后，設置商旅用戶畫像的識別，實現僅對商旅用戶作保險默認勾選，而其他用戶不作默認勾選。R3保單關鍵信息確認提示：在用戶提交保險訂單時，在提交頁面提示相關信息再次確認，確保投保信息的有效。R4保險訂單金額顯示：在酒店預訂訂單的支付頁面，單獨列出取消險的訂單價格，以便提醒用戶了解其購買取消險的情況。R5保險產品關鍵詞標簽添加：在產品界面建立保險產品說明的關鍵詞標簽。R6保險產品詳細條款頁添加：建立保險產品的詳細投保條款說明頁面。R7保險產品Q&A頁添加：建立保險理賠Q&A說明頁面。R8保險訂單短信：在用戶確認下單且付費出保的情境下，向用戶發送保險訂單短信，幫助用戶進行相關確認。R9保險訂單郵件：在用戶確認下單且付費出保等情境下，向用戶發送保險訂單郵件，幫助用戶進行相關確認。R10被保人身份驗證：由于國內的保險公司不接受18歲以下或85歲以上用戶的單獨投保，在用戶輸入投保信息時，設立檢驗信息提示，驗證投保人信息是否有效，從而減少無效保單。R11自助理賠功能：向用戶提供自助理賠的服務功能，幫助用戶通過APP端自行上傳理賠資料，完成理賠申請，并將保險公司的反饋情況進行實時告知。R12保司微信理賠跳轉：由于目前的保險公司一般都有保險理賠微信賬號，根據承保公司向客戶提供理賠微信的跳轉，幫助用戶通過微信完成理賠申請。R13理賠資料包：根據承保公司不同，向用戶發送各保司的理賠流程、理賠資料、咨詢電話等介紹資料。R14保險IM在線客服、機器人客服上線：向用戶提供IM在線客服咨詢，并在客服非工作時間提供機器人回復簡單咨詢問題。R15用戶同時段多張酒店訂單的保司不輪轉：原有APP酒店訂單頁面的承保公司會有輪轉出現機制，但對同一用戶同一時間段訂單應進行識別，匹配相同保司，以方便用戶以后可能需要統一理賠。R16保險發票模塊：在用戶訂單處理界面中，提供保險發票的申請功能，使客戶能得到保險電子發票或向保司申請紙質發票。結合業務的客戶價值模型，可以得到項目需求對模型量化指標的影響關系：R1、R2由于取消了對所有用戶的默認勾選，區分了有效用戶群，將會對既有保險訂單轉化率和復購率產生影響。R4、R5、R6、R7，可使用戶購買酒店取消險時，了解更多產品信息，幫助用戶做購買決策。并且也能幫助用戶更好地理解產品，減少潛在的服務糾紛。因此，也會對既有保險訂單轉化率和復購率產生影響。R3、R10，可幫助用戶核實投保信息的有效性，減少投保信息有誤造成的投保失敗，因此，對出保成功率有正向影響。R8、R9、R11、R12、R13、R14、R15、R16，都可提高用戶在保險購買、保險理賠、保險發票環節中的服務體驗感受，增加用戶對保險服務的滿意度，增加了復購率提升的可能性。

3酒店取消險服務項目與客戶價值量化指標關系的A/BTest實現

A/BTest最早源自物理學中的“控制變量法”。在互聯網IT項目中，一般通過對所要實施的項目需求進行相關因素的版本控制，比較衡量因素不同版本的測試數據,找出對項目預期目標的影響關系。A/BTest本身具備統計和實際業務意義，其核心思想是項目管理者通過分流訪問用戶，同時在線運營APP的現行版本A和測試版本B，比較這兩個需求設計版本對所關心的項目目標影響，利用統計結果確定因素版本A和B哪個更優。在本次的酒店取消險服務需求測試中，將APP日酒店預訂業務分別分流1%的用戶流量進入各服務項目需求的A/BTest中，進行為期3個月的測試。測試目標為相關項目需求版本在訂單轉化率，出保成功率和復購率方面的差異比較。其中，設立用戶3個月復購率與年復購率的轉換關系為：年復購率=Min（3個月復購率×4，1）。通過對A/BTest結果進行成對雙樣本均值檢驗，可以得出相關項目需求與客戶價值量化指標在95%置信區間下的顯著性比較結果如下：R1+R2在訂單轉化率和復購率方面都與原設置有顯著差異，平均分別下降了5.65%和上升了0.64%。R4在訂單轉化率和復購率方面與原設置都沒有顯著差異。R5在訂單轉化率和復購率方面都與原設置有顯著差異，平均分別上升了1.04%和0.68%。R6在訂單轉化率和復購率方面與原設置都沒有顯著差異。R7在訂單轉化率和復購率方面都與原設置有顯著差異，平均分別上升了1.35%和0.66%。R8、R9、R13、R14、R15在復購率方面與原設置都沒有顯著差異。R11、R12、R16在復購率方面與原設置都有顯著差異，平均分別上升了2.29%、1.25%和0.89%。R3、R10在出保成功率方面與原設置都有顯著差異，平均分別上升了0.70%和0.21%。最終根據量化目標與業務客戶價值模型的關系，可以得到各服務項目需求對客戶價值的變化貢獻為：R1+R2減少整體客戶價值22.06%，R4、R6、R8、R9、R13、R14、R15對整體客戶價值沒有影響，R3、R5、R7、R10、R11、R12、R16分別增加整體客戶價值0.71%、4.87%、6.10%、0.21%、2.34%、1.27%、0.90%。其中，R1、R2由于對酒店取消險業務的整體收益有負向影響，雖然從用戶角度來看，能減少用戶對取消險默認勾選的不滿，但其OTA公司實現的收益價值為負，從商業角度來看，不應納入進一步項目需求考慮。其余項目需求的價值排序一次為：R7>R5>R11>R12>R16>R3>R10>（R4、R6、R8、R9、R13、R14、R15）。至此，即完成了本次OTA酒店取消險服務類項目需求價值的量化過程。利用同樣客戶價值模型，也能將業務類項目需求價值納入比較，并利用A/BTest實現整體需求的優先級分析。

4結語

本文通過某OTA酒店取消服務項目的實際需求案例，利用客戶價值模型和A/BTest，試圖在服務類IT項目需求開發中，建立統一的需求價值管理目標和價值量化分析比較的方法理論，從而擺脫去過以管理者經驗判斷為依賴的定性管理方法。相信這對未來提升服務類IT項目管理水平和需求優先排序準確性會有一定的參考借鑒意義。

參考文獻：

[1]陳旭.基于數據挖掘技術的客戶價值與客戶滿意度模型建構研究[D].上海：華東理工大學，2016.

[2]張如云.A/B測試在軟件項目開發中的應用探析[J].電腦開發與應用，2014，（5）：54-56.

[3]PhilipKotler，KevinLaneKeller.MarketingManagement（14thEdition）[M].NewYork：PearsonEducationLimited，2012.

[4]ColinMcFarland（美）.A/B測試與多變量測試實戰指南[M].北京：人民郵電出版社，2013.128

作者:陸秋靜 單位:上海交通大學