2018年-ibm商业价值研究院_Travel_loyalty_Cognitive_connections_24页_546kb

报告摘要

旅游忠诚度：认知型关系总结

核心内容

本报告由IBM商业价值研究院发布，探讨了旅游忠诚度计划与自助服务在当前旅游行业中的局限性，并提出通过认知计算技术进行改进的策略。核心观点是：旅游企业应从“自助服务”转向“认知型服务”，以更好地理解客户需求、提升客户体验并增强客户忠诚度。

主要观点

当前忠诚度计划的局限性：
- 大多数旅游企业将资源集中在高端旅客上，忽视了大众旅客的需求，导致客户忠诚度未能有效提升。
- 忠诚度计划未能改善客户体验，反而加深了客户与企业之间的疏离感。
- 自助服务虽提升了效率，但忽视了客户个性化需求，使客户感到负担加重。
认知计算的潜力：
- 认知计算能够从结构化和非结构化数据中学习，理解自然语言，并提供个性化的互动体验。
- 它能帮助旅游企业从客户行为、偏好、历史记录等多维度获取洞察，从而优化服务流程和客户关系。
- 认知技术可以提升决策质量、改善客户体验，并增强企业对市场变化的适应能力。
忠诚度计划应成为认知革命的起点：
- 忠诚度计划是旅游企业中最丰富的客户数据来源，应成为构建认知系统的中心。
- 通过整合多渠道数据（如社交媒体、预订记录、购物行为等），企业可以建立更全面的客户画像，实现更精准的个性化服务。
客户互动应以个性化为核心：
- 旅游企业应重新设计客户接触环节，使其不仅仅是交易完成，而是提供个性化建议和体验。
- 认知计算能够根据客户行为和偏好，提供动态的旅行建议、价格优化和定制化产品推荐。
行动建议：
- 旅游企业应积极采集更多数据，构建全面的客户洞察体系。
- 逐步推进认知型忠诚度计划，而不是追求一次性完美。
- 重新设计客户接触流程，使个性化洞察成为服务的核心。
- 与内部和外部合作伙伴协作，推动数据共享和系统整合。

关键信息

数据驱动的客户洞察

数据来源：包括基本人口统计、购买历史、购物历史、体验历史、未来预订、合作伙伴预订、零售消费模式、渠道偏好、社交联系网络等。
分析目标：通过认知计算分析数据，预测客户真实需求、识别追加销售机会、优化服务偏好、制定下一步最佳行动、支持社交推广等。

认知计算的三大核心能力

互动：与客户、合作伙伴及其他渠道实现无缝体验。
发现：采集海量数据，挖掘新收入来源和创新机会。
决策：基于数据提供个性化推荐，适应不断变化的业务环境。

实际案例

奥斯汀市文化和旅游局：利用IBM Watson支持的Wayblazer平台，结合客户自然语言查询和数据库信息，提供个性化行程建议。
myTrafalgar应用：通过社交平台增强客户互动，收集个性化数据，并据此提供定制化的旅游体验。

调研方法与数据

调研时间与范围：2015年5月至8月，覆盖13个国家或地区的3,833名旅客。
调研目的：评估忠诚度计划的现状，探索如何通过认知计算提升客户体验和忠诚度。
关键发现：
- 82%的忠诚度计划成员认为其简单易用。
- 96%的忠诚度计划支持者认为其响应速度快。
- 75%的忠诚度计划支持者表示如果能找到更好的选择，会考虑更换计划。