踩了这6个坑 酒店官网当然没有OTA转化率高

　　因此，在数据分析中，存在两个内在的风险:过分信任数据;或者过滤掉那些不能证实我们的假设的东西。在以客人为中心的酒店业，我们需要在数据和过往经验之间找到正确的平衡。最后，它需要讲一个故事。

　　举个例子：一个酒店人“知道”来自俄罗斯的客人想要喝香槟、打高尔夫球，因为这是一个人的经验(以及一些刻板印象的描述)所说的，所以这些被默认为给所有来自俄罗斯的网站访问者提供的套餐。但看看数据，我们可能会发现，大多数俄罗斯客人实际上是被你们酒店提供的俄罗斯电视频道所吸引，他们实际上对spa很感兴趣，而且没有人喝很多香槟。

　　原则5:平均总是错的

　　为了理解数据，你需要将平均值形象化。它们将帮助您了解用户流程。但是平均值总是错的。一旦你有了数据，你就需要经验来使它准确。

　　了解客人的模式，了解他们在给酒店打电话或发电子邮件时提出的问题，这些只是你需要知道的一些关键点，以便能够创建一个合适的客人旅程的“故事”。这些平均值会帮助你找到正确的方向，但真正的经验是无法取代的。

　　分析数据、寻找你没有想过的东西，但是用你的经验把它放到服务内容中为客人建立有意义的选择和旅程。

　　根据AdWeek的数据显示，52%的网络用户因为朋友的Facebook照片而受到启发去旅游。这在理论上很有趣，但这意味着什么呢?你应该如何处理这些信息?

　　平均而言，一个人，可以把头放在烤箱里，可以把脚放在冰箱里，平均感觉上很好。这和你的客户之旅是一样的，很容易用绝对化的语句来简化。每个酒店都不一样，每个客人都不一样。

　　即使是同一家酒店，随着时间的推移，也会出现客人行为模式的变化，这就是为什么个性化是一个不断变化的目标，需要不断改进和微调。人工智能可以帮助发现模式并发现模式的变化。但(目前)需要经验才能将其融入语境。

　　例子:当你分析你的网站时，你很容易被一个普通的访客路径所愚弄。您可能会认为最重要的页面是主页、价格和位置，因为这是平均预订旅程的样子。但这种假设忽略了简·史密斯所走的实际道路，正是这条道路让她在OTA上做了预订。为什么?因为她的问题没有在brand.com上得到回答。

　　原则6:如果结果不确定，增加样本量

　　如果您不能清楚地区分哪些想法最适合您的客户，那么您需要增加您正在测试的样本量。

　　我们经常跟随趋势设置我们酒店的选择和功能。因为客人选择习惯的教育效果，可能有助于发现趋势。但是如果结果是不确定的，并且您看到几乎相同数量的人使用一个或另一个选项，您最快的解决方案是增加测试基础。这不是绝对的，但它是解决非结论性测试最有效的方法。