大家好，我是布丁，大家假期都去哪儿玩了？想必很多人对出行时people mountain people sea记忆犹新，没错，今天想跟大家介绍的是在线旅游产品数据分析。

　　粗算来，本案例刚开始进行时是2016年的冬天，结束时已经到了2017年的春天（此处应有背景乐：春天的故事），感谢旅游案例团队的小伙伴们在没有旅游的情况下完成了在线旅游产品的数据分析案例。

　　本案例从代码到数据，从报告到推文，全部由案例组学生一手包办（完成不易，且读且珍惜），下面就先来看看本案例的主要内容吧~

　　改革开放以来，我国经济快速增长，成为全球第二大经济体。随着国民经济的稳步快速增长，人民的物质生活水平得到了可喜的改善，文化精神活动得到了极大的丰富……咳咳，扯远了。总之呢，如今的人们正变得越来越会享受生活，也变得越来越有钱（也许吧）。花点儿时间旅游，这不仅仅可以成为辞职去向首选，也日益成为度假休闲必备方式之一。那么现在问题来了，世界这么大，你想去哪儿看？

　　中国产业信息网的数据显示，2015年，我国旅游总人数达到42亿人次，旅游业收入达4.13万亿，市场规模仍在稳步扩大。其中，在线旅游市场增长势头格外迅猛，市场交易规模增长率保持在每年25%以上，从2009年的619亿元增长至2015年的4000多亿元。可见人们对旅游的热情确实越来越火热。

　　在线旅游市场的蓬勃发展让各大旅游社争先恐后的“触网”，登陆各大电商平台，同时也催生出大量的网络旅行社。在旅行社如雨后春笋涌现的如今，网上琳琅满目的旅游产品五花八门——不同的目的地，不同的行程安排，不同的服务特点……着实容易让人挑花了眼，那究竟什么样的旅游产品最受人欢迎？而它们又是凭借着什么特点俘获了广大驴友的芳心，成为旅游产品中的爆款？

　　为此，我们收集了某线条产品数据，涵盖各式各样的旅行产品，从北京周边一日游到南美多国一月游，从巍巍八达岭到浪漫香榭丽，一应俱全。

　　由于中国境内游占了多数，因此价格分布主要集中在5000以下。成交量方面，绝大多数旅游项目成交量都在30以下，分布极端偏态，十分多的爆款并不常见，可见要想要打造一个人见人爱的旅游产品确实不甚容易，因此我们接下来要详细的对影响成交量的因素进行一个（还算）细致的分析。

　　产品的基本属性，目的地和价格显然都会影响到产品的成交量，且差异显著——近者如北京周边游，均价不足千元，其低价位产品的销量几乎是美洲游各类产品销量的两倍之多，而后者均价高达3万余。

　　更具体的看，不同的旅游产品还有着不同的行程长度，不同的跟团方式，不同的交通、住宿等等，都可以逐一进行观察。如驴友们更倾心于形成相对较短的短期行程，它们的时间更方便灵活，价格也往往低于长期行程，因此更容易促成购买的消费决策。

　　除了旅程安排本身之外，作为网上交易大战的重要角色，商家们五花八门的优惠活动和服务保障也自然会对产品的成交量产生一定的影响。带有优惠活动的旅行产品成交量也相对更高。并且值得注意的是，虽然有着千奇百怪的优惠方案，但效果最显著的还是最为传统的“会员价”优惠，也许顾客们还是更享受“VIP”的待遇吧。网上交易人们还是希望买个放心，带有服务保障的产品往往都有更高的成交量，而带有如实描述保障的产品最易受到驴友们的青睐。

　　另外，旅行社的热度和信誉、评价也都是会影响成交量的可能因素。如知名旅行社的产品往往都有着成交量稍低，但价格远远高出同类产品的特点，其“质优价高”的定位策略也让他们赚的盆满钵满，普通和小众旅行社则相对就更需要强调其价格优势了。而至于商家信誉，就像大家预期的那样，信誉高的商家确实可以卖出更多的产品。

　　在对各类影响因素进行简单的观察之后，不难发现，众多的因素都会对产品成交量有所影响，那么接下来，我们要如何打造一款网红旅游产品呢？

　　看招！数据江湖·回归一式。由于因变量Y（成交量）存在严重的偏态，因此对其进行取对数处理以减轻极端值的影响，分类型变量则通过设置基准组来生成多个0-1变量加入模型。最终通过AIC准则进行逐步回归筛选变量后的最终结果如下。

　　有了回归模型的加持，我们就可以对影响成交量的各因素的效果有个更为炫酷的定量描述了，不妨举个栗子——

　　在控制其他因素不变时（很重要！），目的地来看，出境游产品虽然数量不比国内游那么多，但其平均销量大约高15%-20%；同样的产品如果价格越高，销量就越少，高价位产品销量比低价位的低14%；自由行是各类产品中最受欢迎的，其销量比跟团游平均高出6%；短期项目更受追捧，销量比中期、长期分别平均高10%，11%……

　　根据得到的回归模型，我们可以对不同的产品销量进行预测，或者也可以据此来度身打造一款旅游项目来吸引广大驴友的眼球，然后闷声发大财……

　　以上就是我们对于线上旅游产品成交量影响因素的探索（的一部分），更多故事，请您带上好酒（划掉），继续关注狗熊会的后续报道，比心。

　　本案例严重感谢来自人民大学的耿东阳、唐浩开童鞋，完成了最初的数据清洗、以及代码探索的工作；来自人民大学的冯璟烁童鞋，完成了案例的PPT制作、书写美化工作。感谢三位帅哥，在学习生活之余抽出时间投入案例制作。