CC BY
188
УДК: 330
ББК: 65.0
Никулин Д.Ю., Краснов С.В.
АНАЛИЗ ЭФФЕКТИВНОСТИ ИНТЕРНЕТ-ПРОДАЖ ТУРИСТИЧЕСКИХ
ПРОДУКТОВ
Nikulin D. Yu., Krasnov S.V.
ANALYSIS OF THE EFFECTIVENESS OF INTERNET SALES OF TOURIST
PRODUCTS
Ключевые слова: туризм, онлайн-сервисы, цифровые технологии, конструктор туров, TripAggregator, конверсия, кластерный анализ, кластеры, стратегия развития, повышение эффективности онлайн-сервиса.
Keywords: tourism, online services, digital technologies, tour designer, TripAggregator, conversion, cluster analysis, clusters, development strategy, improving the efficiency of online service.
Аннотация: проанализирована динамика развития туристических интернет-продаж за последние годы. На основе этого анализа продемонстрировано превращение цифровых технологий на основе онлайн-сервисов в драйвер развития мировой туриндустрии. Проанализированы с точки зрения системного подхода перспективы дальнейшего развития и формирующиеся тренды. Проанализирована работа одного из российских онлайн-серверов-TripAggregator. Рассмотрена его структура, возможности и особенности. Анализ результатов работы этого онлайн-сервиса в разрезе категория тура - коэффициент конвер-сии,категория предложения-просмотры-конверсия, категория предложения-бронирования-доход, категория предложения-числа бронирования мест в одной заявке за 2018 год. Проведенная кластеризации статистических данных на основе критерия - евклидового расстояния с использованием принципа "ближайшего соседа" позвола объединить отдельные категории предложения в группы, что, в свою очередь, позволит в дальнейшем дифференцировать стратегии их развития.
Abstract: the dynamics of the development of tourism Internet sales in recent years is Analyzed. Based on this analysis, the transformation of digital technologies, based on online services, in the driver of the world tourism industry. The prospects for further development and emerging trends are analyzed from the point of view of a systematic approach. The work of one of the Russian online servers-TripAggre gator is analyzed. Its structure, possibilities and features are considered. Analysis of the results of this online service in the context of the tour category-conversion rate, offer category-views-conversion, offer category-booking-income, offer category-the number of seats in one application for 2018. The clustering of statistical data on the basis of the criterion-Euclidean distance, using the principle of" nearest neighbor", allows you to combine the individual categories of proposals in groups , which in turn will allow, in the future, to differentiate the strategy of their development.
В настоящее время туристическая отрасль продолжает стабильный рост. По объему продаж лидируют бронирование отелей и покупка авиабилетов. Драйвером роста является массированное появление в начале 2000-х годов на рынке онлайн-серверов, которые можно назвать - «тревел-стартапы», лидером среди них можно считать онлайн-серверы для продажи авиабилетов.
С течением времени зависимость
участников туристического рынка от технологий лавинообразно усиливалась, превращая цифровые технологии в драйвер развития мировой туриндустрии.
По данным Data Insight, рынок вырос в 10 раз за последние 6 лет. Теперь покупатель приходит в интернет за авиабилетами, отелями, турами, страховками, круизами и другими туристическими услугами.
В частности, на рынке авиабилетов за
последние 5 лет 70% пассажиров ушли из авиакасс приобретать билеты на онлайн-ресурсах и сайтах авиакомпаний. По данным [13], наиболее распространенным и успешным среди онлайн-серверов по продаже авиабилетов выступает -Hotelscombined (roomguru) и Hotellook. Кроме того, онлайн-серверы Trivago и Skyscanner предоставляют услугу по сравнению цен различных компаний, что свидетельствует о развивающейся на онлайн-серверах процессах диверсификации и соответственного роста рынка онлайн-туризма за счет севисов включающих: выбор отеля, трансфер, страховку, экскурсии и другие виды услуг.
На бронировании экскурсий хотелось бы остановиться подробнее на примере поискового сервиса www.excursiopedia.com, который позволяет решать следующие задачи:
- выбор экскурсоводов, видов экскурсий, отзывы туристов;
- формирование индивидуальных и групповых экскурсий;
- забронировать тур путем предоплаты.
Одним из последних нововведений является приобретение электронной визы путем подачи всех документов через интернет.
«На 2017 год пришелся взрывной рост бронирований с мобильных телефонов. По данным Google, 70% пользователей вводили поисковые запросы, касающиеся туризма, со смартфонов, 79% совершили бронирование после поиска на мобильных устройствах. Мобильный канал стал популярным способом получения информации» [17]. Клиенты стали бронировать свои поездки в считанные минуты, то есть за несколько дней, а иногда и часов, при наличии свободных мест в отелях.
Клиенты, моложе 30 лет, совсем не пользуются услугами турагентств. По данным туроператоров, от 10 до 20% туров продается на их сайтах в режиме B2C. И эта цифра ежегодно растет, что является прямой угрозой для классических турагентств, которые живут на продажах чужого турпро-дукта.
Не столь бурно бронирование с мобильных телефонов, однако вследствии этого неуклонно развивается персонификация отдыха. Все больше и больше путешествен-
ников хотят организовывать отдых самостоятельно. Все меньше любителей групповых путешествий. Этому, в частности, способствовало появление следующих инструментов:
- «динамическое пакетирование" - это технология формирования и дистрибуции турпродукта в онлайн-режиме путем одновременного прямого обращения к ресурсным системам отелей, авиакомпаний, агре-гаторам туруслуг. Технологии стимулируют рост прямых продаж и активно поддерживаются отелями и авиакомпаниями, поскольку позволяют гибко формировать тарифы и повышать доходность, не наносят удара по бренду. С 2018 года узаконена электронная путевка, снимающая формальные тормоза по уходу турбизнеса в интернет. Онлайн-тревел-агенты увеличили продажи за последние два года в 10-20 раз. На сегодняшний день это наиболее технологичные, с точки зрения юзабилити, участники туристического рынка.
«Динамичное пакетирование» соперничает за каждого клиента с «метапоиско-виками», которые тоже становятся глобальными дистрибьюторами туруслуг, начиная участвовать в расчетах между клиентами и поставщиками, превращаясь в маркетплей-сы. «Для удобства туристов эта система позволяет клиентам сравнивать цены многих сайтов на своем ресурсе, после чего отправляет совершать покупки на сайт компании. Продажа билетов через метапоиски играет заметную роль в дистрибуции и большая часть трафика проводится именно через них. Нельзя не упомянуть о таком сервере, как «Яндекс», который остается популярным среди пользователей интернет-сети. Через несколько месяцев после обновления авиаметапоиска avia.yandex.ru был запущен новый проект travel.yandex.ru, который является агрегатором пакетных туров от ведущих туроператоров и позволяет смотреть и сравнивать стоимость на билеты и на отели в определенном направлении и в определенные даты» [13]. OZON.travel начал продавать динамические туры.
Появляются новые непрофильные дистрибутивные каналы, которые формируют организации, обладающие значительной клиентской базой, такие как:
- банки, создают цифровые потребительские платформы, в которых одной из основных подсистем является сервис по бронированию туристических услуг;
- информационные порталы, имеющие собственную лояльную аудиторию, привлекая клиентов, размещают на своих порталах тревел-сервисы;
- крупные компании, для обеспечения отдыха сотрудников, создают специальные дочерние структуры.
Все это приводит к вытеснению с рынка традиционных поставщиков турус-луг. Ежегодно закрываются тысячи турагентств.
Набирает ускорение процесс интегри-рованности участников рынка в глобальные сети, одной из наиболее успешных является Peakwork. Это международная информационная среда, обеспечивающая единый стандарт обмена данными абсолютно всем мировым поставщикам туруслуг и дистрибьюторами. Каждый участник мирового туристического рынка получает уникальную возможность взаимодействовать со всеми партнерами сети Peakworк.
Отличительной особенностью Peak-worк является:
- "децентрализованная" база данных предложений поставщиков туруслуг;
- актуализированность;
- скорость выдачи;
- интуитивно понятная логика поиска.
Несмотря на различные рассмотренные выше тренды в туриндустрии все они пытаются решить следующие задачи:
- избавиться от посредников;
- оптимизировать свои затраты на дистрибуцию;
- взрастить собственную лояльную клиентскую базу.
Все будут продавать всё с приорити-зацией собственного контента.
Необходимо также остановиться на тенденциях, появившихся за последний год.
Двухуровневая система:
- технологические туристические стартапы сосредоточат усилия на реализации узкоспециализированных сервисных задач, в частности на поиск новых каналов привлечения клиентов.
- самые успешные проекты будут по-
глощаться гигантами.
Среди новых каналов привлечения клиентов усиление влияния рекомендательных сервисов, основанных на работе с данными туристов и персонализация предложений. Действительно, увеличение количества различных предложений приведет к, в свою очередь, к тому, что клиент теряется при таком выборе и сложности настроек параметров поиска и ему необходим некоторый путеводитель, основанный на его собственных предпочтениях [13];
- увеличение повторных продаж.
Последнее можно реализовать на основе:
- накопление данных об интересах пользователей и работе с большими массивами данных о поведении пользователей для точного определения лучших предложений для конкретного пользователя;
- создания серверов, где каждый турист может получить советы, отзывы от местных жителей, куда планирует поехать;
- возможность ограничивать параметры выбора именно по тем критериям и по тем, которые устанавливает клиент [13] ;
- персонального постпродажного сопровождения клиента;
- интеграция с сервисами работы с большими данными - Яндекс, Google для построения автоматизированных систем сбора отзывов;
- интеграция с социальными сетями, новостными сервисами, мессенджерами для прямых продаж туристам;
- сочетания предпочтений туриста с ценой группового тура.
В 2018-2020 годах рынок туристических услуг ожидает рост блокчейн-технологий. Из наиболее значимых событий в этой области следует отметить следующие:
- «Lufthansa Group объявила о сотрудничестве с некоммерческим швейцарским блокчейн-стартапом Winding Tree. С помощью децентрализованной В2В-платформы для проведения транзакций по бронированию, основанных на технологиях блокчейн, стартапы и компании смогут получить прямой доступ к предложениям поставщиков услуг туристического рынка. Таким образом, пропадает необходимость неэффектив-
ного взаимодействия со множеством посредников в лице туристических агентств, агрегаторов, систем дистрибуции;
- крупнейшая немецкая туристическая компания ТШ разрабатывает собственный проект BedSwap — в блокчейн будут добавлены все гостиничные номера компании;
- российская авиакомпания S7 совместно с Альфа-банком начала сотрудничество с блокчейн-платформой ЕШегеит для автоматизации торговых операций. Технология позволила значительно ускорить поступление денег от агентов за купленные билеты S7 - если раньше этот процесс занимал до двух недель, то теперь речь идет о 23 секундах» [17].
TripAggregator и его работа
Одним из известных российских он-лайн-серверов является TripAggregator .
Работа с данной системой осуществляется с сайта http://tripaggregator.com. TripAggregator включает следующие модули:
- модуль онлайн оплаты;
- витрина предложений (виджет);
- конструктор туров;
- партнерская сеть;
- подключение офлайн турагенств;
- комплектование сборных туров;
- единый учет мест.
Особенностями его являются:
- помощь в планировании вашей поездки на самые ближайшие дни;
- система поиска и бронирования билетов;
- «поставщиками» являются федеральные и региональные туроператоры, турагентства, туристские информационные центры, организаторы туристических событий, а также гиды с авторскими экскурсиями;
- комплектование сборных туров с новым форматом оплаты при комплектовании сборных туров. Денежные средства блокируются на банковской карте туриста. Списание происходит только при полном наборе группы. Если группа не набралась - блокировка на карте снимается. Этот способ оплаты снижает риск внезапного отказа от поездки. Информирование туриста о наборе группы происходит автоматически;
- системы турпродукты становятся до-
ступны для всех участников турбизнеса. Затем появляется возможность раздать виджет с модулем онлайн оплаты, что позволит продавать ваши турпродукты с сайтов своих партнеров;
- единый учет мест независимо от каналов продаж, система учитывает количество проданных мест в реальном времени и позволяет избежать овербукинга;
- подключение офлайн турагенств;
- автоматизация взаимодействия с турагентствами. Каждый партнер системы TripAggregator может автоматизировать свою работу, используя личный кабинет, что облегчает общение с партнерами, формирование документов и контроль продаж.
В количественном отношении TripAggregator - это:
- более чем 2000 предложений по турам - онлайн, позволяющих сравнить в системе стоимость туров, изучить программу и достопримечательности;
- предложения по отдыху в 18 российских регионах;
- более 150 деловых партнеров подключилось к платформе за год работы.
Анализ результатов работы онлай-сервиса TripAggregator за 2018 год целесообразно проводить с помощью кластерного анализа, позволяющего на основе выборки по определенным признакам разбивать многомерные массивы на однородные группы. Воспользуемся агломеративным иерархическим алгоритмом классификации. В качестве расстояния между объектами примем обычное евклидовое расстояние, используя принцип "ближайшего соседа" [8,9,16]. Тогда согласно формуле
P(xij) = л/Нхл^хд)2,
где 1 - признаки; к - количество признаков.
При этом нам необходимо знать количество кластеров.
Одним из основных критериев, основываясь на котором проектируется дальнейшее развитие бизнес-процессов компании, является конверсия продаж. В применении к онлайн-сервису под конверсией продаж понималось отношение заброниро-ваных туров (реальные покупатели) к просмотрам сайта по данным, соответствующих категориям предложения (потенциаль-
ные покупатели). Аналогичным образом вы гичной базе потенциальных клиентов. можете вычислить конверсию отдельно для Исходные данные по конверсии про-
каждой категории предложения при анало- даж представлены в таблице 1.
Таблица 1 - Конверсия для каждой категории предложения
№ Категория предложения Конверсия
1 Культурные 5,31
2 Зимний активный отдых 2,22
3 Полеты 1,73
4 Игровые туры 1,54
5 Экскурсионные туры 1,33
6 Событийный туризм 1,07
7 Религиозный туризм 0,36
8 Рыбалка 0,36
9 Активный отдых на воде 0,32
10 Экологический туризм 0,27
11 Образовательный туризм 0,24
12 Деловой туризм 0,23
13 Гастрономический туризм 0,19
14 Круизы 0,12
15 Мастер-класс 0,12
Представим эти данные в виде графика, где по оси абсцисс - № категории предложения, а по оси ординат - соответствующие значения конверсии (рисунок 1).
Анализ графика позволяет предвари-
тельно определить 4 группы-кластера, которые нам необходимы для дальнейших расчетов.
Эти кластеры - 8(1), 8(2,3,4,5,6), 8(7,8,9,10), 8
(11,12,13,14,15).
Рисунок 1 - Соотношение категории предложения и конверсии
Результаты иерархической классифи- кации объектов представлены в таблице 2.
Таблица 2 - Результаты иерархической классификации объектов
№ п/п 1 2 3,4,5,6 7,8,9,10,11,12,13,14,15
1 0 3.09 3.58 4.95
2 3.09 0 0.49 1.86
3,4,5,6 3.58 0.49 0 0.71
7,8,9,10,11,12,13,14,15 4.95 1.86 0.71 0
В результате имеем 4 кластера: S(l),
8(2), 8(3,4,5,6), 8(7,8,9,10,11,12,13,14,15).
В соответствии с определением конверсии ее показатель тем больше, чем
больше реальных покупателей и потенциальных покупателей. В таблице 3 представлены данные в разрезе: категория предло-жения-просмотры-конверсия.
Таблица 3 - Категория предложения-просмотры-конверсия
Категория предложения просмотры конверсия
1 Культурные 139428 5,31
2 Зимний активный отдых 13494 2,22
3 Полеты 2887 1,73
4 Игровые туры 257 1,54
5 Экскурсионные туры 73682 1,33
6 Событийный туризм 6623 1,07
7 Религиозный туризм 2190 0,36
8 Рыбалка 550 0,36
9 Активный отдых на воде 313 0,32
10 Экологический туризм 4822 0,27
11 Образовательный туризм 15228 0,24
12 Деловой туризм 1707 0,23
13 Гастрономический туризм 11426 0,19
14 Круизы 7558 0,12
15 Мастер-класс 2597 0,12
Результаты иерархической классифи- кации объектов представлены в таблице 4.
Таблица 4 - Результаты иерархической классификации объектов
№ п/п 1 2,11,13 3,15,7,12,4,9,8,6,14,10 5
1 0 124200 131870 65746
2,11,13 124200 0 3868 58454
3,15,7,12,4,9,8,6,14,10 131870 3868 0 66124
5 65746 58454 66124 0
В результате имеем 4 кластера: S(1), В таблице 5 представлены данные в
8(2,11,13), 8(3,15,7,12,4,9,8,6,14,10), 8(5). разрезе: категория предложения - брониро-
вания - доход.
Таблица 5 - Категория предложения - бронирования - доход
Категория предложения бронирования доход
1 Культурные 7406 5621228,06
2 Зимний активный отдых 297 1555288,02
3 Полеты 50 649000
4 Игровые туры 4 7290
Продолжение таблицы 5
5 Экскурсионные туры 981 3425995,35
6 Событийный туризм 71 330140,06
7 Религиозный туризм 8 37250
8 Рыбалка 2 2850
9 Активный отдых на воде 1 14000
10 Экологический туризм 13 222263,99
11 Образовательный туризм 36 554968,08
12 Деловой туризм 4 5700
13 Гастрономический туризм 22 75887,02
14 Круизы 9 33939,99
15 Мастер-класс 3 11100
Из таблицы 5 видно, что отдельные категории предложения, а именно: гастрономический туризм, религиозный туризм, круизы, мастер-класс, игровые туры, деловой туризм, рыбалка, активный отдых на
В результате имеем 4 кластера: S(1),
8(2> 8(3,11,4,12,8,9,15,7,14,13,6,10), 8(5).
воде являются проблематичными и с точки зрения доходов, и с точки зрения бронирования.
Результаты иерархической классификации объектов представлены в таблице 6.
Анализ статистики числа бронирования мест в одной заявке в разрезе категории тура представлены в таблице 7.
Категории предложения Макс. число мест Мин. число мест Среднее число мест
1 Культурные 15 2 9
2 Зимний активный отдых 19 1 7
3 Полеты 3 1 2
4 Игровые туры 4 3
5 Экскурсионные туры 10 1 5
6 Событийный туризм 19 1 5
7 Религиозный туризм 4 1 3
8 Рыбалка 3 1 2
9 Активный отдых на воде 2 2
10 Экологический туризм 3 1 2
11 Образовательный туризм 4 1 3
12 Деловой туризм 3 1 2
13 Гастрономический туризм 5 1 3
14 Круизы 4 1 3
15 Мастер-класс 5 1 3
Среднее число мест определяется в соответствии со средневзвешенными коэф-
фициентами.
Результаты иерархической классифи-
Таблица 6 - Результаты иерархической классификации объектов
№ п/п 1 2 3,11,4,12,8,9,15,7,14,13,6,10 5
1 0 4065946.255 4972233.501 2195242.112
2 4065946.255 0 906288.054 1870707.455
3,11,4,12,8,9,15,7,14,13,6,10 4972233.501 906288.054 0 2776995.506
5 2195242.112 1870707.455 2776995.506 0
Таблица 7 - Статистика числа бронирования мест в одной заявке в разрезе категории тура
Вестник Волжского университета имени В.Н. Татищева № 1, том 2, 2019 кации объектов представлены в таблице 8.
Таблица 8 - Результаты иерархической классификации объектов
№ п/п 1 2 3,8,9,4,7,10,11,12,13,14,15 5,6
1 0 2 6 4
2 2 0 4 2
3,8,9,4,7,10,11,12,13,14,15 6 4 0 2
5,6 4 2 2 0
В результате имеем 4 кластера: S(l),
8(2), 8(3,8,9,4,7,10,11,12,13,14,15), 8(5,6).
Выводы. Проведенный анализ статистических данных с помощью методов кластерного анализа позволяет сформировать определенную стратегию действий для повышения эффективности работы онлайн-сервиса, индивидуализируя конкретные действия для каждого кластера.
1. Категории предложения: культурные, зимний активный отдых, экскурсионные туры образуют отдельные кластеры и характеризуются самыми высокими показателями.
Основная стратегия при работе с ними заключается в увеличении количества просмотров с помощью таких инструментов, как подключение деловых партнеров к платформе TripAggregator.
2. Отдельные категории предложения при примерно одинаковых просмотрах имеют отличающиеся в разы показатели конверсии, а именно: круизы - событийный туризм, экологический туризм - полеты, активный отдых на воде - игровые туры.
Эти данные говорят о том, что в категории: круизы, экологический туризм, активный отдых на воде - основная стратегия при работе с ними - сосредоточиться не на увеличении количества просмотров, а на содержательной стороне предложения, од-
новременно формируя адресные предложения для туристов, уже приобретавших ранее подобные туры.
3. Гастрономический туризм, религиозный туризм, круизы, мастер-класс, игровые туры, деловой туризм, рыбалка, активный отдых на воде являются проблематичными и с точки зрения доходов, и с точки зрения бронирования, но, с другой стороны, это может свидетельствовать о неразработанности содержательной части предложений и незаполненности этого сегмента на рынке туруслуг.
Основная стратегия при работе с ними - сосредоточиться на разработке содержательной части предложений на основе обратной связи с туристами, уже приобретавшими этот тур.
Последнее имеет особо важное значение в связи с тем, что выбор турпродуктов количественно растет. Трудно их даже представить на сайте, а разобраться обычному туристу становится невозможно, и он сегодня ориентируется либо на свой опыт, либо на опыт знакомых. Что практически сводит его выбор к нескольким постоянным турам, поэтому необходимо помочь туристу в выборе, предлагая ему адресно определенные туры, сформированные на основе его предыдущих предпочтений.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Постановление Правительства РФ от 2 августа 2011 г. № 644 "О федеральной целевой программе "Развитие внутреннего и въездного туризма в Российской Федерации (2011 -2018 годы)".
2. Боголюбов, В.С., Орловская, В.П. Экономика туризма. - 3-е изд. - М.: Академия, 2013. - 192 с.
3. Гуляев, В.Г. Новые информационные технологии в туризме. - М.: Приор, 2013. -
144 с.
4. Джанджугузова, Е.А. Маркетинг туристских территорий: учебное пособие. - М.: Академия. - 2012. - 224 с.
5. Дурович, А.П. Маркетинг в туризме: учеб. пособие. - 2-е изд., перераб. и доп. - Мн.:
Новое знание, 2013. - 327 с.
6. Зорин, И.В., Квартальнов, В.А. - Туризм как вид деятельности: учебник. - М.: Грамота. - 2013. - 288 с.
7. Кабушкин, Н.И. Менеджмент туризма: учебник / Н.И. Кабушкин. - 5-е изд., стереотип. - Мн.: Новое знание, 2012. - 408 с.
8. Лагутин, М.Б. Наглядная математическая статистика. - М.: П-центр, 2003.
9. Мандель, И.Д. Кластерный анализ. - М.: Финансы и статистика, 1988.
10. Морозов, М.А. Информационные технологии в социально-культурном сервисе и туризме. Оргтехника: учебник (5-е издание). - М.: Академия, 2004. - 240 с.
11. Никулин, Д.Ю., Краснов, С.В. Интеллектуальные технологии в туризме // Вестник Волжского университета им.В.Н.Татищева. Серия "Экономика". Выпуск 4 (22). - Тольятти: Волжский университет им. В.Н. Татищева, 2017.
12. Никулин, Д.Ю., Краснов, С.В. Развитие туристической отрасли на основе информационно-коммуникационной платформы, конструктор туров // Вестник Волжского университета им. В.Н. Татищева. Серия "Экономика". Выпуск №4 (40), том 1. - Тольятти: Волжский университет им. В.Н. Татищева, 2017.
13. Рудская, Е.Н., Скабарова, А.А. Онлайн-туризм: перспективы и прогнозы развития // Молодой учёный. - 2016. - № 8 (112). - С. 655-659.
14. Чудновский А.Д. Туризм и гостиничное хозяйство. - М.: ЭКМОС, 2012. - 400 с.
15. Шаховало, Н.Н. Интернет-технологии в туризме. - Барнаул: АлтГАКИ, 2013. - 247 с.
16. Кластерный анализ [Электронный ресурс]. - Режим доступа: Ы^:// axd.semestr.ru/upr/cluster.php
17. Актуальные тренды туристической отрасли [Электронный ресурс]. - Режим доступа: https://blog.admitad.com/?p=12371 2018-2020.
