希尔顿3个月提升了16%的入住预订率,背后的营销策略是什么?

已经在中国市场发展多年的希尔顿准备进一步加码。

近期，希尔顿亚太区销售副总裁Rupert Hallam在接受采访时透露，希尔顿目前在中国市场共有90多家酒店，另有234家正在筹备中，即数年内，希尔顿在中国市场的酒店数量会翻番。

同时，发展策略一直比较保守的希尔顿拟对中国区引入三个新品牌，覆盖商务、年轻化等不同市场人群。

或许看到了中国市场的潜力， 希尔顿不仅从销售和品牌布局上加速布局，在营销上，希尔顿也启动全新的数字营销策略。

据悉，就在2017年2月底，，进行了为期3个月的以高价值用户挖掘为核心的数字智能营销活动。

这个活动为希尔顿提升了16%的入住预订率，且为其官网提升了44%的流量。Morketing通过采访活动执行团队，获悉了此次营销活动的详细执行过程。

项目背景：拥有92年历史的希尔顿加码中国市场

希尔顿是最早进入中国市场的国际酒店品牌之一，也是时尚现代并高瞻远瞩的全球酒店业典范，已拥有92年历史，因此沉淀的数据和品牌非常深厚。

据介绍，此次Hilton与Chinapex创略的合作，是希望借助数据云体系，挖掘和释放Hilton现有用户数据的价值，扩大其在中国区的品牌影响力，从而占据市场竞争中的主动权。

这属于Hilton与Chinapex创略合作的第一期项目，为期3个月，从2016年11月-2017年2月，营销活动覆盖中国全国。

核心诉求：从企业现有数据中细分高价值用户

作为本身拥有强大积淀的高端酒店品牌，希尔顿的现有企业数据挖掘是开展智能营销非常重要的一步。

Chianpex创略分析，本次推广，项目的核心痛点在于：如何从企业现有的数据中细分出高价值的用户，获取深入的用户洞察，并根据数据指导后续的智能营销。

那么，从数据层面，可以分为四个步骤：

1、数据收集

2、数据整合

3、数据细分和分析

4、数据开放式应用

根据以上步骤，形成完整的反馈循环，从而为希尔顿打造持续的用户数据积累。其中，第一方数据的手机整合尤为关键。

关键步骤：希尔顿的第一方数据收集和整合

第一方数据是企业洞察客户和商业智能的支撑。

什么是第一方数据？第一方数据，是企业通过各种不同的客户触点收集到的数据，以及企业持续积累的自有数据。

Chinapex数据云通过APEX PRISM（跨触点实时数据收集）和APEX LINK（数据及API中间件，收集多样化非实时数据），将希尔顿分散在其各个系统中成孤岛状的用户第一方实时和非实时数据收集，并整合至APEX NEXUS（企业级智能数据管理平台）中，给予希尔顿一个全面的视角去洞察用户，然后帮助制定相关的运营策略。

（操作逻辑图）

APEX NEXUS（企业级智能数据管理平台）内置机器学习和各类算法模型。通过科学的运算分析，他们从希尔顿积累的庞大数据中抽取出与本次营销活动高度相关的重要价值用户，并且将人群数据一键进行定向维护及激活，同时，可设置个性化偏好服务推荐体系，提升用户体验。

比如，通过事件分析，年入住超过10次；入住城市5个以上；在线预订/浏览超过30次等的用户判定为高价值商旅人群，然后，基于历史住宿信息，进行个性化服务推荐。

在价值数据的提炼过程中，Chinapex CEO Jimmy Hu提到一个智能数据理念，它强调的是数据的有用性。他指出，一般来说，智能数据的收集不再追求“大而全”，它将变得更加目的导向。通过技术解决方案供应商提供的工具，企业能够根据实际问题决定哪些数据需要被收集。

在第一方数据挖掘中，希尔顿挖掘出3类高价值的种子用户，分别为：高价值商旅人群；节假日高频出游人群；意向客户人群。然后，针对不同的人群，他们可以进行不同的营销策略。

新客拓展：基于高价值用户洞察，结合第三方数据源

依据品牌需求，运用APEX LINK（数据及API中间件，收集多样化非实时数据）接入第三方数据源，对现有希尔顿种子人群进行数据扩充，建立完整的用户画像，抽取出希尔顿种子用户的特征标签， 并据此建立高针对性的精准广告投放计划。

通过第一方数据挖掘除了三大类种子用户，并获取了其线上数据标签，包括基础信息、用户偏好、线上行为、流量轨迹、消费习惯等360度的全方位洞察，然后通过APEX LINK（数据及API中间节接口）对接了极光推送、集奥聚合、银联智慧等第三方数据，进行新客拓展。

通过程序化广告投放、EDM信息促销、SMS信息推送等营销渠道，进行精准人群定向投放。

希尔顿，出发探索不一样的年味

总结

此次希尔顿的数字营销尝试，结合了数据云和营销云的实践，营销活动为其官网提升44%的流量，以及提升了16%的入住预订率。同时，我们获知，项目结束后，希尔顿的百度指数比去年同期增长了30%，从2133增长至2785。

事实上，通过此次合作，希尔顿不仅看到了数据云对企业营销推广的作用，也开始考虑拓展其在内部营销决策优化等其他方面的应用功能的延伸。

数据云可以基于企业第一方数据，借助当前在旅游行业运用较为广泛的机器学习算法，如逻辑回归 (logistic regression)，支持向量机 (support vector machine)，以及K-means等常用的聚类分析算法等，区分不同客户价值以及预测客户未来的行为倾向等，来辅助企业优化促销活动和定价策略，达到提升客户体验的目的。