在此背景下，大地云游在業界首次提出了“用戶痕跡復原分析法（UTRA分析法）”，同時將該方法成功應用在武夷山旅游景區上。基于該方法，大地云游對武夷山旅游景區的經濟及產業發展、交通區位、旅游資源、游客市場等旅游狀況在數據空間內對其進行時空重構，并對武夷山旅游景區的管理及營銷提出了建設性指導策略。“UTRA分析法”的提出，為目前我國紛繁雜亂的旅游大數據現狀指明了發展方向，對大數據如何解決旅游行業難題、如何提高大數據在旅游領域的應用價值具有重大意義。

      用戶痕跡復原分析法（User Trace Recover Analysis，簡稱UTRA）是大地云游首次提出，該方法是基于宏觀經濟數據、旅游產業數據、遙感數據、GIS數據、用戶屬性數據、用戶交易數據、微博社交數據、LBS數據等海量數據，通過多元分析、空間統計分析、機器學習算法等數據挖掘方法，全景構建景區大數據畫像，在數據空間內對景區過去某一時間、某一空間下的旅游狀況進行時空大數據重構，全面把握景區發展的外部環境與市場導向，深刻洞察游客基本屬性與行為特征，精準分析游客旅游路線，實時監控景區游客量，為城市及景區實現旅游市場細分、旅游營銷診斷、景區精準管理提供有力支撐。

      用戶痕跡復原分析法（UTRA分析法）分為數據采集、數據預處理、數據挖掘分析、數據可視化、數據應用等五大步驟。

      第一，通過搜索引擎、地圖導航軟件、在線旅游網站、在線購物網站、微博、論壇等以及旅游宏觀數據庫、遙感衛星、氣象監測站等采集原始數據；

       第二，對原始數據進行清洗、去噪、標準化等預處理；

       第三，通過多元分析法、空間統計分析、機器挖掘算法等方法對數據進行深入挖掘分析，同時對景區已有的游客線下數據與旅游在線數據進行數據匹配，并通過宏觀數據與游客微觀數據進行交互驗證，從而得到更為精準的結果；

      第四，對分析結果進行數據可視化處理；

      第五，通過旅游行業專家對數據結果進行解讀，為景區旅游市場細分、客源市場定位、旅游新產品開發、旅游營銷診斷、輿情引導等提供決策支持。

用戶痕跡復原分析法（UTRA分析法）

      基于UTRA分析法，大地云游可對旅游景區和旅游城市的外部環境、交通可達性、旅游資源、客源市場、游客屬性、游客行為偏好、旅游市場監管等方面進行旅游大數據重構，從而完整呈現景區及城市的旅游大數據畫像，其具體分析體系如下：

旅游大數據分析體系

二、旅游大數據分析方法論

1、旅游大數據生態鏈理論

      旅游是一系列持續變動的用戶行為過程，這些行為過程通過線上、線下等各種渠道留下用戶行為痕跡、碎片化數據，將這些數據通過不同路徑、不同渠道進行整合，再按照一定的邏輯方法復原過去某一時空條件下的游客畫像，從而構成了一個完整的數據生態鏈。

      數據生態鏈第一站：一般來講，當人們的思維里剛迸發出一個旅行的念頭時，他們多半會通過搜索引擎或或者門戶網站了解想去的旅游景點，以此初步確定旅行的意愿，那么在這時候百度、谷歌就成為了他們旅游出行前的第一站。為此，百度和谷歌等搜索引擎則存儲、記錄了每一名游客的搜索數據。通過對搜索數據的挖掘、分析，可以知道每個景區每天有多少搜索量、哪些地區的人群搜索了該景區、以及某一地區的游客搜索偏好等；

      數據生態鏈第二站：接下來，就是出游準備階段——行程和門票的預訂、攻略的查詢。在這個階段，攜程、去哪兒、途牛、螞蜂窩等旅游網站則成了游客的首選。游客通過攜程、去哪兒網訂購機票、酒店；通過同程、途牛網站訂購景點門票、旅行社跟團產品；通過螞蜂窩網站查找旅游攻略，選擇自由行路線等等。以上旅游網站存儲了每一名用戶的瀏覽、點擊及交易等數據，通過數據挖掘、分析可以獲知游客通過哪種交通方式進入景區、喜好住宿哪些酒店、喜好哪些景點、哪些旅游路線最火爆等等。

      數據生態鏈第三站：這一階段是游客到達旅游目的地之后，所發生的線下的旅游行為。游客到達目的地之后，通過百度地圖、高德地圖進行路線導航；通過大眾點評預訂餐館；通過景區WiFi免費上網；通過景區的手機APP進行導覽等。這一階段的數據獲取，可以通過高德，百度地圖等LBS定位，判斷游客何時到達旅游城市、何時進入了景區；通過景區的手機APP，判斷游客在景區內都去了哪些景點；通過大眾點評去了哪家餐館消費；通過百度地圖、高德地圖判斷游客在景區逗留了多長時間等。

      數據生態鏈第四站：最后，游客在一次旅游行為結束后，會在螞蜂窩、新浪微博等撰寫游記、發微博評論等，通過這些數據，可以對當地的旅游產品及服務的質量進行分析評價。通過對這些旅游輿情數據的挖掘和分析，可以充分了解景區或旅游城市存在的可改善的問題和最受游客好評的所在。

旅游大數據生態鏈

2、多元化旅游大數據整合理論

3、旅游大數據O2O理論

      旅游大數據O2O理論，是指通過整合線下與線上的游客數據，提高數據的精準性，并激活數據的潛在價值。傳統的旅游線下數據，如景區的人流量統計數據、經營數據等等，往往被管理者所忽視，而這些數據如果與線上數據相匹配，則大大提高數據價值。例如，百度通過景區的歷史票務數據，結合百度旅游網民的搜索數據、天氣數據等進行建模，可以對景區未來幾天、幾小時之內的游客量進行精準預測，預測準確率達90%；同時，通過景區所采集的游客信息，包括游客客源地信息、年齡、性別信息，可以與百度大數據相結合，對該景區旅游客源地同一類型的用戶進行精準營銷，從而大大提高景區的管理、營銷水平，極大提升數據價值。

線上數據與線下數據整合

三、UTRA分析法在旅游行業的應用

      旅游大數據的應用包括以下五個方面：

      基于LBS數據、搜索引擎數據和OTA數據等，對旅游市場進行細分，研判城市和景區旅游市場成長性，精準判斷客源地市場，分析潛在客源市場和相關區域市場的客源流失情況。

• 旅游景氣指數，預測未來旅游市場增長
• 游客偏好分析，實現旅游市場細分
• 旅游客源分析，判斷主要客源市場分布
• 潛在客源市場分析，探索區域旅游市場洼地
• 客源流失分析，提升旅游市場轉化率

      基于旅游大數據畫像、旅游市場細分和旅游輿情分析等技術手段，對旅游營銷進行診斷、提升和優化。

• 準確發現潛在客源市場，優化營銷重點和渠道
• 細分旅游市場，為游客定制個性化產品與服務
• 評價旅游產品供給與市場需求的匹配度，發現新型業態
• 診斷經營短板和負面問題，并進行提升和改善
•  跟蹤評價已有廣告投入的實際效果

      采用網絡文本挖掘技術，對網頁、OTA網站、微博等在線內容進行分析，及時發現游客反饋，改善旅游服務，判斷網絡營銷效果。

• 網絡關注度
• 正負面評價
• 網民情緒監控
• 媒體關注度
• 網民認知
• 輿論引導
• 熱點事件診斷

4、項目可行性推演

      發掘單體旅游項目的目標市場和市場潛力，預測潛在游客量及旅游收入，對項目投入產出進行推演。

• 目標市場定位
• 旅游服務競合分析
• 游客量及旅游收入預測
• 投入產出分析

5、游客量預測及安全預警

      綜合集成旅游大數據軟硬件系統，構建旅游數據挖掘平臺，為旅游管理部門建設集數據存儲、清洗、挖掘、可視化和判別于一體的大數據中心，有效為城市和景區提供旅游動態監測與管理。

• 游客搜索量監測
• 游客量預測（未來幾天、幾小時）
• 景區熱力圖（游客空間分布）

      “UTRA分析法”的提出，為旅游局、景區及旅游企業如何應用大數據提升自身的旅游管理、旅游營銷及運營水平指明了方向，同時明確了大數據時代旅游行業自身定位及發展道路，引領大數據推動我國整體旅游行業的轉型升級。大數據時代，數據本身不是關鍵，關鍵是在數據中找到人類文明發展的新大陸。旅游行業也是如此。誰能預見未來，誰就能把握時代的先機。對市場的預見，對行業的預見，對產品預見，對危機的預見。

來源:大地云游