《2016年中国旅游行业邮件营销市场报告》

多渠道智能化营销服务机构Webpower于近日发布《2016年中国旅游行业邮件营销市场报告》。报告显示,该行业国内EDM平均送达率为97.01%,平均独立打开率为6.31%,平均独立点击打开率为11.73%,平均独立点击送达率为0.74%。总体而言,旅游行业邮件营销各项指标与去年相比,表现稳定。伴随旅游行业竞争日趋理性以及行业整体稳定性的到来,我们认为邮件营销对旅游行业的市场营销应用潜力是极大的。(数据覆盖时间:2015年5月至2016年4月,如无特别说明,以下引用Webpower中国区的数据来源,均为此段时间节点)

邮件作为互联网市场营销中的一种渠道,一直以产品的天然契合度成为酒店旅游行业的标配营销方式之一,有效扮演企业CRM角色。本报告Webpower中国区结合自身客户体量及客户服务情况,为旅游行业的市场营销者们进行邮件营销相关数据解读,希望能为诸位带来更多营销技能的启发。

从旅游行业整年EDM表现折线图来看,2016年1月平均独立打开率达到8.12%,平均独立点击送达率达到1.81%,平均独立点击打开率达到22.31%之高,达到一年中的峰值。Webpower中国区认为,这与旅游行业的季节性和假期性特点分不开,由于新年及中国农历春节的到来,旅游活动持续升温,EDM各项指标因而呈现高增长。

以上常规的EDM指数能客观定量地反映旅游行业邮件营销现状。Webpower中国区也对旅游行业市场营销人员关注邮件发送的其他细节进行了分析。

根据Webpower中国区的调研数据显示,8点到11点之间,用户的打开率分别为13.87%,14.26%,12.00%,10.09%,点击率达到3.51%,4.06%,3.31%,2.85%;其次是13点到16点,用户的打开率分别为8.06%,8.83%,8.89%,8.76%;点击率达到2.06%,2.52%,2.52%,2.59%。这表明邮件最高打开率和点击率的时间点分别集中在8点到11点,13点到16点之间。

邮件发送的时机在一定程度上对邮件转化率有一定的影响。这段时间我们认为是旅游行业用户更愿意阅读邮件的时间段,也就是旅游企业开展邮件营销活动的黄金时间段。除此之外,企业还应考虑自身行业特性以及会员的具体数据反馈进行发送优化,最终实现邮件营销项目的成功。

Webpower中国区对旅游行业的邮件阅读设备也展开了调研。我们发现将近40%的邮件通过智能手机打开,60.35%的邮件通过PC端打开。Mobile端近乎要追赶到PC端。而具体到邮件阅读的移动设备偏好度,逾23.69%的邮件阅读是通过iOS设备,苹果手机和平板电脑是旅游行业邮件移动阅读的主要设备。

同时,Webpower中国区对数家企业做了相关邮件体验,结合四家企业(TripAdvisor,Hilton, Airbnb,American Airlines)的邮件营销案例,进一步向大家展示旅游行业邮件营销在实际应用当中的真实情况。(详细内容下载完整报告查看)

在市场需求旺盛,国家政策持续扶植,基础设施日趋完善以及资本的加速布局下,旅游行业处于黄金发展时期,在未来一段时间仍将保持高速增长。

品质化和个性化改造是行业创新的趋势所在,在细分领域,亲子游和银发游将迎来更好的发展态势,进一步带动周边游,定制游和邮轮游等新兴模式的爆发增长。在旅行中和旅行后的服务体验一定程度上,是未来旅游行业白热化竞争的关键,各家将在服务能力和覆盖范围上均有所提高。产业巨头之间通过资本运作融合,之前没有旅游业务的巨头布局,整个行业展现出繁荣景象。

市场营销人员不该把眼光局限在时下热门的营销手段,比如移动,社交,网络直播这样的吸睛渠道,短信与邮件是有益补充。根据Webpower发布的《2015年中国邮件营销行业数据报告》,对大量客户的研究表明,同时使用邮件及短信营销渠道的客户数量,同比上涨48%。多渠道的市场营销理念在中国地区逐渐被广泛接受。旅游行业对多渠道营销的重视程度也应不断加强。

点击下载完整报告,了解酒店旅游行业邮件营销应用状况及优秀的邮件营销策略。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值