第9章 變換的位置：個人出行數據與信用

9.1 從遠方到內心深處

出行，將個人不停變換的位置與人在食、住、行等不同層面的馬斯洛需求與差異化服務串聯在了一起。

有意義的旅程和經歷，同知識一樣，可以提升人的視野與精神境界，增加個人創造價值的潛力。“行萬里路”，已經伴隨著科技進步、服務升級與交通工具的發展，成為尋常百姓家的日常需求。

今天，很多人不僅在乎到萬里之外的地方，還在乎出行的方式與深入的角度。行萬里路的“行”，不再僅僅是乘坐某種交通工具、去一個地方、在那里轉轉這樣簡單了，還包含吃、住、游、購、娛，是關聯多種信息的集大成者。

隨著旅行服務預訂的電子化，乘坐的交通工具、享受的住宿、飲食服務等預訂數據，也成為個人數據的一部分。以不同維度展開分析這些數據，就可以立體地看出個人的消費能力、旅行偏好、興趣方向、職業情況、人際關系等，這些數據甚至是性格與人格特質的表現。

9.2 常旅客計劃

航空公司的常旅客計劃是指航空公司向經常使用其產品的客戶推出的以里程累積或積分累積獎勵里程為主的促銷手段，比如大家熟知的國航發行的鳳凰知音卡、南航發行的明珠卡等。國內航空又與世界航空的星空聯盟和天合聯盟兩大聯盟對應，使常旅客計劃具備世界范圍的認可性。

很多運營企業使用RFM模型判斷客戶價值。RFM指的是最近消費（Recency）、消費頻率（Frequency）、消費金額（Monetary）。國內外大量的航空、鐵路等運輸方式，都在RFM模型上增加了距離和距離平均單價兩個維度，以對客戶價值進行分析。

根據RFM模型，將用戶依據這三個維度值的高和低，劃分為8個或者更多個細分象限。一般8個象限對應為企業的經濟、效益、利潤的貢獻等不同角度的不同用戶。從營銷角度分析，航空公司更注重單程里程數、總里程數、航段數與每千米單價的分布情況。

（1）單程里程數：即單張機票的里程距離，數值越大代表里程距離越遠。但里程數對航空公司來說是用戶價值，對個人信用來說，則是數值越大，對人的閱歷改變可能越大。

（2）總里程數：飛行的總距離。這個數字在這里是按照所有的飛行距離計算的，表明一個人到過所有地方的距離總和，還可以從側面反映一個人去過的地方、旅行的閱歷。應該強調的是，影響閱歷的個人信用更應該看重真正的里程數，與航空公司常旅客計劃的實際計算不同。因為打折機票的里程數在積分積累上是縮減的，而商務艙、頭等艙的里程數是翻倍的。

（3）航段數：也就是乘坐航班的次數。飛行的次數越多、頻率越高，可能到過的地方越多。但短距離、高頻次地到訪同一個位置，并不能說明一個人閱歷豐富。航空公司的這個指標與上文所講的RFM模型中的“F-消費頻次”有關，目的只是增加客戶乘坐的機會。

（4）每千米平均單價：每千米單價分布可以通過總機票價格除以飛行距離計算得到。簡單來講，一位總購買打折機票的人，與一位經常購買全價票的人信用差別很大。同樣是出行，購買機票的價格不一樣，從側面反映了其經濟實力。以目前國內的航空定價來看，一般每千米定價約為0.85元，商務艙約為它的2～2.5倍，頭等艙約為它的2.3～3.2倍。因此，所購機票總價格除以全價機票可得出一個數值，這個數值為0.1～3.2（即1折機票到頭等艙全價票）。可以從每千米單價評價一個人對待出行的態度，或所在組織對待差旅的態度，從另一個側面判斷個人或組織的財力與地位。

航空公司關注的數據更多的是為了提升客戶黏性、增加航班銷售，方便航空公司用簡單、易操作的方式來為吸引優質用戶，這對于個人信用評估也有參考性，但RFM模型較關注用戶近階段的消費行為。在數字信用評定中，應該更加關注整體的情況，盡可能包含更多的航空公司數據。對于近期消費的分析，更多的是分析行為變化的趨勢。

除了與RFM相關的數據，還有很多延伸的數據信息可以進行數字信用分析，它們更加值得關注，可以使用這些數據信息補充一個人的征信維度。

（1）目的地位置的離散度：如果一個人長期僅飛往一個目的地，更多的是因為差旅或是在工作地與家之間奔波。目的地離散度越高，則說明其去過的地方越多，業務開展、個人見識可能越廣。

（2）目的地與用戶關系：將地址分為根位置、目標位置兩類。

（3）目的地屬性特點：去掉根位置，為所有航班起始地、目的地打上標簽。一個人對地點的到訪原因可分為工作型、旅游型、綜合型；屬性上可分為經濟型、文化型、政治型、娛樂型、科技型、工程型、冒險型、綜合型等。根據目的地不同屬性占比，可以判斷一個人從事的職業特性、行業屬性。后面章節有對個人職業愛好等更詳細的分析判斷，此處的數據可以作為一個佐證。

（4）飛行時間特點：比如一個人工作日經常飛往大城市、在節假日經常飛行到度假地，對機票價格敏感度較差，基本上可以確認他是一個“工作族”，屬于“有錢沒閑”的人。反之，對機票價格很敏感，對航班時間段不敏感，且目的地多為旅游地點，則他可能是一個價格敏感者。

9.3 延伸的常旅客計劃

不僅是飛機，高鐵啟動常旅客計劃也已不是新鮮事。2000年后，歐洲各國高鐵也開始了常旅客計劃。我國進入高鐵大發展階段后，在2012年年初開始了全國火車票實名計劃，將人與出行聯系在一起。2013年后，高鐵票價打折、分時計價等也開始逐漸出現，可以預見在不遠的未來，中國的鐵路常旅客計劃也會上線。

2010年上線的12306網站和訂票系統，后臺也存儲了很多個人的“旅歷”數據。稍加分析，就可以得到一份較完整的旅客出行報告，及出行者在鐵路出行方面的數字信用。

時至今日，不僅運輸巨頭擁有出行數據，互聯網出行平臺也擁有更多數據。2016年上半年用戶規模達2.64億人，全年預訂金額達3180億元。攜程、去哪兒、阿里旅行合計占比超七成。不僅僅是航空公司和鐵道部門，大量機票數據也可以從訂票網站獲取。在交通出行方面的信用評價，在線預訂平臺很可能與航空公司平分秋色。

城市化進程的加快，讓普通的大眾也開始“行萬里路”的日常模式。對于家與單位地鐵距離十幾千米的上班族來說，一年里工作日乘坐地鐵的里程，就算得上“行萬里路”。其所乘地鐵站的“根位置”基本可以確定一個人工作與生活的位置。

區域性的交通出行開啟了里程累積與特權模式。2006年5月，北京市市政交通一卡通上線；在2014年12月，北京地鐵價格從2元上調至3～9元。同時，對每張卡在地鐵出行中月累計消費100元以上的金額實行8折優惠，消費150元以上的金額實行5折優惠，400元封頂。這可以看作以里程數、乘坐總金額為核算方式的一種地鐵常旅客計劃。航空常旅客的分析方法，也適合給月消費額100元以上的地鐵族使用，分析他們在城市內的出行情況。

與地鐵的“常旅客計劃”相互支撐的，是以日常小額支付為目的、具備身份辨認功能的小額預付卡。與現金實現的匿名交易不同，小額預付卡可以實現對支付人的記錄。到目前為止，北京市的小額預付卡是匿名的，無法確定使用者的信息，但在辦理如共享自行車等業務后，就會變成實名。

早在2005年11月，中國香港的“八達通”預付卡就推出了“日日賞”計劃。“八達通”卡1997年就在香港上線，使用它不僅能乘坐公交車、地鐵，還可以享受超市購物、停車等多種服務，甚至可以刷大廈門禁。實質上，“八達通卡”是以出行為核心的生活大雜燴。“日日賞”計劃要求用戶實名注冊，以姓名、電話、身份證號為注冊信息。“日日賞”通過對使用數據的分析，為商家提供數據挖掘及未來的產品營銷等服務。2010年，“八達通”預付卡推行“日日賞”用戶就達到了240萬人。

各類小額預付卡，一旦實名制，會使得大城市內的普通居民的“出行”數據不斷地被積累，成為個人數字信用體系中的一部分。

9.4 從出行數據到數字信用

旅行是一個多種關系的集大成者，其中包含往返交通、旅行消費、旅行餐飲、興趣愛好、人際關系等幾部分內容。通過對不同數據的解析，可以了解一個人到千里之外的地方是為了工作還是為了娛樂。

在線旅游在近幾年來處于年增速在30%以上的快速增長中，2016年全國交易規模超過6000億元。其中，攜程、途牛、馬蜂窩、驢媽媽等平臺在線預訂已經有很大用戶基礎。對于一二線城市的旅行者來說，通過線下門店預訂的人逐步變少，使用電腦、手機預訂的越來越多。同時，旅行的線上線下O2O整合正在被加速，這就意味著即使是線下預訂，預訂的數據也會被同步到網上。

旅行數據的分析可以從如下幾方面入手。首先，通過預訂數據的時間、出行目的地、人數、年齡差別、性別、訂房狀況、娛樂項目等判斷旅行者的狀態，是差旅、游玩，還是工作拜訪或短暫游玩等，如表9-1所示。

通過出行的次數可以判斷旅行者對旅行的態度。可以通過出行時間、旅行花銷、出游檔次等，間接判斷出旅行者對旅行的熱衷度與價格的敏感度，據此判斷其工作情況與收入情況；并可以根據其所住酒店水平、娛樂項目消費等判斷其消費能力。同時，可以結合附加的接送機服務、全球購賬單、特色飲食、團購等情況，綜合考查其各個層面的消費偏好與實力。

確定旅行屬性后，還可對數據進行一系列的深入分析。如旅行中的社交關系，對于一同出行的兩個人，假定他們為家庭成員，比如是異性，年齡差小于9歲，則兩人可能為配偶，將兩人信用評定結果拉近。如果是父母及子女關系，也可以對他們的數字信用進行調整。

而對于同時出差的多人來說，如果幾人所處行業相近，可能信用等級由于職務級別不同而有所差別。可根據差旅預訂，如預訂房型、機票艙位等差別，確定兩人屬于平級或上下級關系；由于兩人同處一個行業，可以以個人信用確定性高的人為參照物，對另一個人的信用進行調整。

如果不屬于親人、同事的幾個人多次共同旅行，則他們會是人生中的強連接，可能屬于親密好友。還可以根據這些人多次預訂的出行情況，以及同行的人等信息來判斷小社交圈子情況。

9.5 旅行與性格

“仁者樂山，智者樂水”，旅行方式的選擇反映了人的性格。從20世紀70年代開始，研究者就根據旅行者的不同旅行偏好等對旅行者的心理進行研究。加拿大政府旅游局在1969年對成年人進行的抽樣調查研究顯示，不度假者的個性傾向于憂郁。同樣，日本媒體也揭秘了獨自旅行者的人格特征：個性獨立、可單獨行動、對環境適應力強、適應不同的文化、有一定知識和教養、具有判斷力、為人直爽、對人和善、不隨便歧視別人、對未知事物有好奇心等。

可以根據目的地特點、旅行人數、游樂項目、自由行還是跟團及運動項目的極限程度等，對旅行者的心理與性格進行分析。可使用程序算法，對個人出行數據進行自動化的分類、辨別、挖掘、分析等工作。

卡特爾16種人格因素測試是分析旅行者心理的一種方式。它根據項目屬性、旅游內容、交通方式、出行時間、旅行目的地、旅行人數、旅游的景點等，對人格因素進行打分。這16種人格包括：樂群、聰慧、穩定、好強、興奮、有恒、敢為、敏感、懷疑、幻想、世故、憂慮、實驗獨立、自律、緊張。每一項人格分為兩個極端，分別為高分、低分，可以根據不同的分數分布，了解旅行者的大致評分范圍，進而分析旅行者在環境適應、專業成就和心理健康等方面的表現。

然后依據這16個因素的得分，通過公式，推導出8種次級人格因素，包括焦慮情況、內向與外向、感情與機警、怯懦與果斷、心理健康程度、專業成就、創造力、新環境適應力的情況。

在旅行心理學中，會研究旅行類型和旅行者的性格關系（表9-2所示為不同的旅游類型與對應的人格因素因子）。旅行者的態度反映出其性格特點。

當然，不能依據性格斷定一個人的數字信用，只能將性格因素作為一種參考來輔助判定其他信息，如后續章節探討的其他個人信息。

9.6 信用采集：萬里之外“無差別”

如今O2O服務與共享經濟大發展，顧客雖然在萬里之外，但是享受到的服務體驗卻是統一的，我們的社會已步入在異地與本地一樣生活的年代。對于一部分人來說，早已沒有了定居的概念。

各類服務業都在提供跨地域的服務，這些一盤棋式的服務以個人的“行”為主線，成為一套關聯的數據。地圖類、餐飲類、景點門票類、租車類等在線服務平臺正在利用自己的優勢通過提供當地交通、當地景點、當地飲食、當地酒店、當地娛樂等服務，將用戶數據記錄到自己的數據庫中，不斷構建數據的門檻。

除了各類旅行的標準化服務，共享經濟也開始成為“行萬里路”的重要組成部分。比如Uber、Airbnb等，它們不僅可以在國內使用，到了美國、歐洲、日本，使用方式也相同。同樣，還有很多民宿共享、私廚共享、共享單車等全國范圍的共享服務。

一個人在對應的地理位置對景點、美味、人文等信息的檢索及服務享用，更能體現出他身臨其境與這個地點的信息互動。

這些數據的存在，是企業在個人數字信用方面的一大筆資產。“行萬里路”的本質是一種閱歷經濟、賬單經濟、信息經濟、交流經濟。這些都是一個人財力和創富能力的重要體現。