旅遊業及旅館業使用案例
旅遊和酒店組織使用Adobe Experience Platform，將預訂引擎、忠誠度計畫、屬性管理系統和數位接觸點的訪客資料整合到每個旅客的單一檢視中。 此統一基礎可支援個人化體驗，激發預訂興趣、復原放棄的預訂，並建立可促進重複造訪的訪客忠誠度。
新訪客的個人化首頁
根據訪客的地理位置和瀏覽行為，在首頁上顯示個人化的郵輪、飯店和目的地建議。 立即看到相關旅行選項的首次訪客更有可能進一步探索並開始預訂流程。
企業影響
為新訪客個人化首頁，提供符合訪客位置和興趣的旅行選項（而非一般內容），有助於提高轉換率。
實施方式
使用匿名訪客網頁Personalization模式。 此方法會為尚未識別自己的訪客提供量身打造的內容，並使用地理位置、裝置型別和轉介來源等可用訊號，從第一個頁面將體驗個人化。 當訪客尚未自我識別且個人化必須依賴地理位置、裝置型別和轉介來源等可用訊號時，就是這種正確的模式 — 已知訪客個人化需要尚未存在的已驗證設定檔。
技術考量
- 必須在邊緣準確解析地理位置資料，以提供適合區域的目的地、貨幣和出發連線埠，而不會增加首頁載入的延遲。
- Personalization規則應該考量各地區的季節性旅行趨勢，例如在冬季期間，為寒冷氣候中的訪客呈現溫暖天氣目的地。
- 對於無法判斷位置或透過匿名化服務到達的訪客，後援內容策略至關重要。
- 與訂房系統的可用性摘要整合可確保特色屬性和行程實際是可預訂的，避免推廣已售出選項時遭遇挫折。
購物車放棄復原歷程
自動偵測客戶何時放棄其預訂購物車，並透過個人化優惠觸發多步驟電子郵件歷程以鼓勵完成。 放棄的訂位是旅行和酒店業最大的收入流失之一，在旅行意向依然新鮮時及時跟進，從這些預訂中恢復可觀的份額。
企業影響
有效的預訂回收程式可達成有意義的購物車回收率，並可依據預訂量和平均運送航程價值，產生可觀的遞增收入。
實施方式
使用事件觸發訊息模式。 此方法可回應即時購物車放棄事件，當客戶的旅行意向仍然很高時，及時傳送提醒。 當觸發程式是即時客戶行為事件，而所需的回應是單一、有時效性的訊息，而非根據客戶回應而變更的多步驟培養序列或動態優惠方案選擇時，即適用此模式。
技術考量
- 購物車放棄偵測臨界值應該考慮旅行購買中通常較長的考量週期；在第一次提醒之前延遲2-4小時通常比零售中使用的30-60分鐘更合適。
- 電子郵件內容必須在傳送時從訂位系統動態提取目前的價格、房間或機艙可用性，以及影像，因為旅行庫存和費率經常變更。
- 如免費升級或度假積分等個人化獎勵，應透過商業規則管理，該規則考慮利潤、季節性因素及客戶的忠誠度等級。
- 隱藏邏輯必須排除透過其他管道（例如客服中心或旅行社代理）完成預約的客戶，以避免不相關的後續訊息。
高意圖訪客目標定位
使用AI支援的傾向分數來識別具有高購買意圖的訪客，並透過個人化優惠和內容來鎖定他們。 識別哪些訪客最有可能預約，可讓組織將其最吸引人的優惠方案和銷售外聯活動聚焦於最接近決策的訪客。
企業影響
透過個人化優惠鎖定高意向訪客，可改善這些區段的轉換，將行銷投資集中於帶來最大回報的地方。
實施方式
使用已知訪客網頁/應用程式Personalization模式。 此方法使用即時設定檔資料和行為訊號，為已識別的訪客個人化網頁體驗，提供符合其購買整備程度的量身打造內容和優惠方案。 當個人化是由已識別客戶的設定檔屬性和傾向分數所推動，而非行為相似性模型，以及當客戶已經通過驗證，使其區段會籍和意圖訊號可供使用時，這是正確的模式。
技術考量
- 傾向模型必須針對旅行特定的意圖訊號進行訓練，例如日期搜尋、定價頁面檢視、房間比較活動，以及在短時段內重複造訪相同目的地。
- 高意圖干預措施，例如即時聊天提示或限時優惠，應出現在預訂流程中的自然決策點，而不是中斷瀏覽體驗。
- 評分模型應區分研究意圖和預訂意圖，因為旅行者通常在準備購買之前幾個月進行研究。
- Real-Time Customer Data Platform計算屬性可彙總各工作階段的行為訊號，以維持每個訪客的最新意圖分數。
預訂後追加銷售行銷活動
客戶完成預訂後，會自動觸發機艙升級、岸上游、就餐套件和其他輔助專案的向上銷售行銷活動。 預訂和旅行之間的時間段，是訪客對即將到來的旅行最興奮、最願意接受提升體驗的時候。
企業影響
預訂後追加銷售行銷活動會增加平均訂單價值及提升附屬收入，使單一預訂成為更具價值的交易。
實施方式
使用多步驟協調歷程模式。 這個多步驟歷程會透過一系列追加銷售機會的計時順序引導已預訂的客戶，根據訪客已購買的內容及其對先前訊息的參與度來調整優惠方案。 當使用案例需要根據參與事件和存貨可用性（單一觸發訊息無法容納追加銷售時刻之間的相依性邏輯，或根據旅行日期接近度進行時間調整）的循序、多訊息流程，且具備條件分支時，這就是正確的模式。
技術考量
- 歷程必須與預訂系統整合，以確切瞭解訪客已預訂哪些專案、特定行程提供哪些升級，以及每個輔助選項的目前定價。
- 追加銷售時間應策略性地加以錯開；客艙升級可在預訂後不久提供，而短途旅行和餐飲套餐則會在旅行日期臨近時表現更好。
- 由於移轉容量和升級可用性會持續變更，因此在提供優惠方案時，必須檢查輔助產品的存貨和可用性。
- Journey Optimizer個人化應說明預訂中的旅行者人數，建議適閤家庭的旅行適閤家庭預訂，以及針對兩人預訂的情侶導向體驗。
失效客戶的贏回行銷活動
識別超過12個月未預訂的客戶，並根據他們過去的旅行偏好設定，透過個人化的回饋優惠和內容與他們互動。 重新吸引已失效的訪客比獲得全新的客戶更具成本效益，而過去的旅行者已經熟悉品牌，可以降低重新預訂的門檻。
企業影響
目標明確的回饋行銷活動可讓失效的客戶達到有意義的重新啟用率，從原本可能永遠不會回訪的訪客恢復收入。
實施方式
使用多步驟協調歷程模式。 這個多步驟歷程透過一系列漸進式訊息重新吸引失效客戶，這些訊息會根據客戶的回應從靈感演變為激勵。 若沒有個別的觸發事件，且時間必須根據客戶生命週期模型與季節性預訂模式來計算，則這是正確的模式；事件觸發式傳訊功能無法處理漸進式提升邏輯，或典型差旅計畫視窗周圍的時間優惠需求。
技術考量
- 失效的客戶區段應該將旅行類別中的典型預訂頻率列入考量；如果客戶每年都進行預訂，則僅六個月不活動後不應將其標籤為失效。
- 回饋內容應參考客戶過去的旅行偏好設定，例如偏好的目的地、機艙型別或旅行季節，以展示品牌記得並重視它們。
- 優惠方案應從啟發性的內容開始，逐步在歷程中提升，並僅當先前的訊息未產生參與時才推進至金錢獎勵。
- 對於透過旅行社或客服中心等離線頻道進行的任何預訂，必須根據預訂系統檢查客戶記錄，以避免將贏回訊息傳送給實際活躍的客戶。
動態行程建議
根據客戶過去的預訂、瀏覽記錄和所述的偏好設定，顯示個人化的郵輪行程和目的地。 當旅行者看到根據他們的興趣和旅行風格量身打造的行程時，他們會更深入地參與規劃體驗並更快地進行預訂。
企業影響
個人化的行程建議可改善與行程頁面的互動，協助客戶更快找到合適的行程，並減少旅行者為太多選項感到不知所措時的流失率。
實施方式
使用已知訪客網頁/應用程式Personalization模式。 此方法會使用訪客的設定檔資料和行為記錄，呈現最相關的行程和目的地，為已識別的訪客個人化網站內容。 當個人化是由設定檔屬性和預訂歷史記錄（而不是行為相似性模型）驅動時，這是正確的模式 — 允許規則型邏輯將出發港口和日期等旅行物流與客戶偏好設定一起考慮。
技術考量
- 行程建議邏輯必須結合航行或停留日期、出發港口和持續時間偏好設定以及目的地興趣，以向客戶呈現既吸引人又實用的選項。
- 與中央訂位系統整合，可確保建議的行程能有存貨並反映目前的訂價，避免推廣滿船或滿客預訂的物業時遭遇挫折。
- 季節性因素應嚴重影響建議；先前預訂夏季地中海郵輪的客戶應看到類似的季節性選項，而不是淡季的替代選項。
- Experience Platform設定檔合併原則必須正確統一來自多部裝置的瀏覽行為，以便在行動裝置上執行的研究會反映在案頭建議中。
首頁上最近瀏覽的產品
在首頁上顯示最近檢視的郵輪、飯店或目的地，以提醒訪客其興趣並鼓勵回訪。 旅行者通常在預訂前會進行多次調查，現在發現他們之前的興趣，消除了每次回訪時開始搜尋的麻煩。
企業影響
在首頁上顯示最近瀏覽的旅遊產品可增加回訪參與度，協助客戶從中斷的地方重新開始，並縮短預訂的路徑。
實施方式
使用已知訪客網頁/應用程式Personalization模式。 此方法使用訪客的儲存設定檔資料來轉譯首頁上先前檢視的專案，進而建立瀏覽工作階段的連續性。 當個人化需仰賴跨工作階段和裝置的持續設定檔資料（而非即時行為相似性），且相關性規則是以時間為基礎（造訪間隔）而非演演算法排名，這就是正確的模式。
技術考量
- 最近檢視的資料在使用身分解析的裝置和工作階段中必須持續存在，以便透過手機瀏覽的客戶在桌上型電腦返回時看到相同的專案。
- 若先前檢視的選項已無法使用，或自上次造訪後價格已變更，則顯示的專案應顯示目前的訂價與可用性狀態，並加上明確的指標。
- 顯示專案的造訪間隔視窗應調整為旅行預訂週期；顯示三個月前檢視的郵輪可能仍然相關，不同於之前檢視的零售產品。
- 隱私權考量要求最近檢視的內容須與客戶同意狀態繫結，而且清除瀏覽記錄的選項應可輕鬆存取。
具有目標選件的退出意圖強制回應視窗
當訪客顯示退出意圖時，會根據其在工作階段期間的瀏覽行為，顯示包含相關優惠的個人化強制回應視窗。 以吸引人、情境相關的優惠方案吸引即將離開的訪客，是讓訪客在離開前將興趣轉換為預訂的最後機會。
企業影響
具有個人化旅遊的退出意圖模式可復原原本離開而不進行預訂的訪客之間的有意義轉換，擷取將完全遺失的收入。
實施方式
使用Offer Decisioning模式。 此方法會使用集中式決策邏輯，評估所有可用的優惠，並根據訪客的工作階段行為和設定檔資料為其選取最相關的優惠。 這是當優惠選擇必須考慮忠誠度層級適用性和有關頻率上限的業務限制時的正確模式，這些限制需要管理的決策邏輯，而不是簡單的行為建議或單一觸發訊息。
技術考量
- 旅行預訂網站上的退出意向偵測必須說明多分頁瀏覽行為，因為旅行者經常在個別分頁中開啟多個行程或屬性，而且實際上並不打算離開。
- 優惠選擇應反映訪客在其工作階段期間瀏覽的內容，對他們瀏覽的特定目的地或屬性提供折扣，而不是一般的促銷活動。
- 強制回應頻率應嚴格限制，以防止訪客在每次造訪時都看到相同的選件，這會削弱促銷活動的急迫性和感知的排他性。
- Journey Optimizer優惠方案適用性規則應考慮訪客的忠誠度等級和預訂歷史記錄，以提供適當估值的獎勵，為進階訪客提供有意義的額外優惠，而非小量折扣。
熟客方案Personalization
根據客戶的忠誠度等級、點數平衡和參與記錄，個人化網站體驗、優惠和通訊。 看到自己的狀態反映在每個接觸點的忠誠會員，會覺得自己受到認可和重視，這加強了他們對品牌的承諾，並鼓勵層級提升。
企業影響
層級式個人化可促進忠誠會員的參與度提高，深化關係，並加速維持長期收入的盈利和贖回行為。
實施方式
使用跨管道歷程與決策模式。 此方法結合歷程協調與即時決策，透過正確管道為每個忠誠會員提供正確的優惠，並適應其層級、偏好設定和最近的活動。 當歷程必須協調跨管道的傳送以防止重複優惠方案，以及當優惠方案選擇需要層級式適用性規則和贖回限制時，這是正確的模式 — 光是歷程協調並不提供所需的多管道決策層。
技術考量
- 熟客方案資料（包括層級狀態、點數結餘和收入歷史記錄）必須擷取並保持在最新狀態，以確保網站個人化和優惠方案反映客戶的實際地位。
- 特定階層的權益，例如提前預訂、免費升級及獨家訂價，必須在兌換點強制執行，需要與預訂及訂價系統緊密整合。
- 預訂、逗留和合作夥伴交易的點數平衡變更應該會近乎即時觸發個人化規則的重新計算，因此剛獲得足夠點數進行獎勵的客戶會立即看到該選項。
- Real-Time Customer Data Platform對象應圍繞忠誠度等級和關鍵參與里程碑進行架構，例如接近下一個等級或面臨等級降級風險。
多頻道預訂提醒
透過電子郵件、簡訊和推播通知，將個人化預訂提醒傳送給已開始但未完成預訂的客戶。 旅行者經常會開始預訂程式，並且受到干擾，於是他們透過慣用的管道聯絡旅行者，並提醒他們已儲存的旅行詳細資訊，以便他們重新完成預訂。
企業影響
多頻道預約提醒功能可改善預約完成率，若客戶打算預約但於預約完成前被追蹤，則可收回鉅額收入。
實施方式
使用事件觸發訊息模式。 在偵測到不完整的預訂事件時，此方法會自動觸發提醒，並透過客戶偏好的管道即時傳送訊息。 若觸發因素是分散式客戶動作（開始預訂），且所需回應是偏好管道中區分時間的傳遞，而非多步驟順序（其中每則訊息取決於先前的參與或可用性變更），則此選項即為正確模式。
技術考量
- 管道選擇邏輯應該遵循客戶通訊偏好設定，並根據過去的參與模式最佳化傳送，傳送推播通知給對行動裝置和電子郵件有良好回應的客戶。
- 提醒內容必須包含深層連結，可讓客戶直接回到其已儲存的預訂，而且所有選項均完整無缺，避免重新輸入旅行日期、房間偏好設定和訪客詳細資訊的麻煩。
- 時間與頻率規則應跨管道協調，以避免讓客戶不知所措；應適當間隔有關相同預約的電子郵件和推播通知，而非同時傳送。
- 與物業管理或中央訂房系統的整合必須在傳送提醒之前，先確認原本選取的房間型別、費率及日期是否仍然可用，並在可用性變更時更新訊息。
季節性行銷活動Personalization
根據季節性偏好、過去的季節性預訂和目前的季節性趨勢，個人化行銷活動和優惠方案。 旅行者深受季節影響，與其展現的季節性興趣和目前的旅行趨勢相一致的行銷活動遠比一般促銷活動更具吸引力。
企業影響
季節性個人化行銷活動可提升季節性預訂轉換，確保行銷投資聚焦於最有可能引起每位客戶共鳴的目的地和旅遊產品。
實施方式
使用批次傳出訊息啟用模式。 此方法會依排程為大型受眾提供個人化的季節性行銷活動訊息，並依季節性旅行模式和偏好將客戶細分。 如果對象人數眾多且已依季節性預訂歷史記錄預先定義、根據季節性計畫期間而非事件導向來排程傳送時間，且不需要即時分支或決策，則這個模式相當正確。
技術考量
- 客戶應從歷史預訂資料建立季節性偏好設定檔，識別如一致的夏季海灘度假或冬季滑雪旅行的模式，以通知行銷活動目標定位。
- 行銷活動排程必須考量旅遊業的前置時間；家庭規劃時，暑假行銷活動應在早春啟動，而不是在大部分預訂都已完成的6月。
- 季節性存貨的定價與可用性摘要必須整合，以便促銷交易能反映即時價格，以及精選旅行期間實際房間或機艙可用性。
- Experience Platform受眾應結合季節性偏好設定資料與造訪間隔指標，以優先處理在即將來臨季節之典型規劃時段內的客戶。
群組預訂建議
識別經常預約團體旅行的客戶，並主動建議團體套餐、適閤家庭的選項或多房間預訂。 群組預訂代表每筆交易大幅增加收入，而具有已證明的群組旅行模式的客戶對簡化計畫程式的組織選項反應良好。
企業影響
主動式群組預訂建議會增加每個預訂的平均訂單值，擷取群組差旅交易的完整值，否則這些交易可能會分割到多個個別預訂。
實施方式
使用行為建議模式。 此方法使用AI驅動模型，透過客戶預訂模式和行為向使用者學習，針對每位客戶建議最相關的群組旅行選項。 當料號集很大且持續變更（群組套件隨著訂價和可用性而改變）且選擇受群組預訂歷史記錄的行為模式驅動，而不是受適用性規則管理的限定優惠集時，這是正確的模式。
技術考量
- 群組旅行識別需要分析預訂歷史記錄中的模式，例如多房間預訂、多名乘客的預訂，以及針對相同日期和目的地一起進行的協調預訂。
- 群組套裝訂價必須從訂房系統動態提取，因為群組費率通常與個別費率不同，而且可能需要最小當事人規模或預先預訂視窗。
- 建議內容應符合群組召集人的獨特需求，包括群組就餐選項、會議空間、區塊預訂折扣和群組遠足可用性等相關資訊。
- Real-Time Customer Data Platform個人資料擴充應根據客戶的預訂模式，將客戶標示為群組旅遊召集人，以在尖峰群組規劃期間（例如家庭團聚季節或公司靜修期間）啟用目標式行銷活動。
AI預訂禮賓
旅行和酒店組織提供複雜且高考量的購買歷程，訪客在承諾預訂之前必須瀏覽航班、房間、房間類別、輔助服務和忠誠度福利。 靜態瀏覽和篩選介面可建立決定疲勞度，並增加流失率。 AI預訂禮賓服務人員會與來賓進行自然對話，以瞭解他們的旅行意圖、派對大小、偏好和預算，然後逐步引導他們完成行程規劃、住宿選擇和附加選項，同時提供與來賓層級相關的忠誠度福利。
企業影響
對話式預約指導可改善行程完成率和附加附件，同時減少因不同原因致電闡明選項的來賓的客服中心數量。
實施方式
使用Brand Concierge對話體驗模式。 此方法會針對屬性和行程目錄部署Product Advisor Agent，使用AEP Agent Orchestrator和即時客戶設定檔資料，透過引導式多圈對話呈現個人化選項和忠誠度相關建議。 當目標為互動式、多圈對話探索，且建立為複雜預訂決策時，這是正確的模式，有別於事件觸發式傳訊（會以單向外展對分散的旅行者動作做出反應），以及個人化Web體驗（會被動顯示建議，而不需讓訪客參與對話）。 它需要AEP Agent Orchestrator和品牌控管設定。
技術考量
- 可用性與費率資料必須透過訂房系統與Brand Concierge內容層之間的近乎即時整合保持最新狀態，因為建議不適用的房間型別或對話中的錯誤定價會立即削弱信任。
- 即時客戶個人檔案查詢必須顯示忠誠度等級、停留歷史記錄和所述的偏好設定，這樣代理商就可以主動確認訪客的狀態並量身打造建議，而不需要訪客在每次造訪時重新說明其偏好設定。
- 品牌控管必須定義代理程式如何處理費率比對查詢、競爭者參考資料，以及無法取得賓客的偏好日期或房間型別等情況，以確保代理程式會以品牌語調優雅回應，而非呈現死胡同。
- 對話意圖訊號（包括對話期間所表達的目的地興趣、旅遊對象構成和附屬偏好設定）必須以ExperienceEvent資料的形式傳回AEP，並豐富訪客設定檔以告知下游電子郵件、忠誠度和重新參與行銷活動。