Travel 3.0 - Comment les machines transforment l'industrie du voyage.

L'industrie du voyage a connu de profonds changements au cours du siècle dernier. De l'achat de votre billet à la gare en passant par une agence de voyage pour réserver des vols, jusqu'à l'âge du vol, comparez des sites comme Google Flights ou des agences en ligne telles que Kayak.

La technologie a joué un rôle majeur dans la transformation du secteur, et ce développement ne devrait pas s’arrêter de si tôt.

Machine Learning est une technologie utilisant un logiciel pour analyser des données afin d'en tirer des conclusions. Appliqué à l'industrie du voyage, l'apprentissage automatique a le potentiel de transformer encore plus l'industrie.

Voici comment les acteurs de l'industrie du voyage peuvent utiliser l'apprentissage machine pour passer à Travel 3.0.

Personnalisation

La personnalisation vise à créer une expérience client plus personnalisée. Des expériences d'achat personnalisées entraînent des ventes plus élevées.

Cela peut se faire de différentes manières dans l’industrie du voyage, mais les principes de fonctionnement sont les mêmes que dans d’autres industries: utiliser les données clients disponibles pour leur fournir des recommandations d’achats potentiels.

Le degré de personnalisation des offres dépend du type de voyage et du client.

Dans le secteur hôtelier, les recommandations peuvent être aussi simples que de faire apparaître des hôtels dans la zone d’un utilisateur ou des temps de réservation courants (ex: conférence hébergée) afin de rendre le processus de réservation plus transparent et d’augmenter le nombre de réservations directes. Les clients fidèles bénéficient d'un degré de personnalisation plus élevé, car le modèle peut faire une recommandation sur les préférences d'affichage précédentes (types de chambres, équipements disponibles, etc.). Il ne s’arrête pas juste à la salle, les recommandations peuvent également venir sous la forme de restaurants ou de divertissements à proximité.

Mais que faire si les données client ne sont pas disponibles? Le ramasser. Les agences de voyages et certaines entreprises en démarrage basées sur les voyages utilisent des questionnaires pour créer un profil de client lorsque les données relatives aux préférences des clients ne sont pas disponibles. Avec ces données, ils peuvent utiliser des techniques telles que le filtrage basé sur le contenu et / ou collaboratif pour fournir des recommandations complètes: où aller, où se loger et quoi faire pendant leur séjour. Ces techniques tiennent compte des préférences du client et de la manière dont les autres clients les ont appréciées.

La personnalisation est l’un des cas les plus importants d’apprentissage automatique dans l’industrie du voyage. Non mentionné ci-dessus, mais vous pouvez être sûr que les compagnies aériennes, les croisières, les centres de villégiature et les autres sous-catégories de l'industrie du voyage appliquent également l'apprentissage automatique pour personnaliser l'expérience de leurs clients.

Assistants numériques

Les assistants numériques sont en train de devenir une application populaire dans l'industrie du voyage. Considérez-les comme ayant votre propre concierge ou votre préposé toujours disponible pour vous. Ils permettent à un client d'effectuer des tâches selon une approche plus conversationnelle, telle que la réservation de vols, l'enregistrement dans un hôtel ou la prise en charge d'une voiture de location. L'imitation de l'expérience de l'agent s'est avérée augmenter l'engagement du client.

La technologie est prête!
La démo de Google plus tôt cette année nous a montré exactement que les assistants numériques sont sur le point de changer nos vies (pour le meilleur - moins de temps consacré aux tâches d’organisation et de logistique, plus pour des moments de qualité).

Regardez la démo ici:

https://www.youtube.com/watch?v=fBVCFcEBKLM

Nos enfants ne savent plus ce que signifie appeler et prendre rendez-vous.

Les chatbots ont connu beaucoup de succès avec les progrès réalisés dans le Deep Learning. Une fois qu’un vaste ensemble de questions et de réponses prédéfinies (modèles itératifs), les chatbots sont maintenant en mesure de générer des réponses réelles à l’aide de réseaux séquence à séquence (modèles génératifs).

Combinez les deux modèles, entraînez-les bien et les gens ne remarqueront pas la différence entre un chatbot et un humain. Les chatbots jouent le rôle d'assistant numérique lorsqu'ils ont la possibilité d'effectuer des actions. Certaines réponses peuvent être programmées pour déclencher des actions qui devraient normalement être effectuées par le client ou l'agent.

Les assistants numériques peuvent effectuer des tâches telles que la préparation de recommandations de produits, la réponse à des questions concernant votre voyage, la modification de réservations ou des demandes d'assistance client générales. Communiquer avec un bot et le faire travailler sur la relation client offre une meilleure expérience en ligne holistique.

Mieux encore, ils sont disponibles 24 heures sur 24, 7 jours sur 7 et peuvent souvent parler plusieurs langues.

Analyse de sentiments et modélisation de sujets

Les données sont générées à un rythme alarmant et il devient de plus en plus difficile de comprendre. Cela est particulièrement vrai pour les équipes de marketing et de satisfaction de la clientèle qui fondent leurs décisions stratégiques sur de telles informations: que pensent les consommateurs de la marque? Quelles promotions devrions-nous lancer? Quelle nouvelle offre devrions-nous lancer? Quel type de cible devrions-nous atteindre et comment?

Qu'il s'agisse de critiques de voyages, de publications sur les réseaux sociaux ou de demandes d'assistance à la clientèle, ce contenu génère des données clients précieuses à partir desquelles les entreprises peuvent obtenir des informations clés. L'analyse des sentiments et la modélisation des sujets peuvent aider les responsables à comprendre les aspects clés de toutes ces données et à agir en conséquence.

L'analyse des sentiments et la modélisation des sujets sont souvent effectuées ensemble (elles utilisent les mêmes données) mais produisent des informations différentes. L'analyse des sentiments fournit un aperçu émotionnel de haut niveau du contenu, qu'il soit positif, négatif ou neutre. Globalement, cela peut servir d'indicateur de la perception de la marque et peut également être utilisé avec une modélisation de sujet plus spécifique.

La modélisation de sujets analyse le texte pour rechercher les sujets clés, fournissant un résumé instantané de ce qui a été dit. Cela est utile dans l'ensemble car les responsables peuvent voir de quoi leurs clients parlent et comment ils se sentaient par rapport aux sujets traités (en utilisant le sentiment).

L'analyse des sentiments et la modélisation des sujets peuvent aider les organisations de voyages à mieux comprendre et ainsi servir leurs clients.

Tarification dynamique

La tarification dynamique a été mise en place dans le secteur des voyages en raison de coûts fixes élevés. Les organisations devaient supporter des dépenses fixes quel que soit le nombre de ventes réalisées. Il était donc essentiel de maximiser les ventes, même si cela signifiait une baisse des prix de vente.

La première forme de tarification dynamique a été développée par les compagnies aériennes. C'était simple: les prix augmentaient lorsqu'un vol était presque complet et réputé populaire, et les prix diminuaient lorsqu'un vol était presque vide. Les hôtels ont rapidement adopté le système, ainsi que d'autres types d'entreprises de billetterie.

La plupart des consommateurs sont assez sensibles aux prix lorsqu'il s'agit de voyager, surtout lorsqu'il s'agit de vols. Vérifier les prix n’a jamais été aussi facile puisque tout ce que les consommateurs ont à faire, c’est d’ouvrir un autre onglet de leur navigateur. Grâce aux pipelines de données, les organisations peuvent surveiller activement les prix de leurs concurrents et les aligner ou les battre automatiquement.

Les organisations de voyages utilisent également les données sur le comportement des consommateurs pour appliquer des prix spéciaux de différentes manières. La tarification dynamique peut être considérée comme faisant partie de l'expérience personnalisée, telle que «Cliquez sur une recommandation de produit et recevez un prix spécial rien que pour vous». Cela peut prendre la forme d'une remise ou d'une mise à niveau. L'idée est que le modèle a classé le client potentiel comme susceptible d'acheter et cette offre spéciale est un effort pour augmenter la conversion.

Classer les utilisateurs comme «susceptibles d’acheter» est un exercice d’apprentissage automatique. En surveillant le comportement des utilisateurs, un modèle d’apprentissage automatique peut identifier les comportements qui sont le plus susceptibles d’entraîner un achat ou, au contraire, l’utilisateur qui quitte le site Web. Munis de ces données, les vendeurs peuvent expérimenter des règles prédéfinies sur la manière d’appliquer différentes stratégies de tarification pour inciter leurs clients à prendre des mesures spécifiques.

Chaîne d'approvisionnement

L'industrie du voyage dispose de plusieurs chaînes d'approvisionnement uniques, qui peuvent également être améliorées avec l'apprentissage automatique. Consultez l'article de Swish sur les 5 manières dont les responsables de la chaîne logistique peuvent utiliser l'apprentissage automatique pour en apprendre davantage.

Le futur c'est maintenant. La consommation de services liés aux voyages ne cesse d’augmenter, et les acteurs du secteur (compagnies aériennes, hôtels, agences de voyages) devront conserver un avantage concurrentiel pour rester compétitifs sur un marché en croissance constante.

Cet article a été présenté par Corbin Hudson de l'équipe Machine Learning de Swish.

Nous construisons des solutions pour les entreprises basées sur le Machine Learning et l'IA. Donnez un avantage à votre entreprise avec l'avenir de la technologie. Parlons.