Le goût du voyageur indien a mûri au fil des ans. Non seulement les voyageurs indiens recherchent des expériences considérées comme plus inhabituelles et décalées, mais ils deviennent également plus autonomes et attirés par le processus de planification de voyage transparent et discret. De plus en plus, les voyageurs demandent explicitement un écart par rapport aux tentatives «basées sur des modèles» de vente de colis par les compagnies aériennes, les hôtels et d’autres fournisseurs de voyages. Ils exigent également plus de contrôle sur la planification et la consommation des voyages: pouvoir s’enregistrer, faire imprimer leurs étiquettes de bagages, acheter une franchise de bagages supplémentaire, ainsi que d’autres services complémentaires qu’ils peuvent décider avant de partir pour leur voyage.
Cette évolution vers le fait d’être plus exigeant et moins patient signifie que les entreprises de voyage sont souvent confrontées au défi du voyageur hyper mobile qui recherche une commodité instantanée. C’est là que les mégadonnées et l’apprentissage automatique aident à combler l’écart et à éliminer les frictions qui peuvent causer les voyageurs sont tellement frustrés lorsqu’ils essaient d’explorer.
Imaginons que vous êtes arrivé dans un grand hôtel que vous avez choisi après avoir comparé les prix sur votre application de voyage préférée. De toute évidence, vous entrez dans votre chambre et vous vous sentez plutôt heureux, car c’est exactement ce que vous attendiez pour le prix que vous avez payé. Lorsque vous déposez vos bagages, l’application suggère de manière proactive quelques endroits parfaits pour manger à proximité. Il sait que l’heure du déjeuner approche et que vous aimez les brochettes. Vous terminez votre rouleau de kebab épicé et payez le repas en appuyant sur l’écran de votre téléphone. L’application vous informe rapidement de la tempête de pluie imminente et vous suggère de changer de promenade patrimoniale que vous envisagiez avec un voyage dans un musée de premier ordre qui avait attiré votre attention la veille, un bon moyen de vous amuser et de rester au sec. « Aimeriez-vous réserver à l’avance une demi-journée de visite de la ville pour profiter au maximum de votre temps ici et découvrir la ville comme un local? » il dit dans un apaisant voix.
Tout cela est théoriquement possible dans un avenir pas trop lointain grâce à la puissance de l’apprentissage automatique, une application de l’intelligence artificielle qui peut être utilisée pour offrir des recommandations plus personnalisées et contextuelles. De nos jours, l’apprentissage automatique en est à ses balbutiements et ne fait que commencer à transformer l’expérience du consommateur dans un large éventail d’industries, du streaming vidéo au commerce électronique. Avez-vous déjà consulté une recommandation de vidéo sur YouTube, car c’est comme les autres vidéos que vous avez vues? C’est l’apprentissage automatique au travail. Flipkart vous a-t-il déjà recommandé d’acheter un produit basé sur d’autres produits que vous avez achetés? Apprentissage automatique.
Bien qu’il existe une énorme opportunité pour son application dans le voyage, il existe également de nombreux défis uniques à relever afin de réussir à offrir aux consommateurs des expériences de voyage et de destination plus agréables.
Si un site de voyage recommande le mauvais endroit où séjourner ou les choses à faire, le coût d’opportunité est potentiellement plus compte tenu du temps et de l’argent perdus. La clé est de ravir les consommateurs avec les bonnes recommandations pour chaque voyage.
Chez TripAdvisor, nous avons démarré notre travail dans le domaine de l’apprentissage automatique en 2014 et avons commencé à construire une expérience approfondie dans le domaine et, grâce à cet effort, nous avons appris et apprenons encore beaucoup sur la façon dont les voyageurs planifient et réservent leurs voyages:
Leçon n ° 1: les personnalités du voyage varient Le processus de formulation de recommandations contextuelles en matière de voyage est plus difficile que dans de nombreuses autres industries. C’est parce que le personnage de voyage d’une personne peut changer beaucoup selon le type de voyage qu’elle effectue et avec qui elle voyage.
Pensez à la façon dont vous voyagez différemment lors d’un voyage d’affaires, par rapport à une escapade romantique avec votre partenaire ou des vacances avec des enfants. Vous partez à l’étranger ou prévoyez-vous une escapade à travers le pays? Ce B&B de charme confortable qui est parfait pour un type d’escapade pourrait être un désastre complet pour le prochain. Pour cette raison, travailler pour comprendre comment adapter les recommandations en fonction du contexte d’un voyage planifié par un individu a été essentiel à nos efforts pour créer des expériences meilleures, plus intuitives et personnalisées pour notre communauté de voyageurs.
Leçon n ° 2: les recommandations sont les meilleures lorsque nous considérons les signaux implicites et explicites Il ne suffit pas de distinguer les recommandations du comportement passé et du comportement de personnes partageant les mêmes idées.
Les consommateurs veulent et doivent être en mesure de fournir explicitement des signaux encore plus forts sur le type de voyage ou d’expérience qu’ils souhaitent ou de modifier leurs préférences au besoin. Pour cette raison, il est important de donner aux voyageurs la possibilité de filtrer et d’affiner les recommandations personnalisées basées sur l’apprentissage automatique.
Leçon n ° 3: les recommandations personnalisées profitent aux voyageurs comme aux entreprises besoins particuliers du voyageur ou requêtes de recherche. Par exemple, le meilleur hôtel de la ville pourrait ne pas avoir fonctionné pour le portefeuille du voyageur ou manquer de disponibilité pour les dates recherchées. L’apprentissage automatique nous a aidés à offrir un tri plus intelligent adapté aux besoins de chaque utilisateur. Le résultat final est de meilleures recommandations pour le voyageur et de meilleures pistes pour les hôtels.
L’avenir du voyage s’annonce encore plus agréable
Bien que les possibilités et la portée de l’application de l’apprentissage automatique dans les voyages soient infinies, l’aspect visuel de la planification des voyages reste essentiel au processus. Il est peu probable, par exemple, que beaucoup soient prêts à parler à un chatbot sur leur appareil, à demander des recommandations d’hôtel et à réserver une chambre. Nous prévoyons que l’avenir du «voyage» sera de plus en plus:
Personnalisé: les recommandations de voyage seront de plus en plus adaptées à l’individu
Contextuel: les suggestions sur où aller et quoi faire seront basées de plus en plus sur ce
type de voyage que vous faites, où vous êtes, l’heure du jour et le temps dehors
Automatisé: la quantité d’entrées qu’un utilisateur doit fournir diminuera progressivement
Assistance: les recommandations de voyage seront de plus en plus basées sur des informations passives basées sur des requêtes proactives
Complet: tous les aspects du voyage et des services auxiliaires seront combinés de manière unique et
moyens super utiles
Au fur et à mesure que l’application du machine learning évolue, la technologie va reculer et le processus de planification et de réservation d’un voyage deviendra encore plus agréable.
Nous ne sommes qu’au début de ce qui va être un voyage passionnant en voyage.