С развитием технологий обработки больших данных прогнозная аналитика становится одним из важных инструментов бизнеса, позволяя повысить качество обслуживания клиентов и укрепить конкурентные преимущества. Сегодня множество потоков данных, которые генерируют компании – будь то программы лояльности или поведение посетителя вебсайта - могут обрабатываться и анализироваться в режиме реального времени, обеспечивая бизнес ценными инсайтами. Этим успешно пользуются ритейлеры, прогнозируя наиболее вероятные будущие покупки клиентов и делая им выгодные предложения, что стимулирует продажи. Тем не менее, насколько прогнозируема туристическая отрасль, и насколько вероятно, что развитие прогнозной аналитики приведет к тому, что в будущем машина сможет определять, куда человек поедет отдыхать?

Исследования SAS показывают, что 90% поставщиков туристических услуг считают, что они должны «усилить» аналитику, и около 63% будут инвестировать в технологии в течение следующих 12 месяцев. Действительно, грамотно выстроенная стратегия потребительской аналитики может позволить компаниям быстрее добиваться поставленных целей, где главными инструментами становятся персонализация, мониторинг социальных медиа и поведенческих триггеров.

Суть персонализации заключается в том, чтобы предоставлять клиентам то, что им нужно, когда им это нужно, а для этого необходимо понимать свои сегменты аудитории и их уникальные потребности и предпочтения. Современные технологии позволяют формировать персонифицированные рекомендации и предложения на основе поведения потребителя в веб-среде: его местоположения, истории просмотров и покупок, активности в социальных сетях. Forrester выявил, что наиболее клиентоориентированный бизнес строится с помощью социального мониторинга, в основе которого лежит процесс получения потребительских и бизнес-инсайтов из пользовательского контента. Анализируя социальные медиа, можно определить тенденции изменения потребительских предпочтений и выявить новые ниши для бизнеса. Триггерный маркетинг поможет привлечь и удержать новых клиентов, настроив автоматические рассылки сообщений в соответствии с определенным типом их поведения. К примеру, наладить коммуникацию с покупателями, которые посещают сайт, но не приобретают услуги, и формировать для них выгодные предложения.

«Прогнозная технология успешно применима к реализации товарной продукции с дискретным набором функций», - отмечает Джоаким Эверстин, глава департамента инноваций и технический евангелист компании Sabre по региону EMEA. К примеру, Amazon запатентовал технологию, которая позволяет прогнозировать, какие товары наиболее вероятно собираются приобрести люди в том или ином регионе. Это дает компании возможность держать на складах определенное количество той или иной продукции и обеспечивать мгновенную доставку в день заказа. Был даже слух, что Amazon планирует автоматически включать в доставку дополнительный товар из категории «Другие клиенты также купили», и покупатель сможет либо оплатить этот продукт при получении, либо отправить его обратно. «Я уверен, что мы все были бы удивлены тем, как много клиентов на самом деле оставят автоматически добавленный к заказу товар. Во-первых, потому что усилие для его возвращения больше, чем награда, да и в большинстве случаев это будет тот продукт, о покупке которого они задумывались в любом случае. Это сила прогнозной технологии», - говорит Джоаким Эверстин.

Несмотря на огромный скачок в развитии технологий анализа данных, все еще нет такого алгоритма, чтобы заказать отпуск одним щелчком мыши - с автоматическим определением пункта назначения, категории отеля и т.д. «Путешествие, особенно на отдых - это эмоциональный и очень личный выбор. Его не так просто разбить на повторяемые, последовательные и относительно универсальные характеристики. Нужно учесть очень много факторов, поэтому выбор туристической поездки - это вряд ли то, что большинство людей предоставило бы решать машине», - отмечает Джоаким Эверстин.

Факторов, которые определяют «идеальное» путешествие и влияют на принятие решения о той или иной поездке, действительно, очень много. И это не просто опыт предыдущих путешествий, но и погода, настроение, семейный статус, уровень текущего дохода, хобби и так далее. Кроме этих данных, алгоритм интеллектуального бронирования путешествия должен иметь доступ к самой свежей истории действий пользователей в социальных сетях (на глубину не более двух часов), а также к их биометрическим данным - частота сердечных сокращений позволяет определить текущее состояние человека и его эмоциональные реакции на разные варианты путешествия.

Информация из всех этих источников должна будет передаваться в «облако», где она будет обрабатываться и анализироваться в режиме реального времени. Вычислительная мощность такого решения должна быть настолько высокой, чтобы составить «идеальное» путешествие в пределах 8 секунд. Именно таков интервал внимания современных пользователей. Если время ответа машины будет больше, ожидание становится утомительным, и путешественник просто будет выбирать поездку сам.

«Зная, к каким технологиям мы имеем доступ сегодня, я думаю, что создать технологию автоматизированного формирования «идеального» путешествия вполне реально. Во многом технологии, используемые в туристической индустрии, уже обладают большими возможностями для прогнозирования. Несмотря на это, я считаю, что окончательное решение о бронировании поездки должно приниматься человеком. Мы можем быть успешными в части прогнозных технологий, чтобы подбирать наиболее подходящие варианты для каждого путешественника, но не исключать при этом опыт планирования поездки. Путешествие – это магия, а технологии могут усилить этот эмоциональный эффект», - отметил Джоаким Эверстин.

Консалтинг по гостиничному бизнесу