02 Ноя 2015

«Большие массивы данных» и появившееся позднее «машинное обучение» являются ключевыми словами в туристической индустрии. Но пользователи хотят, чтобы «большие данные» сделали следующий шаг, оставили позади сбор и аккумулирование сведений из многочисленных источников и приблизились к пониманию и анализу того, что заключает в себе будущее. Этот перспективный аспект данных критически важен для способности отельеров предпринимать необходимые действия, основываясь на том, что они изучили, для того, чтобы получать хороший доход.

Вот что мы знаем. Сегодня потребитель гостиничных услуг может посетить от 20 до 30 различных сайтов, используя несколько устройств, прежде чем совершить покупку. В зависимости от сути поездки потребители предпочитают потратить своё время и сравнить наличие мест, цены и показатели качества перед совершением бронирования. Каждый шаг, который делает потенциальный гость на своём пути, оставляет цифровой след, который намечает направление, которое наиболее вероятно будет выбрано для достижения желаемого результата, в данном случае – бронирования отеля.

Что если бы мы могли «видеть» эти данные не только постфактум, а во время процесса и начали бы тренироваться предвидеть будущее поведение? Давайте сделаем ещё один шаг. Что если мы не только предвидели бы, какие действия могут быть предприняты, но также влияли на финальный результат и вели к нему для нашей выгоды?

Каждый день миллионы данных размещаются в Интернете в то время, как потребители делают покупки онлайн. Собранные и проанализированные, они могут дать ясную картину пути потребителей к совершению покупки. Это золотая жила возможностей и потенциала получения дохода для любого отельера, который видит то, что другие не могут.

Данные с веб-сайта отеля могут дать нам ценную информацию, такую как: бросил ли потребитель поиски, остановился во время сложного процесса оформления заказа, столкнулся с техническими ошибками или захотел провести дополнительный поиск перед тем, как заплатить деньги. Взгляд за пределы изолированного сайта отеля расширяет видение и возможности в отношении потребителей, с которыми мы ещё не вступили во взаимодействие.

Полное понимание рынка позволяет нам увидеть, как потребители ходят по сайту отеля и его конкурентов. На сайты каких отелей они заходят? Какие отели они бронируют? Откуда эти потребители и как они выглядят? Обладая этим знанием, мы можем понять потребительский спрос, а также влияние ценообразования и то, как всё это может быть учтено, скорректировано и представлено таким образом, чтобы увеличить конверсию.

Здесь-то в дело и вступают большие массивы данных и машинное обучение.

Машинное обучение обозначает систему алгоритмов, которые выискивают паттерны, скрытые в данных. Больше данных, также известных как большие массивы данных, означают больше эффективного обучения. Вот почему стоит смотреть за пределы данных вашей собственной организации, если вы хотите понять потребителей. Отелям необходимо выходить за пределы данных их сайтов и собственных внутренних систем, включая системы управления информацией о клиентах и управления гостиницей, чтобы понять истинную динамику рынка. Взгляд на потребительское поведение на всех сторонних туристических сайтах, где 87% потребителей совершают покупки для туризма, представляет собой хороший старт. Фирма nSight аккумулирует и анализирует 85 млн посещений сайтов отелей и бронирований, осуществляемых потребителями, на всех сторонних сайтах ежедневно. (Да, это большие массивы данных!)

Прогнозная аналитика использует машинное обучение, особенно тренды и показатели, чтобы предсказывать будущие результаты. Предрекая, что произойдёт в будущем, прогнозная аналитика даёт основание для использования того или иного средства или совершения определённого действия. Прогнозная аналитика отлично работает, будучи интерпретирована в контексте конкретной индустрии. Когда в расчёт берутся применимые основания, оценки становятся аккуратнее, а выводы – эффективнее. Всегда ищите людей, которые интерпретируют вашу аналитику, чтобы получить понимание индустрии в том, что оказывает влияние на рынок, и перевести аналитику в действия, которые увеличат объём бронирования номеров в вашем отеле, доходность в расчёте на номер и/или уровень загрузки номерного фонда.

Прогнозная аналитика может принимать множество форм, включая:

  • Каковы географические границы рынков, на которых в первую очередь ищут ваш отель, чтобы забронировать номер на будущие даты приезда?
  • Какие типы людей являются ведущими потребителями, бронирующими номера в отелях ваших конкурентов?
  • Как потребители реагируют на ваши будущие расценки в сравнении с отелями ваших конкурентов?
  • Выдержит ли рыночный спрос установленную вами надбавку к цене в течение следующих 30 дней? 60 дней?

Потребители сегодня сталкиваются с изобилием выбора, и в гостиничной индустрии ведётся ожесточённая конкуренция. Понимание прошлого очень важно, но способность предсказывать будущее быстро становится необходимостью, когда речь заходит о захвате и перетягивании на себя доли рынка.

Анализ будущих данных и его результаты обязательно должны использоваться во время ваших ежедневных собраний по вопросам управления доходами. Доведение этой практики до совершенства обеспечит увеличение доходности в расчёте на номер и гарантирует понимание каждым членом вашей команды их будущих целей.

Источник: Nsightfortravel

Нужен удобный и современный модуль бронирования с нулевой комиссией?