Door de komst van technologische ontwikkelingen als het Internet of Things en wearables en andere gadgets, neemt data een meer prominentere rol in. Ook in travel wordt dit steeds belangrijker. Het gedrag van reizigers is continu aan verandering onderhevig, zij zijn niet meer ‘gewone’ reizigers, maar ‘connected’ reizigers. De behoeften van klanten veranderen enorm snel, ze willen alles delen met vrienden en familie. Dit levert allemaal data op, maar hoe structureer je deze data en hoe zorg je ervoor dat het bij de juiste personen komt? En hoe gebruik je uiteindelijk al die data om beter op wensen van reizigers in te spelen? Daar komt invisible analytics om de hoek kijken. In dit blog lees je hier meer over en geven we je 4 tips om aan de slag te gaan.

“Everything is connected to: data”

De connected reiziger is een begrip dat vandaag de dag niet meer weg te denken is. Op het congres van Eye for Travel kwam TripAdvisor met resultaten van een onderzoek over de connected traveler. Opmerkelijk was daarin de vraag: “Wat nemen reizigers liever mee op reis? De smartphone of de toilettas?” En natuurlijk, uit de resultaten kwam dat we liever de smartphone meenemen. En daar profiteren organisaties natuurlijk van, want het genereert ontzettend veel data voor een organisatie.

Maar al die data, wat kun je er precies mee? Het is noodzakelijk dat die data goed wordt geanalyseerd om het gedrag van klanten goed te begrijpen en op in te spelen. Het goed analyseren van de data is van essentieel belang om alle informatie eruit te kunnen halen. Het gaat niet om de hoeveelheid data, maar hoe je het maximale uit die data kan halen. En misschien wel het belangrijkste, hoe je die informatie omzet zodat organisaties het direct kunnen gebruiken als fundament om belangrijke keuzes te maken. Op basis daarvan kunnen organisaties reizigers een nog betere en persoonlijkere ervaring geven. Elke app zou dan een analytische app moeten worden, waardoor organisaties alle data, afkomstig van wearables, IoT etc. kan structureren en naar de juiste personen sturen.

En dat is precies wat invisible analytics is. De big data-trend is nog niet over, maar het gaat nu om het analyseren: Wat kan er gedaan worden met al die hoeveelheden data?

Het gaat niet om kwantiteit, maar om kwaliteit!

Even praktiseren..

Een jonge man van 28 heeft plannen om een aantal maanden in Amerika te reizen. Hij wil een vlucht boeken van Amsterdam naar Los Angeles. Via een app van een luchtvaartmaatschappij heeft hij een geschikte vlucht gevonden en hij is klaar om te boeken. Na de vlucht komen er allerlei aanbiedingen bij die wellicht passen bij de jonge man: een hotelovernachting, een taxirit of een huurauto. Een huurauto is aantrekkelijk, zodat hij in de eerste tijd die hij in Los Angeles doorbrengt, ook de mogelijkheid heeft om het gebied buiten de stad te verkennen. Dus samen met de vlucht, wordt ook een huurauto geboekt. Ditzelfde gebeurt met een koppel van 30 jaar die ook Amerika willen ontdekken en een groep vrienden die hun 25e verjaardagen gezamenlijk in Los Angeles en omgeving willen vieren.

Uit de invisible analytics van de app kan de luchtvaartmaatschappij zien dat de doelgroep van 25 tot 30 jaar die een vlucht willen boeken naar Los Angeles, ook zeer geïnteresseerd zijn in een huurauto. Op deze bevindingen wordt er een pakket ontwikkelt en worden nieuwe doelgroepen bereikt.

Precieze data

Toch is het lastig om te bepalen welke data je kan gebruiken. Data zit immers overal. Uitgaande van het bovenstaande voorbeeld, kan de organisatie data uit de persoonlijke gegevens van de klanten gebruiken; boekingsgegevens, data van e-mailverkeer en van connected devices, zoals geolocaties bijvoorbeeld van smartphones en andere devices. Maar ook social media informatie, bijvoorbeeld patronen in de interactie die klanten hebben met een organisatie. Op die informatie kun je inspelen om de interactie op de social media kanalen een boost te geven.

Stel je voor, je bent met videocontent begonnen om jongeren tussen de 18 en 25 jaar aan te spreken, maar uit de analytics komt dat er een oudere groep, van 25 tot 30 jaar tot meer interactie leidt, dan gebruik je de analytics om jou strategie aan te passen.

Marco van Leeuwen gaf in zijn blogs over het Internet of Things voor de travelindustrie (deel 1 en deel 2) mooie voorbeelden waarin invisible analytics zijn werk kan doen. Bijvoorbeeld startup Next Train, die je treinreis plant op je smartwatch en die aftelt tot je volgende treinreis, of die je het best passende reisadvies stuurt. Een techniek met veel kansen, waarbij data een grote rolt speelt en waarbij hoogstwaarschijnlijk invisible analytics is geïntegreerd om elke reiziger een persoonlijk advies te geven.

4 tips om te beginnen

Dan is natuurlijk de volgende stap, hoe ga je te werk?

  1. Verleg je focus van verzamelen van de data naar een strategie hoe je data gaat filteren die van het Internet of Things of social media komt. Organisaties moeten vaardig worden in gegevenswetenschap en aan de hand daarvan een data-strategie ontwikkelen.
  2. Denk erover na hoe geanalyseerde data naar de juiste personen komt.
  3. Implementeer de uitkomsten in je strategie.
  4. Verbeter de bedrijfsvoering binnen je organisatie om beter op de wensen van de reizigers in te spelen.

De komende jaren zal de ‘echte’ wereld met de virtuele wereld steeds meer met elkaar worden verbonden. Data analyseren speelt nu al een belangrijke rol, maar dat zal alleen maar groter worden.

Credits headerafbeelding: Pixabay (CC)