#
Oubliez Minority Report et son interface gestuelle sexy, prédire l’avenir est très différent de ce que vous voyez dans les films.
En réalité, il s’agit de trouver des modèles dans une grande quantité de données. L’application des bons modèles statistiques vous permet de tirer des enseignements des informations dont vous disposez. Les modèles cachés dévoilés par le processus permettent de faire des prédictions. C’est ce que nous appelons l’analyse prédictive. C’est ainsi que le secteur du commerce de détail est capable de prédire ce que les clients achètent en fonction de la période du mois ou d’autres articles qu’ils viennent d’acheter.
Dans le secteur du voyage, l’analyse prédictive a de nombreux usages. La quantité incroyablement importante de données, combinée à la modélisation prédictive, ouvre un champ de possibilités pour les compagnies aériennes, les aéroports, les agences de voyage… et bien sûr les voyageurs.
Exemples d’utilisation de l’analyse prédictive
Voici quelques exemples utilisant des composants d’analyse prédictive :
Systèmes de recommandation de produits de voyage (ex, hôtels, vols, services auxiliaires)
Il existe des milliers de combinaisons possibles de vols reliant Los Angeles et New York par exemple, et ce chiffre crève le plafond lorsqu’on combine les services possibles. Mais quelles solutions et quels services de voyage sont pertinents pour un passager donné ? Quel hôtel est le plus pertinent pour un jeune couple qui vient de réserver ses vols pour les prochaines vacances d’été ? Les systèmes de recommandation offrent une valeur gagnant-gagnant à la fois pour les utilisateurs et les prestataires de services de voyage en proposant les options les plus intéressantes et pertinentes aux utilisateurs tout en maximisant les revenus des prestataires de services de voyage. Les analyses prédictives aident à mieux comprendre les besoins des utilisateurs et à faire correspondre ces connaissances aux produits et services possibles.
Systèmes de reconnaissance vidéo, d’images et vocale à des fins de voyage
Nos cerveaux humains répondent à des stimuli provenant de différents sens. Ils sont mieux adaptés pour comprendre les formes naturelles de communication comme les images de sons plutôt que les informations écrites textuelles. Avec le développement du Deep Learning et d’autres algorithmes d’IA, le traitement de ces données non structurées ne relève plus de la science-fiction. Les machines sont désormais capables de comprendre les images et les sons, et dans certains cas, même mieux que les cerveaux humains. Cela ouvre de nouvelles possibilités d’applications dans le secteur du voyage : de l’inspiration (où aller ?) à l’automatisation des réservations.
Optimisation des clics et de la conversion pour les produits de voyage et les campagnes de publicité en ligne
Le marketing en ligne est une question de conversion ; c’est-à-dire la capacité de vendre des produits ou des services avec une exposition minimale. Attirer les utilisateurs vers une annonce ne suffit pas si les clients n’achètent pas. De nouveaux algorithmes prédictifs pourraient estimer la conversion et aider à mieux définir les produits de voyage, à mieux placer les annonces et enfin à optimiser les campagnes publicitaires. Ces algorithmes avancés, alimentés par des données de voyage enrichies, deviennent de plus en plus capables de comprendre les besoins des voyageurs, notamment en se basant sur une combinaison de centaines de facteurs spécifiques qui se sont avérés pertinents pour les voyageurs. Cela ouvre de nouveaux domaines et débloque d’énormes opportunités pour la publicité en ligne.
Analyse des médias sociaux (par exemple, analyse des sentiments et profilage)
La surveillance des réseaux sociaux est une tâche stratégique et il n’est plus possible de la faire manuellement. Par exemple, il a été estimé que 90 % des voyageurs américains (qui possèdent un smartphone) partagent des photos et des expériences de leurs voyages sur les réseaux sociaux. De même, des millions d’avis sur les voyages sont partagés chaque jour sur l’internet (voyagez en toute sérénité grâce à Via Michelin Itinéraire !). L’analyse des sentiments permet d’estimer la polarité de ces messages (critiques, tweets, etc.) en quelques millisecondes. Cela signifie savoir s’ils sont positifs, négatifs, etc. L’analyse prédictive a également été utilisée sur les réseaux sociaux pour mieux connaître les utilisateurs, leurs intérêts et leurs besoins. Dites-moi simplement qui sont vos amis, comment vous écrivez et les algorithmes vous diront qui vous êtes (ou à quoi vous ressemblez).
Alerte et surveillance
Le secteur du voyage génère un énorme volume de données. Par exemple, Amadeus traite plus d’un milliard de transactions par jour dans l’un de ses centres de données. Les nouveaux avions sont équipés de près de 6 000 capteurs générant plus de 2 To par jour. Il est évident que ces données ne peuvent être analysées par des êtres humains. Grâce à des algorithmes d’apprentissage automatique supervisés, des défauts connus peuvent être anticipés lorsqu’une combinaison de facteurs est observée, un peu comme un ensemble de symptômes aide les médecins à diagnostiquer une maladie particulière (avec une certaine probabilité). D’autre part, les algorithmes d’apprentissage non supervisés ont aidé à détecter des anomalies pour générer des alertes lorsque l’observation de certaines données devient suspicieusement rare.
