Terug naar blog
Optimale bezetting of optimale klantbeleving? Beide!
Toch blijkt het een flinke uitdaging voor veel travel organisaties om tot die ideale situatie te komen zonder de klantervaring te hinderen. Enerzijds wil je het aanbod namelijk maximaal pushen zodat je zeker weet dat je niet met voorraad blijft zitten. Anderzijds wil je klanten niet lastigvallen met irrelevante content of reizen die intussen uitverkocht zijn. Hoewel deze twee doelstellingen moeilijk samen lijken te gaan, hoeven ze elkaar niet uit te sluiten. Met slimme AI technologie realiseer je namelijk het beste van beide werelden.
Koppel voorraad aan klantdata
Een AI decisioning engine stelt je in staat om aanbod te koppelen aan klantdata en producten op het juiste moment, onder de juiste doelgroepen weg te zetten om de bezettingsgraad te optimaliseren. Zo kun je slim omgaan met je aanbod. Je hebt accomodaties die ook zonder promotie verkocht zullen worden, terwijl andere juist een heel specifiek publiek trekt en actief gepromoot moet worden. Bijvoorbeeld door ze vaker aan te bevelen bij klanten voor wie ze relevant zijn, op specifieke plekken in de customer journey uit te lichten of bovenaan de productpagina te tonen. Laten we nog wat verder induiken op een voorbeeld. Family Resort “Fun in the Sun” is elk jaar compleet uitverkocht. Niet gek, want het is een toplocatie die vlak bij het strand ligt met diverse glijbanen en kinderactiviteiten. Toch wordt het Resort “Summer Fun” in het naastgelegen dorp een stuk minder geboekt. Ondanks dat dit ook vlak bij het strand is, en er vergelijkbare glijbanen en animatie opties zijn. Om ook deze locatie bij de meeste geïnteresseerde klanten onder de aandacht te brengen is yield management in combinatie met personalisatie essentieel. Zo zorg je namelijk dat het aanbod naar de juiste mensen gaat, en de relevantie het hoogste is.
Ook de kans dat een vakantie, reis of accommodatie in een periode verkocht wordt, neemt het algoritme van een decisioning engine in de berekeningen mee. Dit doet het onder andere op basis van historische data en diverse externe factoren die invloed hebben op de vraag. Denk aan het weer, maatschappelijke ontwikkelingen of prijsstijgingen. Mocht een situatie veranderen, dan speelt het algoritme daar direct op in. Bijvoorbeeld door andere items alsnog voorrang te geven of een incentive aan te bieden.
Altijd een up-to-date aanbod
Als er, naast het aanbieden van de juiste content op het juiste moment, één ding belangrijk is in travel, is het wel zorgen dat je aanbod up-to-date is. Stel je voor dat je de reisbehoefte van een klant perfect in beeld hebt, weet via welk kanaal je diegene bereikt, wat het ideale moment ervoor is en vervolgens een uitverkochte vakantie aanbeveelt… Probeer dat nog maar eens goed te maken.
Aangezien een decisioning engine gekoppeld kan worden aan verschillende databronnen en data in real time synchroniseert, blijft je aanbod up to date en verklein je de kans dat je aanbod uitserveert dat niet beschikbaar is.
Maximaliseer relevantie met unieke business rules
Sommige decisioning engines kun je zelfs verrijken met je eigen business rules en kennis om de relevantie van je aanbod te vergroten. Weet je uit ervaring bijvoorbeeld dat een van je doelgroepen in bepaalde periodes extra zoekt naar familievakanties op de Canarische Eilanden? Of dat een speciale kamer upgrade populair is onder een type reisgezelschap? Dan kun je deze kennis handmatig toevoegen aan het algoritme. Zo creëer je een unieke strategie voor jouw business, waarin zowel data als menselijke kennis centraal staan.
*Dit artikel komt oorspronkelijk van Building Blocks, in 2022 overgenomen door cm.com
