Machine Learning ou la révolution annoncée du marketing dans le tourisme

Share:

On parle de plus en plus d’Intelligence Artificielle (ou IA) ces derniers temps (ou ma veille est totalement biaisée par mes recherches et les algorithmes de mes sources…). Les levées de fonds de start-up et de fonds dédiés se multiplient… Andrew Ng, cofondateur de Coursera vient de créer un fonds de 150 M$ dédié à l’IA, Google a lancé Gradient Ventures, un nouveau spécialisé dans l’IA, Basis Set Ventures a levé $136 million, Element.AI de son côté $102 million, Microsoft Ventures a créé son propre fonds dédié à l’IA et Toyota a rassemblé $100 million pour des investissements dans l’IA… Quelques signes de mouvements?

Dans tous les cas, on dit que l’IA arrive à maturité en 2017 et surtout dans un domaine important pour les professionnels du tourisme : le marketing. Il est dit dans de nombreux articles et rapports que ce domaine va être révolutionner par l’IA et par l’une de ses composantes : le Machine Learning.

La start-up SalesForce avait même sorti une étude en début d’année (à prendre un peu avec des pincettes, vu que ça valorisait leurs produits…) où ils avaient interrogé 3500 marketeurs à travers le monde sur le thème de l’impact de l’IA. Les résultats étaient limpides mais nous y reviendront en détail.

Pour les débutants sur ce sujet, faisons déjà un point sur la compréhension de ces termes, Intelligence Artificielle et Machine Learning.

L’intelligence artificielle est “l’ensemble de théories et de techniques mises en œuvre en vue de réaliser des machines capables de simuler l’intelligence”.

Derrière donc cette notion large, on parle potentiellement de plein de choses, que ce soit la robotique, les chatbots, la reconnaissance faciale ou vocale, l’émotion artificielle, les réseaux de neurones artificiels ou encore le Machine Learning… Comme vous pouvez l’imaginer ou vu déjà sur ce blog, l’IA peut toucher énormément de composants du secteur touristique.

L’apprentissage automatique (en anglais machine learning, littéralement « l’apprentissage machine ») ou apprentissage statistique, champ d’étude de l’intelligence artificielle, concerne la conception, l’analyse, le développement et l’implémentation de méthodes permettant à une machine (au sens large) d’évoluer par un processus systématique, et ainsi de remplir des tâches difficiles ou problématiques par des moyens algorithmiques plus classiques. L’analyse peut concerner des graphes, arbres, ou courbes au même titre que de simples nombres.

 

1-to-1 Customer Experience…

Bien sûr, vous l’imaginez logiquement, le Machine Learning est très lié à la data et aux Big Datas dont on parle tant. Vous avez maintenant une vision plus claire du sujet. Ne pensez pas que c’est hors sujet par rapport à votre quotidien parce que cela va révolutionner les pratiques de la relation client et ce que l’on appelle en anglais le « 1 to 1 customer experience ». Nous sommes déjà entrés dans le monde du tourisme sur-mesure. Des entreprises comme Voyageurs du Monde, Evaneos, Marco & Vasco, etc. proposent des offres sur-mesure. Or, pour la majorité de ces opérateurs, les outils utilisés sont encore basiques pour proposer une offre sur-mesure et cette personnalisation se fait principalement par un conseiller et par un échange et une compréhension fine des attentes du client à qui l’on va proposer une offre sur-mesure par la connaissance parfaite d’une destination touristique. Or, pour certains gros OTAs (Agences de voyage en ligne) comme Booking.com, Airbnb, Tripadvisor ou encore Expedia, ils vont tenter de vous offrir des prestations qu’ils pensent sur-mesure parce qu’ils ont de la donnée sur vous et donc de la connaissance potentielle de vos attentes. C’est un peu comme Amazon ou Netflix qui vont vous proposer des articles, films ou séries qui « devraient » vous plaire. L’objectif est d’anticiper vos besoins et donc de faire du prédictif pour vous amener à consommer mieux … et plus.

 

La performance annoncée du Machine Learning dans le marketing

Nous n’en sommes qu’au démarrage de tout ça. Pour revenir à cette révolution annoncée dans le monde du marketing par le Machine Learning, voici les quelques chiffres de l’étude réalisée par SalesForce :

 

La performance est clairement là ! Ceux qui vont gagner la bataille du marketing sont clairement ceux qui vont avoir la donnée, les fameuses Big Data, et la capacité (en compétences et financière) de la hiérarchiser et de l’utiliser et ce n’est clairement pas le petit office de tourisme qui va pouvoir se battre face aux géants du web qu’ils soient dans le tourisme actuellement ou pas du tout (Amazon ou Apple par exemple).

 

Des offices de tourisme en mode “data centric”?

Dans les 5 à 10 ans à venir, le Machine Learning sera largement généralisé chez les grands acteurs du tourisme et des nouveaux arrivants sur ce marché qui détiennent la donnée (un Uber par exemple pourrait venir sur le créneau tout comme bien sûr Facebook). Et quand sera-t-il de nos offices de tourisme, de nos comités départementaux et régionaux du tourisme, de Atout France ? A l’heure où j’écris ce papier, il est clair que la culture « data centric » dans ces organismes de gestion des destinations n’est pour le moment pas vraiment présents. Une faiblesse et une disparité évidente des tableaux de bords pour analyser le tourisme sur le territoire. Des bases de données de clientèles et de prospects souvent réduits dans son plus simple appareil de tableur avec peu de filtres qualitatifs. Et surtout une faible valeur donnée aux quelques données qui sont collectées. Or, comme le dit François Houste dans son article sur Medium, “Dans le monde de l’IA, tout devient données!” D’où cette nécessité absolue d’avoir une culture « data centric » dans les organisations qui se doit d’être transversale à tous les métiers. Or, les outils ne sont pas encore là.

Bien entendu, les petites organisations n’auront jamais la capacité financière et les compétences pour déployer des solutions de Machine Learning, il va donc falloir coopérer au maximum avec les CRT des grandes régions et à une échelle plus grande avec l’Etat, Atout France et/ou DATATourisme (j’y reviendrais). Des agents de terrain seront nécessaires pour récolter les données clés (à la fois qualitatives et quantitatives). Ces personnes devront renforcer leurs compétences. Par exemple, les community manager auront un rôle clé pour faire remonter des éléments syntaxiques. Au niveau des organisations plus larges, il nous faudra des data scientist de talent pour pouvoir récolter, analyser et retransmettre les éléments traduits aux acteurs de terrain pour proposer du sur-mesure aux visiteurs. Et tout ceci ne pourra se faire qu’avec des systèmes d’informations et de l’intelligence collective partagées… Un sacré défi ! Le projet DATATourisme a l’air d’aller dans ce sens (j’ai demandé un entretien auprès d’eux pour parler de Machine Learning et d’IA) avec de l’Open Data sur les données du tourisme issues du territoire. Or, je suis sceptique sur la capacité des acteurs locaux à faire remonter la donnée et les bonnes données qualitatives et surtout à la capacité des acteurs à l’utiliser au service de l’expérience positive du visiteur…

 

Et si les OGD ne s’adaptent pas assez vite…

Et bien, les gros opérateurs en ligne vont devenir surpuissant et les acteurs de terrain seront forcément dépendant d’eux avec des coûts qu’il faudra intégrer dans les budgets des collectivités locales… Et les acteurs de terrain auront simplement un rôle d’animation des socio-professionnels et de promotion de leur marque de destination ou seront amenés à disparaître à mon avis.

Ou bien il faut espérer que les touristes s’exaspèrent à long terme des sollicitations sur-mesure de la part des OTAs. Un peu comme dans Minority Report où Tom Cruise reçoit des publicités visuelles personnalisées grâce à l’identification de son iris dans les couloirs du métro, le touriste pourrait devenir fou d’avoir toutes ces sollicitations sans surprise liées à ses dernières recherches sur le web. Mais au fond, je crois que les gens seront heureux de recevoir des informations dont ils ont envie, au bon moment…

 

Au plaisir de discuter de tout ça, on n’a pas fini dans parler bien-sûr!

 

Guillaume Cromer, directeur ID-Tourism

Quelques articles utiles pour vous nourrir (en anglais):

How Machine Learning Will Be Used For Marketing In 2017 – Forbes – 10 Mars 2017

How Baidu will win China’s AI race – and, maybe, the world’s – Wired – 9 août 2017

Why AI is now at the heart of our innovation economy – TechCrunch – 13 août 2017

Andrew Ng is raising a $150M AI Fund – TechCrunch – 16 août 2017

Une stratégie webmarketing innovante et s’intégrant à votre territoire ? ID-Tourism peut s’en charger !

Share:

3 comments

  1. Thibaud 22 August, 2017 at 14:41 Reply

    Bonjour,
    Merci pour cet article franchement intéressant.
    Pour rentrer un peu plus dans le détail, quels sont les types de données qui selon vous sont la priorité à collecter pour les acteurs du tourisme ? (par exemple : les données de fréquentation ? Croisées avec les données d’identification du touriste ?)
    Je veux dire, quelle est selon vous le premier type de data sur lequel, les acteurs du tourisme pourraient récolter le plus rapidement la plus grande valeur ?

    • Guillaume CROMER 22 August, 2017 at 15:09 Reply

      Salut Thibaud, merci pour ton commentaire. Il y a 2 types de données principales. Les données de fréquentation, c’est la base et c’est déjà compliqué pour les territoires de travailler en open data (volonté du projet DATATourisme) mais cela n’a pas une grande valeur car c’est surtout pour voir si les politiques touristiques ont un ROI au final et de convaincre les élus locaux ou régionaux de continuer à donner des subventions. Par rencontre, les données qualifiées des clients, tout l’enjeu est là pour moi car les grands acteurs type OTAs se gavent là-dessus. Si les territoires ne s’intéressent pas à ça demain, ils vont devenir dépendant de ces gros et ça pourrait compter cher… s’ils veulent anticiper les besoins des touristes et être plus performant dans leurs actions marketing…

  2. Ferdinandy fabien 5 September, 2017 at 08:42 Reply

    Pour faire simple, il faut au moins collecter tous les repères spatiaux temporels : date, heure, GPS,…
    Le support utilisé (mobile, tablette,…), réussir à détecter si l’internaute est en condition de séjour ou préparation, les contenus consultés,… Sans pour autant qualifier l’identité.
    Tout ça prend de la place et nécessite des ressources coûteuse pour l’exploitation. C’est pourquoi ces données sont transformées pour faciliter leur exploitation.

Leave a reply