Dal punto di vista del business, Airbnb e Uber hanno avuto una visione pragmatica di ciò di cui le persone avevano bisogno.
Queste piattaforme hanno creato due mercati che non esistevano, fornendo servizi che oggi appaiono indispensabili.
Né Airbnb e né Uber hanno investito su appartamenti o taxi, ma si sono solo preoccupate di avvicinare le parti.
Analizzando i dati, le due aziende hanno compreso con largo anticipo che ci sarebbe stato grande interesse nel creare delle piattaforme di contatto tra “clienti” e “fornitori”.
L’approccio Data Driven è una filosofia che Airbnb e Uber adottano quotidianamente, basando su di esso ogni scelta di business.
In questo terzo articolo di casi di studio di aziende che utilizzano la scienza dei dati – e dopo aver trattato “Casi di studio di scienza dei dati: commercio al dettaglio” e “Casi di studio di scienza dei dati: l’industria dell’intrattenimento” – ti voglio parlare di come Airbnb e Uber utilizzano la Data Science nel settore dell’hospitality.
Airbnb
Airbnb è nata nel 2007 a San Francisco, e da allora è cresciuta fino a raggiungere 4 milioni di host e 5,6 milioni di annunci che hanno accolto oltre 1 miliardo di ospiti in arrivo in quasi tutti i paesi del mondo.
L’azienda è attiva ovunque, ad eccezione di Iran, Sudan, Siria e Corea del Nord: questo significa che copre circa il 97,95% del mondo!
I server di Airbnb soddisfano circa 10 milioni di richieste, elaborando circa un milione di ricerche al giorno.
Airbnb sfrutta l’ampio volume di recensioni per capire le tendenze nelle comunità e valutare le esperienze degli ospiti, e utilizza le analisi per prendere decisioni informate al fine di costruire un modello di business migliore.
I Data Scientist di Airbnb stanno sviluppando nuove entusiasmanti soluzioni per dare impulso agli affari e trovare le migliori mappature per clienti e host.
1. Sistemi di raccomandazione e ranking di ricerca
Airbnb aiuta le persone a trovare “esperienze locali” con l’aiuto di algoritmi di ricerca che rendono precise le richieste e gli annunci.
Utilizza un “punteggio di qualità dell’elenco” per trovare le case in base alla vicinanza del luogo cercato grazie alle recensioni precedenti degli ospiti.
Tramite le reti neurali profonde crea modelli che tengano conto dei soggiorni precedenti e delle informazioni sull’area per trovare una corrispondenza perfetta.
Gli algoritmi di ricerca sono ottimizzati in base alle preferenze di ospiti e host, alle classifiche, ai prezzi e alla disponibilità, per comprendere le esigenze degli utenti e fornire la migliore soluzione possibile.
2. Elaborazione del linguaggio naturale per l’analisi di revisione
Airbnb classifica i dati come voce dei suoi “users”.
Le recensioni del cliente e dell’host danno una visione diretta dell’esperienza.
Le valutazioni a stelle, da sole, non sono in grado di definire precisamente il grado di soddisfazione, ed è per questo che Airbnb utilizza l’elaborazione del linguaggio naturale per interpretare i giudizi.
I modelli NLP (Natural Language Processing) sono sviluppati utilizzando reti neurali convoluzionali.
3. Smart Pricing tramite l’analisi predittiva
La community degli host di Airbnb utilizza il servizio come reddito supplementare.
Le case per le vacanze e le pensioni affittate ai clienti garantiscono un aumento dei guadagni per la comunità locale, poiché gli ospiti di Airbnb soggiornano 2,4 volte più a lungo e spendono circa 2,3 volte il denaro rispetto a quanto farebbero con un hotel.
L’analisi predittiva aiuta inoltre gli host a stabilire un prezzo competitivo e ottimale.
La redditività complessiva dell’host di Airbnb dipende da fattori come il tempo investito dallo stesso e la reattività alle mutevoli richieste nelle diverse stagioni.
I fattori che influiscono sul prezzo intelligente in tempo reale sono la posizione dell’annuncio, la vicinanza alle opzioni di trasporto, la stagione e i servizi disponibili.
Uber
Uber è il più grande fornitore di servizi taxi a livello mondiale.
A dicembre 2018 aveva 91 milioni di consumatori attivi mensili e 3,8 milioni di conducenti, e completava 14 milioni di viaggi ogni giorno.
Uber utilizza l’analisi dei dati per ottimizzare i processi aziendali e fornire un servizio clienti avanzato.
Il team di Data Science di Uber ha esplorato tecnologie futuristiche per garantire esperienze sempre più positive ai propri utenti.
L’apprendimento automatico e l’analisi dei dati aiutano l’azienda a prendere decisioni che comportano vantaggi, come la condivisione delle corse, gli aumenti dinamici dei prezzi, una migliore assistenza clienti, e la previsione della domanda.
1. Prezzi dinamici per picchi di richieste e previsione della domanda
I prezzi di Uber cambiano nelle ore di punta in base alla domanda.
Tramite l’analisi dei dati l’azienda indica ai tassisti quando aumentare le tariffe, così da incoraggiarli a utilizzare la piattaforma.
Quando i prezzi salgono, il conducente e il passeggero vengono entrambi informati.
Uber utilizza un modello predittivo per l’aumento dei prezzi chiamato “Geosurge” che si basa sulla domanda per la corsa e la posizione.
2. Chat con un clic
Uber ha sviluppato una soluzione di apprendimento automatico e di elaborazione del linguaggio naturale chiamata Chat One-Click (o “OCC”) per il coordinamento tra conducenti e utenti.
Questa funzione anticipa le risposte alle domande più frequenti, consentendo ai conducenti di rispondere facilmente ai messaggi dei clienti pigiando un solo pulsante.
La Chat One-Click è sviluppata sulla piattaforma di apprendimento automatico Michelangelo di Uber, che esegue la NLP sui messaggi di chat dei conducenti per generare risposte appropriate.
3. Fidelizzazione del cliente
Il mancato soddisfacimento della domanda dei clienti per i taxi potrebbe portarli a scegliere altri servizi.
Uber utilizza modelli di Machine Learning per colmare il divario tra domanda e offerta e prevedere le richieste.
L’azienda usa anche un sistema di ricompensa basato su livelli, che segmenta i clienti in base all’utilizzo della piattaforma: più alto è il livello raggiunto, maggiori sono i vantaggi.
Uber fornisce anche suggerimenti di destinazione personalizzati in base alla cronologia dell’utente e alle destinazioni percorse di frequente.
Conclusioni
Fornire informazioni sempre aggiornate e di valore agli utenti consente ad Airbnb e Uber di essere al centro delle trattative e collegare domanda e offerta in maniera intelligente.
La scienza dei dati ha permesso a queste aziende di creare mercati che prima non esistevano e di mantenere la centralità nel servizio.
Airbnb non è proprietaria di alcun appartamento e Uber non dispone di alcun mezzo.
Entrambe sono semplicemente concentrate a investire ogni risorsa su ciò che host ed ospiti hanno bisogno.
Questo per loro è comunque un rischio, perché in caso di nuove soluzioni più convenienti gli utenti non esiterebbero a cambiare fornitore.
Solo con costanti analisi dei dati Airbnb e Uber mantengono fidelizzati i clienti.
Tu e la tua azienda potete fare lo stesso, sfruttando i dati e ottenendo risposte che prima erano solo utopia.
Sempre più realtà stanno diventando Data Driven: perché non inizi anche tu?
