Comment Expedia utilise Apprentissage automatique personnaliser et améliorer l'expérience utilisateur

Hotels Machine Learning

Un géant du voyage avec des origines humbles

En 1991, le réseau de réservation d'hôtels (HRN) a été fondé aux États-Unis. Il a commencé comme un service de réservation via un numéro de téléphone sans frais. Il a été acquis par le Groupe Expedia en 2011 et il a changé son nom à hotels.com en 2002.
Aujourd'hui,Hotels.comest l'une des plateformes de réservation d'hôtels les plus grandes et les plus innovantes au monde. Ils attirent plus de 600 millions d'utilisateurs chaque mois et génèrent plus de 8 milliards de dollars de revenus.

 

Une entreprise plus complexe que ce que vous pouvez imaginer

Cet article a été inspiré par l'histoire originalepublié ici.
Les utilisateurs sont aujourd'hui plus impatients que jamais et offrir une expérience utilisateur impeccable n'est plus un luxe marketing ... c'est un besoin pour survivre! Nous n'exagérons pas, voici quelques faits effrayants du web:

Hotels.com répertorie plus de 325K hôtels dans environ 19K endroits autour du monde et fournit son service dans plus de 34 langues, de sorte que comprendre exactement ce qu'un utilisateur recherche est la clé pour fournir des résultats précis et augmenter les taux de conversion.

 

Comment améliorer un moteur de recherche?

Obtenir des commentaires des clients via des filtres était une excellente idée à l'aube d'Internet. Mais plus maintenant ... Chaque filtre supplémentaire ajoute du temps à la demande. Les utilisateurs peuvent jouer avec des filtres la première fois, mais il est impossible de répéter le processus plusieurs fois ... Ils vont simplement passer à un autre site Web plus simple et plus rapide à utiliser.
Il y a une blague courante sur internet, sur que se passe-t-il lorsque vous laissez les développeurs créer une interface utilisateur?. Nous avons pensé qu'il était approprié de le partager ici:

 

Horrible user interface

 

Comprendre avec précision ce que les gens veulent.

Dans une discussion avec un autre humain, si vous dites avec désinvolture l'expression "je veux aller à Paris", l'autre personne comprendra très probablement que vous parlez de la capitale de la France et non Paris, Illinois. Ou si vous dites par exemple que vous voulez "réserver un vol le vendredi", l'autre personne supposera que vous parlez de vendredi prochain et pas d'autre vendredi du mois.
C'est une tâche cognitive simple pour un humain à faire, mais puisque dans une conversation, les possibilités et le choix des mots sont infinis, c'est en fait un processus complexe pour que le logiciel se reproduise.

 

Traitement du langage naturel

L'un des domaines de recherche les plus prometteurs actuellement dans l'apprentissage automatique estTraitement du langage naturel. C'est le processus de compréhension du contexte dans une phrase. Les géants du cloud de notre monde travaillent activement à rendre cette technologie accessible au public via un ensemble d'API faciles à intégrer. Certaines des principales technologies disponibles comprennent:

Dans le cas de Hotels.com, ils ont décidé departenaire avec Amazon Web Services de tirer parti de leur technologie et de bâtir leur service.

 

La perfection réside dans la simplicité

Hotels.com a compris que le meilleur moteur de recherche est simplement une zone de texte où les utilisateurs peuvent taper ce qu'ils veulent. Il y a quelques expériences disponibles aujourd'hui où Hotels.com a implémenté la PNL.
Par exemple, vous pouvez "rechercher n'importe quoi" sur la page d'accueil. Comme son nom l'indique, les utilisateurs peuvent saisir n'importe quelle recherche (ville, point de repère, caractéristiques spéciales, etc.) et Hotels.com triera et fournira les propriétés les plus pertinentes. Cette fonctionnalité a également été très utile pour consigner et comprendre les demandes populaires, comme un «petit déjeuner» qui a été largement recherché par les utilisateurs.

 

Expedia website screenshot

Mobile est plus petit

Avec 56% du trafic Web aux États-Unis provient désormais d'appareils mobilesLa mise en œuvre de requêtes prêtes à l'utilisation de PNL était également très importante sur les appareils mobiles, en particulier en ce qui concerne les petits facteurs de forme des téléphones intelligents et la difficulté pour les utilisateurs de sélectionner plusieurs filtres.
Les utilisateurs sont donc présentés avec une zone de texte de recherche ouverte où les utilisateurs peuvent taper des noms d'hôtels spécifiques, des équipements ou des choses comme "convivial pour la famille" ou "hot tub".

 

Expedia website screenshot mobile

PNL dans les chatbots

Hotels.com a lancé un bot Facebook Messenger dédié avec un flux de conversation structuré, de sorte que les utilisateurs peuvent interagir avec lui et répondre aux demandes de recherche d'hôtel.
Pour le tester, les utilisateurs doivent seulement ouvrir l'application Facebook Messenger et taper un nouveau message avec @Expedia dans le champ "To:". Voici un exemple de ce à quoi ressemble le bot.

 

[vidéo: https: //www.youtube.com/watch? v = ZFo6SdIh7mc largeur: 900 hauteur: 900 align: center]

 

Révolutionner les voyages grâce à la puissance de la technologie

La devise d'Expedia est «Révolutionner le voyage par la puissance de la technologie» et cela ne pourrait pas être plus précis. L'entreprise n'a jamais cessé d'améliorer son expérience utilisateur et nous espérons qu'elle ne s'arrêtera pas pour le moment. L'avenir est très prometteur et nous ne pouvons pas nous sentir inspirés par des mises en œuvre technologiques étonnantes comme celle-ci.

 

MLab, les spécialistes de la Machine Learning à votre service!

 

Si Machine Learning vous inspire et que vous pensez que vous souhaitez implémenter un cas d'utilisation dans votre organisation, veuillez Contactez nous. Nous sommes indépendants et nous recommanderons et intégrerons la technologie qui s'adapte le mieux à vos besoins. Si les technologies disponibles ne répondent pas à vos besoins, nous pouvons toujours développer un modèle personnalisé adapté à votre projet.

Le meilleur de tous, vous seriez surpris d'apprendre le coût de mise en œuvre d'une telle solution :-)

 

Avertissement:MLab n'a pas été directement impliqué dans le développement de ce projet. Nous publions simplement cette étude de cas comme une source d'inspiration sur ce que Machine Learning peut réaliser.