Hoe de reisbranche kan profiteren van data-inzichten

Iedere branche kan profiteren van nieuwe data of nieuwe inzichten uit bekende data. Ook hotels en restaurants analyseren inmiddels recensies, kopen efficiënter in, voorspellen bestedingspatronen en optimaliseren kamerprijzen met behulp van data. De principes en voorbeelden uit de praktijk.

Door de terugloop van zowel zakelijke als particuliere reserveringen maakten de horeca- en reisbranche een onzekere periode door. In zo’n periode is er geen tijd voor beslissingen op onderbuikgevoel: elke beslissing moet bijdragen aan een beter bedrijfsresultaat. Data spelen hierbij een belangrijke rol. Maar waarvoor en hoe kunnen restaurants en hotels data nu daadwerkelijk inzetten? Hieronder drie praktische voorbeelden om de kansen van data te benutten in de reisbranche.

Recensie-analyse

Recensies (reviews) spelen een cruciale rol in het keuzetraject van gasten. De beoordelingen bevatten echter ook een schat aan informatie die hotels en restaurants kunnen gebruiken om hun dienstverlening te optimaliseren. Recensie-analyse door een eenvoudig algoritme voor tekstanalyse, zoals dat van Booking.com, is aardig, maar levert niet de benodigde inzichten op waarmee concurrentievoordeel behaald kan worden. Dat is wel mogelijk met data storytelling. Dankzij technieken die menselijke taal kunnen verwerken worden diepgaande inzichten uit de recensies blootgelegd, zoals het sentiment waarmee recensies geschreven worden, seizoensverschillen tussen recensies, specifieke aspecten die gasten positief of negatief waarderen, én hoe deze aspecten kunnen worden verbeterd.

Een tekstanalyse van meer dan 100.000 recensies toonde bijvoorbeeld aan dat gasten de locatie van een hotel tijdens het hoogseizoen veel belangrijker vonden dan in het laagseizoen. Het serviceniveau en de faciliteiten werden juist in het laagseizoen belangrijker gevonden dan in het hoogseizoen. Met deze informatie kan het management sneller en specifieker reageren op trends in de behoeften en wensen van gasten.

Efficiënter inkopen en voorspellen

Data-inzichten kunnen (hotel)restaurants op verschillende manieren ondersteunen. Ten eerste kunnen data science-technieken identificeren welke (soort) klant met de meeste waarschijnlijkheid veel uitgeeft. Deze kennis stelt managers in staat om toekomstige gasten passender te benaderen en zo hun uitgaven te verhogen. Het mes snijdt aan twee kanten: gasten ervaren dat ze boven verwachting goed worden bediend, en komen mogelijk (vaker) terug.

Daarnaast kunnen data helpen bij het optimaliseren van de inkoop. Data-analyse kan laten zien welke menu’s of menu-items het meest populair zijn en kan bijdragen aan het tegengaan van voedselverspilling. Zo realiseerde cateraar Sodexo een vermindering van voedselverspilling door kantinebeheerders aan de hand van een voorspellend algoritme inzicht te geven in de bezoekersaantallen voor de komende vier weken. Dankzij dit eenvoudige inzicht kunnen ze efficiënter inkopen en zich beter voorbereiden, wat leidt tot minder voedselverspilling en lagere personeelskosten.

Optimalisatie kamerprijzen

Hotels halen hun omzet uit bezette kamers en de gemiddelde prijs per kamer, de Average Daily Rate (ADR). Door omzetbeheer datagestuurd en flexibel te maken, kan de omzet per kamer beter gestuurd worden. Data science-technieken die gebruik maken van van zowel interne als externe gegevensbronnen kunnen helpen om de vraag nauwkeurig te voorspellen en optimale hotelkamerprijzen voor te stellen.

Zo verbeterde hotelketen Eden Hotels de omzet per kamer door facturen van leveranciers te voorspellen, waardoor de organisatie ook in staat is om de beïnvloedbare winstgevendheid per kamer – de Gross Operating Profit (GOP) – goed te voorspellen. Door gebruik te maken van een dashboard met data storytelling heeft Eden Hotels realtime-inzicht in de prestaties, in plaats van maandelijks te sturen op financiële cijfers of gasttevredenheid.

Snackable data

Data science biedt hotels en restaurants dus aanzienlijke kansen. Het is daarbij niet nodig om alle medewerkers de beschikking te geven over alle data. Zo’n ‘all-you-can-eat buffet’ leidt namelijk niet tot inzichten maar tot het verlies van overzicht, waardoor er geen echte waarde meer uit de data gehaald kan worden. Voorzie in plaats daarvan de juiste mensen van de juiste hapklare, ‘snackable data’, in de juiste context geplaatst voor de specifieke eindgebruiker. Alleen dan ontstaat een beter begrip van de data en kunnen er, op elk niveau in de organisatie, datagestuurde beslissingen worden genomen.

Over de auteur: Baptiste Jourdan is Co-founder en SVP Sales & marketing bij Toucan Toco.

Op de hoogte blijven van het laatste nieuws binnen je vakgebied? Volg Emerce dan ook op social: LinkedIn, Twitter en Facebook.