10 solide Produktempfehlungen für dreimal mehr Conversions | Reise- und Gastgewerbeunternehmen

Während sich Reisende auf der ganzen Welt aus einer dreijährigen Pause herauswinden, können Sie sich darauf verlassen, dass 2023 ein Jahr des Reisens wie kein anderes sein wird. Laut Booking.com werden sich 68 % der Menschen im Jahr 2023 intensiv mit der Planung ihrer Reise befassen. Der Zustrom an Anfragen deutet jedoch darauf hin, dass Kunden alles tun werden, um tolle Angebote zu erhalten.

Wenn Sie ein Reise- und/oder Gastgewerbeunternehmen betreiben, wissen Sie, dass eine „gute Saison“ viel Verkehr, aber auch schlechte Konversionsraten mit sich bringt. Die Reise- und Gastgewerbebranche weist mit satten 85 % eine der höchsten Warenkorbabbruchraten auf. Dafür kann es viele Gründe geben – niedrigere Preise, bessere Angebote, mangelnde Personalisierung oder schlechte Treueprogramme.

76 % der Verbraucher sind frustriert über Unternehmen, die keine personalisierten Erlebnisse bieten. Benutzer haben nicht mehr die Zeit, eine kognitive Überlastung zu ertragen und sich die harte Arbeit zu leisten, nach dem zu „suchen“, was sie brauchen, weil ihre Lieblingsprodukte (Wachstumsbesitzer) verstehen, was sie brauchen. Was sie suchen, sind Anstöße von der Marke, die ihr Erlebnis einfacher machen.

Wir nennen diese Nudges Produktempfehlungen – eine handverlesene Zusammenstellung von Vorschlägen zu Diensten, die mithilfe von maschinellem Lernen und komplexen Systemen erstellt wurden, um ein einzigartiges Erlebnis zu bieten. Diese Empfehlungen werden anhand einer Vielzahl von Eingaben wie Standort, vergangenem Browserverlauf, aktuellen Trends, Angeboten usw. erstellt.

Können Produktempfehlungen die Reise- und Hotelbranche retten?

79 % der Verbraucher erwarten von Marken, dass sie personalisierte digitale Erlebnisse bieten. Etwas so Einfaches wie die Möglichkeit für Kunden, Daten in der Suchregisterkarte vorab einzugeben oder sich ihre am häufigsten eingegebenen Reiseziele zu merken, könnte sich bei der Buchung als nützlich erweisen. Reise-OTAs (Online-Reisebüros) erinnern sich inzwischen auch an die am häufigsten verwendeten Filter, um Kunden zu binden.

Aber wie kann sichergestellt werden, dass Benutzer Inhalte und Angebote sehen, die für sie personalisiert sind? Die Antwort liegt in der Nutzung relevanter Daten . Sie müssen die richtigen Daten von Ihren Kunden sammeln, um ihnen genau zu zeigen, was sie wollen. Benutzerereignisse können in Ihrem Backend erfasst und an Ihre CRM-Plattform gesendet werden, um Ihre Kunden anhand von Nutzungsdaten zu analysieren und sie später in Benutzereigenschaften zu gruppieren, um sie gezielt anzusprechen.

Die größere Frage ist: Welche Art von Veranstaltungen sollte eine Reise- und Gastgewerbemarke erfassen, um ihre Kunden besser zu verstehen? Für den Anfang gibt es einige effiziente Möglichkeiten:

1. Benutzerdemografie: Benutzerdemografien wie Alter, Geschlecht, ethnische Zugehörigkeit oder Einkommensniveau können die Leistung von Empfehlungsmaschinen erheblich beeinflussen, indem sie ein ICP (ideales Kundenprofil) auf einer genaueren, persönlicheren Ebene verstehen.

Unten ist ein Beispiel-ICP für eine Reise-Website:

Name	Rohit
Geschlecht	Männlich
Standort	Rajasthan
Alter	28
Serviceklasse	Premium und höher
Durchschnittliches Einkommen	< 3500000/Jahr
Bevorzugte Fluggesellschaft	Vistara
Bevorzugter Reisetyp	Inländisch

Sobald Sie die Kunden auf dieser Ebene verstanden haben, können Sie sie in einer Kohorte zusammenfassen und ähnliche Erfahrungen in Bezug auf Reisen, Aufenthalt oder Essensempfehlungen ermöglichen. Expedia empfiehlt beispielsweise Top-Angebote für die Saison.



2. Standortpräferenzen: Eine einzigartige Möglichkeit, dies zu betrachten, wäre die Abgabe von Empfehlungen basierend auf dem am häufigsten besuchten Reiseziel von einem bestimmten Standort aus – zum Beispiel das Vorschlagen von Strandzielen für Menschen aus einer Binnenstadt oder das Anzeigen der am häufigsten bereisten Ziele auf der aktuellen Standortebene eines Benutzers.
3. E-Mail: Den Kreis mit den Kunden zu schließen, ist aus Personalisierungssicht ein unglaublich wirksames Instrument. Wenn Kunden E-Mails von Marken erhalten, steigen ihre Erwartungen in Bezug auf die Personalisierung.

Mithilfe von Kundendaten wie Reisehistorie, Vorlieben und Demografie können Marketingteams ihre Kommunikation so anpassen, dass sie relevanter und ansprechender wird. Bis zu 97 % der Vermarkter berichten von einem Anstieg der Geschäftsergebnisse nach der Personalisierung.

Hier ist ein schönes Beispiel von MakeMyTrip für saisonbasierte Empfehlungen per E-Mail.


4. Reisehäufigkeit: Der Aufbau von Kohorten von Benutzern mit denselben Gewohnheiten ist eine stark unterschätzte Möglichkeit, Produktempfehlungen abzugeben.

Beispielsweise könnte die Segmentierung der Nutzer in Gruppen von Nutzern, die am Wochenende viel unterwegs sind, von Nutzern, die unter der Woche Geschäftsreisen unternehmen, und von Nutzern, die in der Freizeit reisen, dazu führen, dass Marken auf ihre Macht-, Kern- und Kausalnutzerprofile aufmerksam gemacht werden.

Dies sollte idealerweise die erste Segmentierungsebene sein, über die Sie weitere Ebenen hinzufügen können, um die Daten anzureichern. Daher ermöglichen Angebots- und Produktempfehlungen, Gutscheine und die Häufigkeit der Nutzung von Funktionen Marken, tiefere und bedeutungsvollere Beziehungen zu ihren Kunden aufzubauen. Sie können Ihr Treueprogramm auch anhand der Häufigkeit verknüpfen, um die Kundenbindung zu steigern.
Schauen Sie sich einfach dieses Beispiel des Treueprogramms von Booking.com an:

Die Personalisierung ist im Maßstab gut gelungen

Booking.com ist ein großartiges Beispiel dafür, wie die Personalisierung auf vielen Seiten der Website gut umgesetzt wurde. Wenn Sie schon einmal eine Reservierung vorgenommen haben, wissen Sie, dass sich die Marke sicher an Ihre Geschichte erinnert und diese Details in Ihr Gesamterlebnis einfließen lässt.

Booking.com nutzt fortschrittliches maschinelles Lernen, um mehrere Datenpunkte zu erfassen; der einzigartige Suchverlauf, der Standort, die Vorlieben usw. eines Benutzers. Die Marke analysiert den Suchverlauf und die Buchungsmuster der Benutzer, um ihre Reisepräferenzen zu verstehen.
Wenn ein Benutzer beispielsweise regelmäßig Hotels mit Fitnessstudio oder Spa bucht, kann Booking.com in Zukunft Hotels mit ähnlichen Annehmlichkeiten empfehlen.

Die Marke verlässt sich bekanntermaßen stark auf Feedback, um gemeinsame Themen und Bereiche zu identifizieren, die verbessert werden müssen, und gibt der Plattform dann Empfehlungen für ein noch personalisierteres Erlebnis für ihre Benutzer.

Die Empfehlungsregisterkarte der Marke, die sich unter der Suchleiste befindet, hilft Menschen mit Vorschlägen zu ihrem Verlauf, Standort, IP-Details, Segmenten usw.

76 % der Verbraucher sind frustriert über Unternehmen, die keine personalisierten Erlebnisse bieten.

Auf der grundlegendsten Ebene werden alle möglichen nützlichen Informationen – Suchverlauf, Reiseverlauf, Interaktionen mit der Benutzeroberfläche von Booking.com usw. – in ML-Modelle eingespeist. Diese Daten werden dann analysiert und auf mehreren Ebenen zur Verbesserung des Benutzererlebnisses verwendet.

Jeden Tag werden fast eine halbe Billion Ereignisse verarbeitet, und je mehr Informationen die Modelle sammeln, desto intelligenter werden sie darin, Verknüpfungen zwischen verschiedenen Standorten, Benutzertypen und Produkttypen herzustellen, um Produktempfehlungen bereitzustellen. Dadurch entsteht die hyperpersonalisierte „Homepage“, die wir alle lieben.

Die Grundlage von Empfehlungsmodellen für Reisen und Gastgewerbe

1. Zielorientierte Empfehlungsmaschinen

Touristen berücksichtigen bei der Entscheidung, wohin sie als nächstes reisen möchten, eine Vielzahl von Faktoren: Von der Wahl eines Standorts bis hin zu Faktoren wie Erschwinglichkeit, Verfügbarkeit, Preis usw. bestimmen viele Faktoren die Wahl eines Reiseziels. Dies führt dazu, dass OTA-Plattformen (Over-The-Air) robuste Empfehlungssysteme mit Filtern erstellen müssen, die diese Anforderungen unterstützen.

Daher werden zielorientierte Empfehlungen auf allen OTA-Plattformen am weitesten verbreitet, was die Arbeit des Benutzers erleichtert, indem er seine genauen Reisebedürfnisse herausfiltert und darauf basierende Vorschläge unterbreitet. Es ist ideal und am besten für Benutzer geeignet, die nicht genau wissen, wohin sie wollen, aber eine Vorstellung von ihren Vorlieben haben.

Lassen Sie uns den folgenden Rahmen verstehen. Bevor die Empfehlung zu einem Ergebnis kommt, erfasst sie zunächst Daten, verarbeitet sie dann durch Klassifizierung und moderne Konstruktion und gelangt erst dann in die Interpretationsphase. Das Flussdiagramm sieht vielleicht überwältigend aus, aber solche Systeme sind so konzipiert, dass sie zahlreiche Faktoren wie Genauigkeit, Verwirrung und Popularität abwägen, um beliebte Ergebnisse zu erzielen, den Bedürfnissen des Benutzers gerecht zu werden und es lohnt sich, sie weiterzuverfolgen.

Die Engine versucht zunächst genau zu verstehen, was ein Benutzer möchte, bevor sie mit der Arbeit fortfährt. Sobald der ML ein grobes Profil davon hat, was genau Sie wollen, beginnt er mit der Auswahl der Top-Plätze für Sie.

Hier ist ein Empfehlungs-Popup von TripAdvisor, wenn Sie auf der Website surfen und Aktivitäten vorschlagen.

Da man weiß, dass ein Kunde Zeit mit Erkundungen verbringt, hat die Website sofort einige einzigartige und beliebte Dinge empfohlen, die auf vergangenen Trends basieren, um das Erlebnis zu verbessern.



2. Standortorientierte Produktempfehlungs-Engines

Diese Art von Motor kümmert sich um die Empfehlungen auf eher lokaler und nationaler Ebene. Es personalisiert die lokalen Dienstleistungen und Reize eines Ortes für jeden Kunden und stellt sie in einer detaillierten Reiseroutenform zur Verfügung. Wanderlog verfügt über eine „Aktivitäts“-Funktion, mit der Sie basierend auf der Engine und den Vorschlägen anderer Reisender eine Liste mit Aktivitäten vorschlagen können, die Sie an einem bestimmten Reiseziel unternehmen können.





Standortorientierte Produktempfehlungsmaschinen helfen dabei, eine Liste mit Dingen wie den besten Attraktionen, Restaurants, Clubs, Einkaufszielen, malerischen Orten, Sonnenuntergangspunkten, historischen Orten, lokalen Transportmitteln usw. zu erstellen. Dieser Service ermöglicht es Reisenden, die ideale Reiseroute und das ideale Erlebnis entsprechend auszuwählen ihre individuellen Vorlieben, ihr Budget, ihr Stil usw.



Niemand macht standortbasierte Produktempfehlungen besser als Airbnb. Die Website verfügt über eine kuratierte Seite für Reisende mit Dingen, die sie bei ihrem Besuch empfehlen – von Kochen bis Surfen, die Liste geht weiter. Diese Empfehlungen werden basierend auf der Nachfrage des Benutzers und dem beliebtesten Aspekt einer Reise durch diese Stadt erstellt.

Top 10 Produktempfehlungen für die Reise- und Hotelbranche

1. Geo-Targeting lokaler Rabatte: Geo-Targeting bedeutet Marketing an eine Gruppe spezifischer Benutzer basierend auf ihrem Standort. Je relevanter eine Anzeige für einen Nutzer ist, desto wahrscheinlicher ist es, dass er konvertiert. Sie können den aktuellen Standort Ihrer Reisenden verfolgen und Rabatte und Angebote entsprechend den lokalen Attraktionen und Dienstleistungen anbieten. Hier zeigt Agoda.com eine vollständige Liste der Aktivitäten, die Sie in Goa unternehmen können (nachdem Sie den Standort ermittelt haben).



2. Geo-Targeting der Filialstandorte: Marken können Nutzern auch die Top-Einkaufs- oder Souvenirläden basierend auf ihrem aktuellen Urlaubsziel empfehlen und ihnen so Zeit und Mühe sparen. Sie können physische Ladenstandorte nutzen, um Kunden in der Nähe anzulocken. Hier bietet Agoda.com im Rahmen seines Jaipur-Aktivitätspakets einen kulinarischen Rundgang und den Jaipur-Basar an.



3. Urlaubsbasiert: Während der Ferienzeit schmieden Menschen extravagante Reisepläne, und Sie können Ihre Empfehlungsmaschine so aufbauen, dass sie Reiseempfehlungen für einen bestimmten Feiertag kuratiert.

Beispiel: Ein Paket für Weihnachten und Neujahr. Feiertagsbasierte Nachrichten können auch den Customer Lifetime Value (CLV) steigern und Wiederholungskäufe in Treueprogrammen steigern. Erwägen Sie, Bonuspunkte-Aktionen für Urlaubsprodukte anzubieten, die Verbraucher kaufen möchten.

4. Nach dem Kauf: Ihre Empfehlungsmaschine endet nicht während oder vor dem Kauf, sondern muss auch nach dem Kauf in Form von Feedback, Dankesbriefen und bevorstehenden Urlaubsempfehlungen per SMS, E-Mail usw. weiterlaufen. Wir haben über den Airbnb-Aufbau gesprochen Ihre Erlebnisseite wird automatisch angezeigt, sobald Sie einen Platz gebucht haben. Wie unglaublich ist diese Empfehlung?
5. Saisonbasiert: Um die Nachfrage von Reisenden saisonübergreifend zu befriedigen, ist es ein recht beliebtes Format, Empfehlungen basierend auf der allgemeinen Stimmung anzubieten.
• Nebensaison: Dies kann eine wirksame Empfehlung für viele Reisende sein, die gerne in der Nebensaison reisen, um dem Trubel zu entgehen.
• Hauptsaison: Ihre Empfehlungsmaschine kann spezielle Empfehlungen für die Hauptsaison im Sommer und Winter kuratieren, wenn die meisten Menschen einen Urlaub planen.
6. Basierend auf Großveranstaltungen: Sie können auch spezielle Empfehlungen zu bevorstehenden Großveranstaltungen basierend auf dem Standort eines Benutzers kuratieren.
   Beispiel: Empfehlen spezieller St. Patrick's Day-Pakete für Personen, deren aktueller Aufenthaltsort möglicherweise Irland ist.
7. Wiederkehrender Kunde: Dies ist eine entscheidende Zielgruppe, denn wenn ein Kunde Ihr Produkt wieder kauft, hat er wahrscheinlich etwas Wertvolles gesehen. Sie sollten für diese Kohorte immer eine separate Reaktivierungs- oder Willkommen-zurück-Kampagne durchführen und Ihre Produktempfehlungen sollten auf ihr Verhalten bei ihrer letzten Aktivität ausgerichtet sein.



8. Treue und Belohnungen: Basierend auf der Wachstumsphase Ihres Produkts können Sie ein abgestuftes Treueprogramm aufbauen, um die Markentreue Ihrer Benutzer zu stärken. Dies hilft beim Aufbau einer Community für Ihren Kundenstamm.

Die Reisebranche kann von einem abgestuften Ansatz profitieren, der Stammkunden belohnt und ihnen einen Anreiz bietet, durch das Erreichen spezifischer Ziele bei jeder Interaktion aufzusteigen. Bieten Sie für jede Mitgliedschaftsstufe unterschiedliche Vorteile, die über AOV oder das Sammeln von Punkten auf verschiedene Weise freigeschaltet werden können.

Hier ist ein Beispiel von Goibibo. Die Marke nutzte hier E-Mail-Marketing, um Benutzer zu einer Buchung zu bewegen, indem sie ihnen einen Rabatt für neue Benutzer gewährte. Stellen Sie sich vor, ein Benutzer hat sich gerade auf der Website angemeldet und erhält sofort einen Code. Er wird hochmotiviert sein, die Buchung fortzusetzen.



9. BNPL-Empfehlungen: Reisen können eine kostspielige Angelegenheit sein, weshalb das Anbieten von BNPL-Diensten (Jetzt kaufen, später zahlen) eine großartige Möglichkeit ist, Ihre Kunden zu entlasten. Es ist wichtig, diesen Service in verschiedenen Phasen Ihrer Website prominent darzustellen. Dies wird Ihnen helfen, Ihre Engagement- und Retention-Kampagnen voranzutreiben, indem Sie BNPL-Zahlungsoptionen hinzufügen, wenn ein Benutzer seinen Warenkorb verlässt.
10. KI-gestützte Chatbots: Reisebuchungen können anstrengend sein – von der Unterkunft bis zur Pendelstrecke – Reisende stehen vor der großen Auswahl, die sie treffen müssen. In einem solchen Fall kann ein KI-gestützter Chatbot Abhilfe schaffen. In der Reisebranche hilft KI dabei, Übernachtungsmöglichkeiten oder Aktivitäten in der Umgebung zu empfehlen.

69 % der Verbraucher bevorzugen Chatbots, weil sie schnelle Antworten auf einfache Fragen geben können. Diese Empfehlungsmaschine basiert auf benutzergenerierten Suchen, Auswahlmöglichkeiten und Daten.

Zu berücksichtigende Faktoren

• Daten zum Benutzerverhalten: 80 % der Unternehmensleiter berichten von einem Anstieg der Verbraucherausgaben um durchschnittlich 38 %, wenn ihr Erlebnis personalisiert ist. Dies ist der erste und wichtigste Schritt beim Aufbau einer Empfehlungsmaschine. Die Daten können auf zwei Arten gesammelt werden: implizit und explizit.

Explizite Daten sind Informationen, die ein Benutzer absichtlich bereitstellt, also Eingaben wie Bewertungen, persönliche Informationen usw. Implizite Daten sind Informationen, die aus dem Backend gesammelt werden, wie Suchverlauf, Likes, Bestellverlauf usw.

• Hier ist ein Beispiel für eine implizite Art der Datenerfassung von Booking.com.



• Benutzerabsicht: Das Verständnis der Benutzerabsicht anhand von Heatmaps, Suchbegriffen, Seitenverkehr usw. vor dem Aufbau einer Engine ist nicht nur entscheidend, sondern zwingend erforderlich. Seien Sie sich darüber im Klaren, was Ihr Benutzer sucht, bevor Sie Druck ausüben.
• Personalisierung: Jüngere Verbraucher reagieren nach einem unpersönlichen Erlebnis am häufigsten negativ. Stellen Sie sicher, dass Ihre Empfehlungsmaschine die Personalisierung unterstützt und dass dies ein Kernprinzip im PRD (Produktanforderungsdokument) ist, bevor Sie sie erstellen.
• Kontextrelevanz: Stellen Sie sicher, dass Ihre Empfehlungsmaschine funktioniert, indem Sie Ihren Kunden kontextbezogene Vorschläge machen. Es sollte für die Saisonalität optimiert sein, damit Benutzer von der kognitiven Belastung durch die Suche nach einem bestimmten Anlass befreit werden können. Beispiel: Ermäßigungen auf Tickets und Flüge zu Weihnachten im Februar-März.

Fehler, die es zu vermeiden gilt

• Probleme mit der Datenqualität: Einer der häufigsten Fehler besteht darin, der Datenqualität nicht genügend Aufmerksamkeit zu schenken, was zu voreingenommenen oder ungenauen Empfehlungen und damit zu einer unterdurchschnittlichen Benutzererfahrung führen kann. Um dem entgegenzuwirken, ist es wichtig sicherzustellen, dass die Daten relevant, vollständig und fehlerfrei sind und regelmäßig aktualisiert werden.
• Mangelnde Vielfalt: Das Problem der „Echokammern“ tritt häufig bei Empfehlungssystemen auf, bei denen Benutzern nur Artikel empfohlen werden, die ihnen zuvor gefallen haben. Um dies zu verhindern, ist es wichtig, Vielfalt in den Empfehlungsprozess einzubeziehen, indem mehrere Faktoren wie Neuheit und Beliebtheit berücksichtigt werden.

Abschluss

Es gibt starke Anzeichen dafür, dass Loyalität, ähnlich wie beim E-Commerce, in der Reise- und Gastgewerbebranche eine harte Nuss ist. Es sind vor allem der Service, das Angebot und die günstigen Preise, die die Transaktion ausmachen. Und obwohl solche Muster ein ziemlich herausforderndes Umfeld für die Geschäftstätigkeit schaffen, haben viele Top-Unternehmen Zuflucht in Produktempfehlungen gefunden. Darüber hinaus können Produktempfehlungen der Faktor sein, der Ihre Marketingstrategien beeinflussen oder zerstören kann.

Von der Erhöhung der Kundenbindung bis zur Erhöhung des durchschnittlichen Bestellwerts verfügen alle Top-OTA-Marken weltweit über einige andere Engines, die darauf abzielen, das Benutzererlebnis zu verbessern und sie zu Transaktionen zu motivieren. WebEngage bietet jungen Marken eine Reihe von Hebeln, um maßgeschneiderte und hochgradig personalisierte Erlebnisse zu schaffen.

Möchten Sie mit einer Empfehlungsmaschine für Ihre Reise- und Hotelplattform beginnen? Sprechen Sie noch heute mit unseren Experten und fordern Sie eine Demo an!