10 recomendaciones de productos sólidos para conversiones 3X | Empresa de viajes y hospitalidad

A medida que los viajeros de todo el mundo se libran de una pausa de 3 años, confíe en nuestra palabra de que 2023 será un año de viajes como ningún otro. Según Booking.com, el 68 % de las personas se esforzará mucho por hacer planes de viaje en 2023. Pero una afluencia de consultas implica que los clientes harán cualquier cosa para obtener grandes ofertas.

Si tiene un negocio de viajes y/u hotelería, sabe que una 'buena temporada' significa mucho tráfico, pero también genera bajas tasas de conversión. La industria de los viajes y la hospitalidad tiene una de las tasas más altas de abandono de carritos con un sorprendente 85%. Puede haber muchas razones para esto: precios más bajos, mejores ofertas, falta de personalización o programas de fidelización deficientes.

El 76% de los consumidores se sienten frustrados por las empresas que no ofrecen experiencias personalizadas. Los usuarios ya no tienen tiempo para soportar la sobrecarga cognitiva y hacer el arduo trabajo de 'buscar' lo que necesitan, porque lo que necesitan lo entienden sus productos favoritos (propietarios del crecimiento). Lo que buscan son empujones de la marca que faciliten su experiencia.

Llamamos a estos empujones recomendaciones de productos: una selección cuidadosamente seleccionada de sugerencias sobre servicios creados con aprendizaje automático y sistemas complejos para ofrecer una experiencia única. Estas recomendaciones se crean utilizando una variedad de entradas como ubicación, historial de navegación anterior, tendencias actuales, ofertas, etc.

¿Pueden las recomendaciones de productos salvar la industria de los viajes y la hospitalidad?

El 79% de los consumidores esperan que las marcas ofrezcan experiencias digitales personalizadas. Por lo tanto, algo tan simple como permitir que los clientes completen previamente los datos en la pestaña de búsqueda o recordar los destinos que escriben con más frecuencia podría ser útil al hacer la reserva. Las OTA de viajes (agencia de viajes online) ahora también están recordando los filtros más utilizados como gancho para fidelizar a los clientes.

Pero, ¿cómo garantizar que los usuarios vean contenido y ofertas personalizadas para ellos? La respuesta es mediante el uso de datos relevantes . Debe recopilar los datos correctos de sus clientes para mostrarles exactamente lo que quieren. Los eventos de usuario pueden capturarse en su backend y enviarse a su plataforma CRM para analizar a sus clientes en función de los datos de uso y luego agruparlos en propiedades de usuario para apuntar.

La pregunta más importante es, ¿qué tipo de eventos debe capturar una marca de viajes y hospitalidad para comprender mejor a sus clientes? Hay algunas maneras eficientes de comenzar:

1. Datos demográficos del usuario: los datos demográficos del usuario, como la edad, el género, el origen étnico o los niveles de ingresos, pueden afectar significativamente el rendimiento de los motores de recomendación al comprender un ICP (perfil de cliente ideal) a un nivel más cercano y personal.

A continuación se muestra un ICP de muestra para un sitio web de viajes:

Nombre	Rohit
Género	Masculino
Ubicación	Rajastán
Edad	28
clase de servicio	Premium y superior
Ingreso promedio	< 3500000/año
Aerolínea preferida	Vistara
Tipo de viaje preferido	Doméstico

Una vez que comprenda a los clientes en este nivel, puede agruparlos en una cohorte y permitir que fluyan experiencias similares en términos de recomendación de viaje, estadía o comida. Por ejemplo, Expedia recomienda las mejores selecciones para la temporada.



2. Preferencias de ubicación: una forma única de ver esto sería hacer recomendaciones basadas en el destino más visitado desde una ubicación específica, por ejemplo, sugerir destinos de playa a personas de una ciudad sin salida al mar o mostrar los destinos más visitados en el nivel de ubicación actual de un usuario.
3. Correo electrónico: cerrar el círculo con los clientes es una herramienta increíblemente potente desde el punto de vista de la personalización. Cuando los clientes reciben correos electrónicos de marcas, sus expectativas se disparan en términos de personalización.

Por lo tanto, al utilizar los datos de los clientes, como el historial de viajes, las preferencias y la demografía, los equipos de marketing pueden personalizar sus comunicaciones, haciéndolas más relevantes y atractivas. Hasta el 97% de los especialistas en marketing informan un salto en los resultados comerciales después de la personalización.

Aquí hay un buen ejemplo de MakeMyTrip sobre recomendaciones basadas en la temporada a través de correos electrónicos.


4. Frecuencia de viaje: Crear cohortes de usuarios que tengan los mismos hábitos es una forma muy subestimada de hacer recomendaciones de productos.

Por ejemplo, segmentar a los usuarios en lotes de los que viajan mucho los fines de semana, los que realizan viajes de negocios durante la semana y los que viajan por placer podría exponer las marcas a sus perfiles de usuarios poderosos, principales y causales.

Idealmente, este debería ser el primer nivel de segmentación, sobre el cual puede agregar más capas para enriquecer los datos. Por lo tanto, las recomendaciones de productos y ofertas, los cupones y la frecuencia de uso de las características permiten a las marcas orquestar conexiones más profundas y significativas con sus clientes. También puede vincular su programa de fidelización en función de la frecuencia para impulsar la retención.
Solo mira este ejemplo del Programa de Lealtad de Booking.com:

Personalización bien hecha a escala

Booking.com es un gran ejemplo de personalización bien hecha a escala en muchas páginas del sitio web. Si alguna vez hizo una reserva desde la reserva, sabrá que la marca seguramente recordará su historial y permitirá que esos detalles fluyan para su experiencia general.

Booking.com utiliza aprendizaje automático avanzado para capturar múltiples puntos de datos; el historial de búsqueda único de un usuario, la ubicación, las preferencias, etc. La marca analiza el historial de búsqueda y los patrones de reserva de los usuarios para comprender sus preferencias de viaje.
Por ejemplo, si un usuario reserva constantemente hoteles con gimnasio o spa, Booking.com puede recomendar hoteles con servicios similares en el futuro.

La marca se basa en gran medida en los comentarios para identificar temas comunes y áreas que requieren mejoras y luego hace recomendaciones a la plataforma para una experiencia aún mejor personalizada para sus usuarios.

La pestaña de recomendaciones de la marca que se encuentra debajo de la barra de búsqueda ayuda a las personas con sugerencias sobre su historial, ubicación, detalles de IP, segmentos, etc.

El 76% de los consumidores se sienten frustrados por las empresas que no ofrecen experiencias personalizadas.

En el nivel más fundamental, todo tipo de información útil (historial de búsqueda, historial de viajes, interacciones con la interfaz de usuario de Booking.com, etc.) se introduce en los modelos ML. Estos datos luego se analizan y utilizan en múltiples niveles para mejorar la experiencia del usuario.

Todos los días, se procesan casi medio billón de eventos, y cuanta más información recopilan los modelos, más inteligentes se vuelven para hacer asociaciones entre diferentes ubicaciones, tipos de usuarios, tipos de productos para proporcionar recomendaciones de productos. Proporcionando así la 'Página de inicio' hiperpersonalizada que todos amamos.

La base de los modelos de recomendación de viajes y hospitalidad

1. Motores de recomendación centrados en el destino

Los turistas ingresan una variedad de factores al decidir a dónde viajar a continuación: desde la elección de una ubicación hasta factores como la asequibilidad, la disponibilidad, el precio, etc., muchos elementos dictan la selección de un destino. Esto crea la necesidad de plataformas OTA (Over-The-Air) para crear sistemas de recomendación robustos con filtros que ayuden con estos requisitos.

Por lo tanto, las recomendaciones centradas en el destino se convierten en las más comunes en todas las plataformas OTA, lo que facilita el trabajo del usuario al filtrar sus necesidades de viaje exactas y brindar sugerencias basadas en ellas. Es ideal y mejor para aquellos usuarios que no saben exactamente a dónde quieren ir pero tienen una idea de sus preferencias.

Entendamos el siguiente marco. Antes de que la recomendación llegue a una conclusión, primero adquiere datos, luego los procesa por clasificación y construcción moderna, y solo entonces llega a la etapa de interpretación. El diagrama de flujo puede parecer abrumador, pero tales sistemas están diseñados para sopesar numerosos factores como la precisión, la confusión y la popularidad para crear resultados populares, satisfacer las necesidades del usuario y vale la pena seguirlos.

El motor comenzará tratando de comprender exactamente lo que quiere un usuario antes de continuar con su trabajo. Una vez que el ML obtenga un perfil aproximado de lo que desea exactamente, comenzará a seleccionar los mejores lugares para que usted comience.

Aquí hay una ventana emergente de recomendaciones de TripAdvisor al navegar por su sitio web sobre cosas que hacer.

Al comprender que un cliente dedica tiempo a la exploración, el sitio web recomendó de inmediato algunas cosas que son únicas y populares según las tendencias pasadas para mejorar la experiencia.



2. Motores de recomendación de productos centrados en la ubicación

Este tipo de motor atiende las recomendaciones a un nivel más local y doméstico. Personaliza los servicios locales y los encantos de un lugar para cada cliente y lo proporciona en forma de itinerario detallado. Wanderlog tiene una función de 'Actividad' que ayuda a sugerir una lista de cosas que puede hacer en un destino en particular según su motor y las sugerencias de otros viajeros.





Los motores de recomendación de productos centrados en la ubicación ayudarán a seleccionar una lista de cosas como las mejores atracciones, restaurantes, clubes, destinos de compras, lugares escénicos, puntos de puesta de sol, lugares históricos, transporte local, etc. Este servicio permite a los viajeros seleccionar el itinerario y la experiencia ideales según sus preferencias individuales, presupuesto, estilo, etc.



Nadie hace recomendaciones de productos basadas en la ubicación mejor que Airbnb. El sitio web tiene una página seleccionada para los viajeros con cosas que recomiendan en la visita, desde cocinar hasta navegar, la lista continúa. Estas recomendaciones se crean en base a la demanda del usuario y cuál es el aspecto más popular para viajar y recorrer esa ciudad.

Las 10 mejores recomendaciones de productos para la industria de viajes y hospitalidad

1. Descuentos locales de segmentación geográfica: la segmentación geográfica significa marketing para un conjunto de usuarios específicos en función de su ubicación. Cuanto más relevante es un anuncio para un usuario, más probable es que se convierta. Puede rastrear la ubicación actual de sus viajeros y ofrecer descuentos y ofertas de acuerdo con las atracciones y servicios locales. Aquí Agoda.com muestra una lista completa de actividades para hacer en Goa (después de detectar la ubicación).



2. Ubicaciones de tiendas de segmentación geográfica: las marcas también pueden recomendar a los usuarios las mejores tiendas de compras o souvenirs en función de su destino de vacaciones actual y ahorrarles tiempo y esfuerzo. Puede aprovechar las ubicaciones de las tiendas físicas para atraer clientes cercanos. Aquí, Agoda.com ofrece un Food Walking Tour y Jaipur Bazaar como parte de su 'Paquete de actividades' de Jaipur.



3. Basado en vacaciones: las personas hacen planes de viaje extravagantes durante la temporada de vacaciones, y puede crear su motor de recomendaciones de manera que seleccione recomendaciones de viaje de acuerdo con unas vacaciones específicas.

Ejemplo: Un paquete para Navidad y Año Nuevo. La mensajería basada en días festivos también puede aumentar el valor de por vida del cliente (CLV) y aumentar las compras repetidas en los programas de fidelización. Considere ofrecer promociones de puntos de bonificación en productos navideños que los consumidores buscan comprar.

4. Posterior a la compra: su motor de recomendaciones no finaliza durante o antes de la compra, también debe continuar después de la compra en forma de comentarios, notas de agradecimiento y recomendaciones de próximas vacaciones a través de SMS, correo electrónico, etc. Hablamos sobre la construcción de Airbnb su página de experiencia que se completa una vez que reserva un lugar; ahora, ¿qué tan increíble es esa recomendación?
5. Basado en la temporada: para satisfacer la demanda de los viajeros en todas las estaciones, un formato bastante popular ofrece recomendaciones basadas en el estado de ánimo general.
• Fuera de temporada: esta puede ser una recomendación efectiva para muchos viajeros a los que les gusta viajar fuera de temporada para evitar las prisas.
• Temporada alta: su motor de recomendaciones puede seleccionar recomendaciones especiales de temporada alta durante los veranos y los inviernos, cuando la mayoría de las personas planean unas vacaciones.
6. Basado en grandes eventos: también puede seleccionar recomendaciones especiales sobre los próximos grandes eventos en función de la ubicación de un usuario.
   Ejemplo: recomendar paquetes especiales del Día de San Patricio a personas cuya ubicación actual puede ser Irlanda.
7. Cliente que regresa: esta es una cohorte crucial para apuntar porque si un cliente vuelve a su producto, probablemente vio algo de valor. Siempre debe tener una reactivación separada o una campaña de bienvenida para esta cohorte y sus recomendaciones de productos deben tener en cuenta su comportamiento cuando estuvieron activos por última vez.



8. Lealtad y recompensas: según la etapa de crecimiento en la que se encuentre su producto, puede crear un programa de lealtad escalonado para inculcar la lealtad a la marca entre sus usuarios. Esto ayuda a construir una comunidad para su base de clientes.

La industria de viajes puede beneficiarse de un enfoque escalonado, que recompensa a los clientes habituales y los incentiva a subir de nivel al lograr objetivos específicos durante cada interacción. Ofrezca beneficios distintos para cada nivel de membresía, que se pueden desbloquear a través de AOV o ganando puntos de varias maneras.

Aquí hay un ejemplo de Goibibo. La marca aquí usó el marketing por correo electrónico para animar a los usuarios a hacer una reserva, dándoles un descuento de nuevo usuario. Imagínese si un usuario acaba de registrarse en el sitio web e inmediatamente recibe un código, estará muy motivado para continuar con la reserva.



9. Recomendaciones de BNPL: viajar puede ser un asunto costoso, por lo que ofrecer servicios BNPL (Compre ahora, pague después) es una excelente manera de aliviar la carga de sus clientes. Es crucial mostrar de manera destacada este servicio en varias etapas de su sitio web. Esto lo ayudará a impulsar sus campañas de compromiso y retención al agregar opciones de pago BNPL si un usuario abandona su carrito.
10. Chatbots impulsados ​​por IA: hacer reservas de viajes puede ser agotador, desde dónde quedarse hasta cómo viajar, los viajeros se ven inundados con muchas opciones para hacer. En tal caso, un chatbot impulsado por IA puede ayudar con la necesidad. En la industria de viajes, la IA ayuda a recomendar opciones de estadía o cosas que hacer en el área.

El 69 % de los consumidores prefieren los chatbots debido a su capacidad para proporcionar respuestas rápidas a preguntas sencillas. Este motor de recomendaciones funciona con búsquedas, elecciones y datos generados por los usuarios.

Factores a considerar

• Datos de comportamiento del usuario: el 80 % de los líderes empresariales reportan un aumento en el gasto del consumidor en un promedio del 38 % cuando su experiencia es personalizada. Este es el primer paso y el más crucial en la construcción de un motor de recomendación. Los datos se pueden obtener de dos maneras: implícita y explícitamente.

Los datos explícitos son información proporcionada por un usuario intencionalmente, es decir, entradas como calificaciones, información personal, etc. Los datos implícitos son información que se recopila del backend como historial de búsqueda, me gusta, historial de pedidos, etc.

• Este es un ejemplo de un modo implícito de recopilación de datos de Booking.com.



• Intención del usuario: comprender la intención del usuario a través de mapas de calor, palabras clave de búsqueda, tráfico de la página, etc., antes de construir un motor no solo es crucial sino imperativo. Sea consciente de lo que su usuario está buscando antes de empujar.
• Personalización: los consumidores más jóvenes son los más propensos a reaccionar negativamente después de una experiencia impersonal. Asegúrese de que su motor de recomendaciones resuelva la personalización y que sea un principio central en el PRD (documento de requisitos del producto) antes de construirlo.
• Relevancia contextual: asegúrese de que su motor de recomendaciones funcione proporcionando sugerencias contextuales a sus clientes. Debe optimizarse según la estacionalidad para que los usuarios puedan deshacerse de la carga cognitiva de buscar una ocasión específica. Ejemplo: boletos y vuelos con descuentos especiales de Navidad durante febrero-marzo.

Errores a evitar

• Problemas con la calidad de los datos: uno de los errores frecuentes es no prestar suficiente atención a la calidad de los datos, lo que puede generar recomendaciones sesgadas o inexactas, lo que lleva a una experiencia de usuario deficiente. Para mitigar esto, es crucial asegurarse de que los datos sean relevantes, completos y libres de errores y se actualicen periódicamente.
• Falta de diversidad: el problema de las "cámaras de eco" a menudo se experimenta en los sistemas de recomendación donde a los usuarios solo se les recomiendan elementos que les han gustado anteriormente. Para evitar esto, es vital incluir la diversidad en el proceso de recomendación al considerar múltiples factores como la novedad y la popularidad.

Conclusión

Hay fuertes indicios de que, al igual que el comercio electrónico, la lealtad es un hueso duro de roer en la industria de los viajes y la hospitalidad. Es principalmente el servicio, la oferta y los precios económicos los que impulsan la transacción. Y aunque tales patrones crean un entorno bastante desafiante para operar, muchas de las principales empresas se han refugiado en las recomendaciones de productos. Además, las recomendaciones de productos pueden ser el factor que puede hacer o deshacer sus estrategias de marketing.

Desde aumentar la permanencia del usuario hasta aumentar el valor promedio del pedido, todas las principales marcas de OTA en el mundo tienen algunos de los otros motores trabajando para potenciar la experiencia de los usuarios y motivarlos a realizar transacciones. WebEngage ofrece un conjunto de palancas para que las marcas jóvenes creen experiencias personalizadas y altamente personalizadas.

¿Quiere comenzar con un motor de recomendaciones para su plataforma de viajes y hospitalidad? ¡Hable con nuestros expertos y solicite una demostración hoy!