3배 전환에 대한 10가지 확실한 제품 권장 사항 | 여행 및 숙박 회사

전 세계 여행자들이 3년의 긴 공백기를 벗어나 꿈틀거리면서 2023년은 여느 때와 다름없는 여행의 해가 될 것입니다. Booking.com에 따르면 68%의 사람들이 2023년에 여행 계획을 세울 것이라고 합니다.

여행 및/또는 접객 사업을 운영하고 있다면 '성수기'는 많은 트래픽을 의미하지만 전환율이 낮다는 것을 의미합니다. 여행 및 접객 산업은 장바구니 포기율이 무려 85%로 가장 높은 산업 중 하나입니다. 여기에는 낮은 가격, 더 나은 거래, 개인화 부족 또는 열악한 로열티 프로그램 등 여러 가지 이유가 있을 수 있습니다.

76%의 소비자는 개인화된 경험을 제공하지 않는 비즈니스에 불만을 나타냅니다. 사용자는 더 이상 인지 과부하를 견디고 필요한 것을 '검색'하는 힘든 작업을 할 시간이 없습니다. 사용자가 원하는 제품(성장 소유자)이 사용자에게 필요한 것을 이해하기 때문입니다. 그들이 추구하는 것은 그들의 경험을 더 쉽게 만들어주는 브랜드의 넛지입니다.

우리는 이러한 넛지를 제품 권장 사항이라고 부릅니다. 이는 고유한 경험을 제공하기 위해 기계 학습 및 복잡한 시스템을 사용하여 생성된 서비스에 대해 엄선된 제안 큐레이션입니다. 이러한 권장 사항은 위치, 과거 검색 기록, 현재 추세, 제안 등과 같은 다양한 입력을 사용하여 생성됩니다.

제품 추천이 여행 및 숙박 산업을 구할 수 있습니까?

소비자의 79%는 브랜드가 개인화된 디지털 경험을 제공하기를 기대합니다. 따라서 고객이 검색 탭에서 데이터를 미리 채우도록 허용하거나 가장 자주 입력한 목적지를 기억하는 것과 같은 간단한 것이 예약 중에 유용할 수 있습니다. 여행 OTA(온라인 여행사)도 이제 가장 많이 사용하는 필터를 고객 유지의 고리로 기억하고 있습니다.

하지만 사용자가 콘텐츠를 보고 개인화된 서비스를 제공하도록 하려면 어떻게 해야 할까요? 대답은 관련 데이터를 사용하는 것입니다. 고객이 원하는 것을 정확하게 보여주기 위해 고객으로부터 올바른 데이터를 수집해야 합니다. 백엔드에서 사용자 이벤트를 캡처하고 CRM 플랫폼으로 전송하여 사용 데이터를 기반으로 고객을 분석하고 나중에 대상으로 지정할 사용자 속성으로 클러스터링할 수 있습니다.

더 큰 문제는 여행 및 숙박 브랜드가 고객을 더 잘 이해하기 위해 어떤 종류의 이벤트를 포착해야 하는가입니다. 시작하는 몇 가지 효율적인 방법이 있습니다.

1. 사용자 인구 통계: 연령, 성별, 민족 또는 소득 수준과 같은 사용자 인구 통계는 더 가깝고 개인적인 수준에서 ICP(이상적인 고객 프로필)를 이해함으로써 추천 엔진의 성능에 상당한 영향을 미칠 수 있습니다.

다음은 여행 웹사이트의 샘플 ICP입니다.

이름	로힛
성별	남성
위치	라자스탄
나이	28
서비스 클래스	프리미엄 이상
평균 수입	< 3500000/년
선호 항공사	비스타라
선호하는 여행 유형	국내의

이 수준에서 고객을 이해하면 고객을 집단으로 묶어 여행, 숙박 또는 음식 추천 측면에서 유사한 경험이 흐르도록 할 수 있습니다. 예를 들어 Expedia는 시즌 최고의 선택을 추천하고 있습니다.



2. 위치 기본 설정: 이를 살펴보는 고유한 방법은 특정 위치에서 가장 많이 방문한 목적지를 기반으로 추천하는 것입니다. 예를 들어 내륙 도시의 사람들에게 해변 목적지를 제안하거나 사용자의 현재 위치 수준에서 가장 많이 여행한 목적지를 표시합니다.
3. 이메일: 고객과의 루프를 닫는 것은 개인화 관점에서 매우 강력한 도구입니다. 고객이 브랜드로부터 이메일을 받으면 개인화 측면에서 기대치가 높아집니다.

따라서 여행 기록, 선호도 및 인구 통계와 같은 고객 데이터를 사용하여 마케팅 팀은 커뮤니케이션을 맞춤화하여 관련성과 참여도를 높일 수 있습니다. 마케터의 97%가 개인화 이후 비즈니스 성과가 급증했다고 보고했습니다.

다음은 이메일을 통한 계절 기반 추천에 대한 MakeMyTrip의 좋은 예입니다.


4. 여행 빈도: 동일한 습관을 가진 사용자 집단을 구축하는 것은 제품을 추천하는 데 매우 과소평가된 방법입니다.

예를 들어 주말에 여행을 많이 다니는 사람, 주중에 출장을 가는 사람, 여가를 위해 여행하는 사람으로 사용자를 일괄 분류하면 브랜드를 파워, 핵심 및 인과 관계 사용자 프로필에 노출시킬 수 있습니다.

이것은 이상적으로 데이터를 풍부하게 하기 위해 더 많은 계층을 추가할 수 있는 세분화의 첫 번째 수준이어야 합니다. 따라서 제안 및 제품 권장 사항, 바우처 및 기능 기반 사용 빈도를 통해 브랜드는 고객과 더 깊고 의미 있는 연결을 조율할 수 있습니다. 유지율을 높이기 위해 빈도에 따라 충성도 프로그램을 연결할 수도 있습니다.
Booking.com의 로열티 프로그램 예시를 살펴보세요.

대규모로 잘 수행된 개인화

Booking.com은 웹사이트의 여러 페이지에서 대규모로 잘 수행되는 개인화의 좋은 예입니다. 예약을 통해 예약한 적이 있다면 브랜드가 귀하의 기록을 기억하고 이러한 세부 정보가 귀하의 전반적인 경험에 유입되도록 허용한다는 것을 알고 계실 것입니다.

Booking.com은 고급 기계 학습을 사용하여 여러 데이터 포인트를 캡처합니다. 사용자의 고유한 검색 기록, 위치, 선호도 등. 브랜드는 사용자의 검색 기록과 예약 패턴을 분석하여 여행 선호도를 이해합니다.
예를 들어 사용자가 체육관이나 스파가 있는 호텔을 지속적으로 예약하는 경우 Booking.com은 향후 유사한 편의시설을 갖춘 호텔을 추천할 수 있습니다.

이 브랜드는 피드백에 크게 의존하여 개선이 필요한 공통 주제와 영역을 식별한 다음 사용자에게 훨씬 더 개인화된 경험을 제공하기 위해 플랫폼에 추천합니다.

검색 표시줄 아래에 있는 브랜드의 추천 탭은 사람들이 자신의 기록, 위치, IP 세부 정보, 세그먼트 등에 대한 제안을 하는 데 도움이 됩니다.

76%의 소비자는 개인화된 경험을 제공하지 않는 비즈니스에 불만을 나타냅니다.

가장 기본적인 수준에서 모든 종류의 유용한 정보(검색 기록, 여행 기록, Booking.com의 사용자 인터페이스와의 상호 작용 등)가 ML 모델에 입력됩니다. 이 데이터는 사용자 경험을 향상시키기 위해 여러 수준에서 분석 및 사용됩니다.

매일 거의 5000억 건에 가까운 이벤트가 처리되며 모델이 수집하는 정보가 많을수록 서로 다른 위치, 사용자 유형, 제품 유형을 연결하여 제품 추천을 제공하는 데 더 똑똑해집니다. 따라서 우리 모두가 좋아하는 초개인화된 '홈 페이지'를 제공합니다.

여행 및 숙박 추천 모델의 기반

1. 목적지 중심 추천 엔진

관광객은 다음에 여행할 곳을 결정할 때 다양한 요소를 입력합니다. 위치 선택에서 경제성, 가용성, 가격 등과 같은 요소에 이르기까지 많은 요소가 목적지 선택을 결정합니다. 따라서 이러한 요구 사항을 지원하는 필터가 있는 강력한 추천 시스템을 만들기 위해 OTA(Over-The-Air) 플랫폼이 필요합니다.

따라서 목적지 중심 추천은 모든 OTA 플랫폼에서 가장 일반적인 추천이 되어 정확한 여행 요구 사항을 필터링하고 이를 기반으로 제안을 제공함으로써 사용자의 작업을 더 쉽게 만듭니다. 가고 싶은 곳을 정확히 알지 못하지만 자신의 선호도를 어느 정도 알고 있는 사용자에게 이상적입니다.

아래 프레임워크를 이해해 봅시다. 권고가 결론에 도달하기 전에 먼저 데이터를 수집한 다음 분류 및 현대 구성으로 처리한 다음 해석 단계에 도달합니다. 흐름도가 압도적으로 보일 수 있지만 이러한 시스템은 인기 있는 출력을 생성하고 사용자의 요구에 일치하며 추구할 가치가 있는 정확성, 혼란 및 인기도와 같은 수많은 요소를 평가하는 방식으로 설계되었습니다.

엔진은 작업을 진행하기 전에 사용자가 원하는 것을 정확히 이해하려고 시도함으로써 시작됩니다. ML이 사용자가 정확히 원하는 것에 대한 대략적인 프로필을 얻으면 사용자가 시작할 수 있는 최고의 장소를 큐레이팅하기 시작합니다.

다음은 트립어드바이저 웹사이트에서 할 일에 대한 추천 팝업입니다.

고객이 탐색에 시간을 보내고 있다는 것을 이해한 웹 사이트는 경험을 향상시키기 위해 과거 트렌드를 기반으로 독특하고 인기 있는 몇 가지 항목을 즉시 추천했습니다.



2. 위치 중심 상품 추천 엔진

이러한 종류의 엔진은 보다 지역 및 국내 수준에서 권장 사항을 따릅니다. 각 지역의 서비스와 장소의 매력을 고객별로 개인화하여 상세한 일정 형태로 제공합니다. Wanderlog에는 엔진과 다른 여행자의 제안을 기반으로 특정 목적지에서 할 수 있는 일 목록을 제안하는 '활동' 기능이 있습니다.





위치 중심의 제품 추천 엔진은 최고의 명소, 레스토랑, 클럽, 쇼핑 목적지, 경치가 좋은 장소, 일몰 지점, 역사적 장소, 지역 교통 수단 등의 목록을 선별하는 데 도움이 됩니다. 이 서비스를 통해 여행자는 이상적인 일정과 경험을 선택할 수 있습니다. 개인의 취향, 예산, 스타일 등



에어비앤비보다 위치 기반 제품 추천을 잘하는 사람은 없습니다. 웹사이트에는 요리에서 서핑에 이르기까지 방문 시 추천하는 항목에 대한 여행자를 위한 선별된 페이지가 있습니다. 목록은 계속됩니다. 이러한 권장 사항은 사용자의 요구와 해당 도시를 여행하는 데 가장 인기 있는 측면을 기반으로 생성됩니다.

여행 및 숙박 산업을 위한 상위 10개 제품 권장 사항

1. 지역 타겟팅 지역 할인: 지역 타겟팅이란 위치를 기반으로 특정 사용자 집합에 대한 마케팅을 의미합니다. 광고가 사용자와 관련성이 높을수록 전환 가능성이 높아집니다. 여행자의 현재 위치를 추적하고 지역 명소 및 서비스에 따라 할인 및 제안을 제공할 수 있습니다. 여기 Agoda.com이 고아에서(위치를 감지한 후) 할 수 있는 활동의 전체 목록을 보여줍니다.



2. 지리적 타겟팅 매장 위치: 브랜드는 사용자에게 현재 휴가 목적지를 기준으로 최고의 쇼핑 매장이나 기념품 매장을 추천하고 시간과 노력을 모두 절약할 수 있습니다. 실제 매장 위치를 ​​활용하여 인근 고객을 유치할 수 있습니다. 아고다에서 자이푸르 '액티비티 패키지'의 일부로 푸드 워킹 투어와 자이푸르 바자르를 제공합니다.



3. 휴가 기반: 사람들은 휴가철에 사치스러운 여행 계획을 세우며 특정 휴가에 따라 여행 추천을 큐레이팅하는 방식으로 추천 엔진을 구축할 수 있습니다.

예: 크리스마스와 새해를 위한 패키지. 휴일 기반 메시징은 또한 고객 평생 가치(CLV)를 높이고 충성도 프로그램에서 반복 구매를 늘릴 수 있습니다. 소비자가 구매하려는 휴일 제품에 보너스 포인트 프로모션을 제공하는 것을 고려하십시오.

4. 구매 후: 추천 엔진은 구매 중이나 구매 전에 끝나지 않습니다. 구매 후에도 피드백, 감사 인사, SMS, 이메일 등을 통한 예정된 휴가 추천의 형태로 계속되어야 합니다. 에어비앤비 구축에 대해 이야기했습니다. 장소를 예약하면 채워지는 경험 페이지 – 이제 그 추천이 얼마나 놀라운가요?
5. 계절 기반: 계절에 따라 여행자의 수요를 충족시키기 위해 전반적인 분위기를 기반으로 추천을 제공하는 것이 다소 인기 있는 형식입니다.
• 비수기: 혼잡함을 피하기 위해 비수기에 여행하는 것을 좋아하는 많은 여행자에게 효과적인 추천이 될 수 있습니다.
• 성수기: 추천 엔진은 대부분의 사람들이 휴가를 계획하는 여름과 겨울에 특별 성수기 권장 사항을 선별할 수 있습니다.
6. 빅 이벤트 기반: 사용자의 위치를 ​​기반으로 예정된 빅 이벤트에 대한 특별 추천을 선별할 수도 있습니다.
   예: 현재 위치가 아일랜드인 사람들에게 성 패트릭의 날 특별 패키지를 추천합니다.
7. 재방문 고객: 고객이 귀사의 제품을 다시 사용한다면 가치 있는 것을 보았을 가능성이 높기 때문에 타겟팅하는 데 중요한 코호트입니다. 이 코호트에 대한 별도의 재활성화 또는 환영 캠페인이 항상 있어야 하며 제품 권장 사항은 마지막 활성일 때의 행동에 맞춰야 합니다.



8. 충성도 및 보상: 제품의 성장 단계에 따라 계층화된 충성도 프로그램을 구축하여 사용자에게 브랜드 충성도를 심어줄 수 있습니다. 이는 고객 기반을 위한 커뮤니티를 구축하는 데 도움이 됩니다.

여행 산업은 반복 고객에게 보상을 제공하고 각 상호 작용 중에 특정 목표를 달성하여 레벨을 올리도록 장려하는 계층형 접근 방식의 이점을 누릴 수 있습니다. AOV를 통해 잠금 해제하거나 다양한 방법으로 포인트를 적립할 수 있는 멤버십 등급별로 차별화된 혜택을 제공합니다.

다음은 Goibibo의 예입니다. 이 브랜드는 이메일 마케팅을 사용하여 신규 사용자 할인을 제공함으로써 사용자가 예약하도록 유도했습니다. 사용자가 웹사이트에 방금 가입하고 즉시 코드를 받았다고 상상해 보십시오. 그들은 예약을 계속할 의욕이 매우 강할 것입니다.



9. BNPL 권장 사항: 여행은 비용이 많이 드는 일이 될 수 있으므로 BNPL(지금 구매 후 지불) 서비스를 제공하는 것이 고객의 부담을 덜어줄 수 있는 좋은 방법입니다. 웹사이트의 다양한 단계에서 이 서비스를 눈에 띄게 보여주는 것이 중요합니다. 이렇게 하면 사용자가 장바구니를 버린 경우 BNPL 지불 옵션을 추가하여 참여 및 유지 캠페인을 추진하는 데 도움이 됩니다.
10. AI로 구동되는 챗봇: 여행 예약은 머무를 곳부터 출퇴근 방법까지 지칠 수 있습니다. 여행자들은 선택해야 할 것이 너무 많습니다. 이러한 경우 AI 기반 챗봇이 필요를 도울 수 있습니다. 여행 산업에서 AI는 숙박 옵션이나 해당 지역에서 할 일을 추천하는 데 도움을 줍니다.

소비자의 69%는 간단한 질문에 빠른 답변을 제공할 수 있는 기능 때문에 챗봇을 선호합니다. 이 추천 엔진은 사용자 생성 검색, 선택 및 데이터로 구동됩니다.

고려해야 할 요소

• 사용자 행동 데이터: 비즈니스 리더의 80%는 경험이 개인화되었을 때 소비자 지출이 평균 38% 증가했다고 보고했습니다. 이것은 추천 엔진을 구축하는 첫 번째이자 가장 중요한 단계입니다. 데이터는 암시적 및 명시적 두 가지 방법으로 수집할 수 있습니다.

명시적 데이터는 사용자가 의도적으로 제공한 정보, 즉 등급, 개인 정보 등과 같은 입력입니다. 암시적 데이터는 검색 기록, 좋아요, 주문 기록 등과 같이 백엔드에서 수집한 정보입니다.

• 다음은 Booking.com에서 데이터를 수집하는 암시적 모드의 예입니다.



• 사용자 의도: 엔진을 구축하기 전에 히트 맵, 검색 키워드, 페이지 트래픽 등을 통해 사용자 의도를 이해하는 것은 중요할 뿐만 아니라 필수적입니다. 푸시하기 전에 사용자가 무엇을 찾고 있는지 파악하십시오.
• 개인화: 젊은 소비자는 비인격적인 경험 후에 부정적인 반응을 보일 가능성이 가장 높습니다. 추천 엔진이 개인화를 해결하고 이를 구축하기 전에 PRD(제품 요구 사항 문서)의 핵심 원칙인지 확인하십시오.
• 상황 관련성: 고객에게 상황에 맞는 제안을 제공하여 추천 엔진이 작동하도록 합니다. 사용자가 특정 상황을 검색하는 인지적 부하를 제거할 수 있도록 계절성에 맞게 최적화해야 합니다. 예: 크리스마스 특별 할인 항공권 및 2월-3월 항공편.

피해야 할 실수

• 데이터 품질 문제: 자주 발생하는 오류 중 하나는 데이터 품질에 충분한 주의를 기울이지 않는 것입니다. 이로 인해 편향되거나 부정확한 권장 사항이 생성되어 사용자 경험이 저하될 수 있습니다. 이를 완화하려면 데이터가 관련성 있고 완전하며 오류가 없고 주기적으로 업데이트되는지 확인하는 것이 중요합니다.
• 다양성 부족: "에코 챔버" 문제는 사용자가 이전에 좋아했던 항목만 추천되는 추천 시스템에서 자주 발생합니다. 이를 방지하기 위해서는 참신함, 대중성 등 다양한 요소를 고려하여 추천 프로세스에 다양성을 포함시키는 것이 중요합니다.

결론

전자 상거래와 마찬가지로 충성도는 여행 및 접대 산업에서 깨지기 힘든 견과라는 강력한 징후가 있습니다. 거래를 주도하는 것은 대부분 서비스, 제안 및 저렴한 가격입니다. 이러한 패턴은 운영하기에 다소 어려운 환경을 조성하지만 많은 상위 기업은 제품 권장 사항에서 피난처를 찾았습니다. 또한 제품 추천은 마케팅 전략을 성사시킬 수 있는 요소가 될 수 있습니다.

사용자의 충성도를 높이는 것부터 평균 주문 가치를 높이는 것까지, 세계의 모든 상위 OTA 브랜드에는 사용자 경험을 강화하고 거래하도록 동기를 부여하는 다른 엔진이 있습니다. WebEngage는 젊은 브랜드가 맞춤화되고 고도로 개인화된 경험을 생성할 수 있는 수단 모음을 제공합니다.

여행 및 숙박 플랫폼용 추천 엔진을 시작하고 싶습니까? 오늘 전문가와 상담하고 데모를 요청하십시오!