Persoonlijke aanbevelingen spelen in de aanpak van Transavia een belangrijke rol in elke fase van de customer journey. Het begint al bij het aanbevelen van bestemmingen op basis van het websitegedrag van een bezoeker. “We vergelijken de bestemmingen die een bezoeker bekijkt met websitebezoeken uit het verleden. Op basis van deze informatie bevelen we bestemmingen aan die passen bij het zoekgedrag van de bezoeker”, vertelt Charles Verstegen, senior revenue development manager bij Transavia...

...Om klanten beter te leren kennen, is het essentieel zoveel mogelijk relevante informatie te verzamelen. Transavia legt verbanden en traint modellen aan de hand van verschillende typen informatie, zoals reisdoel, verblijfsduur, groepssamenstelling, seizoen, moment van de dag en natuurlijk bestemming. De data vanuit de website worden 'opgevangen' met de open source clickstream collector Divolte. De verzamelde data komen binnen in een data-storagelaag binnen de cloud van Azure, waar ze vervolgens worden gecombineerd met data uit andere bronnen om machine-learningmodellen mee te voeden.

Het datateam bij Transavia, bestaande uit een mix van business en IT, is in het voorjaar van 2016 opgericht. Er was al een sterke basis voor het datagedreven modelleren van vluchtoptimalisatie, maar kijkend naar beschikbare data zag de luchtvaartmaatschappij al snel meerdere geavanceerde mogelijkheden ontstaan. Naast toepassingen op het gebied van omzet zal het datateam zich in toenemende mate bezighouden met het verbeteren van operational excellence, bijvoorbeeld door de ontwikkeling van modellen die helpen voorspellen bij crewplanning of aankomende verstoringen.

Alles bij de bron; MarketingFacts