Intervention d’Olivier Grémillon, Vice-Président, Booking.com au cours de la MasterClass 2019 des 20èmes Worldwide Hospitality Awards.

On est partis d’un constat il y a quelques années chez Booking.com, tout comme une grande partie des plateformes, qui est que les voyageurs regardent 38, 39, 40 sites internet pour planifier un voyage. Donc Booking.com, et d’autres acteurs, se sont demandé « est-ce qu’on peut intégrer de nombreux services sous la même application, et essayer de faire en sorte que la découverte et la planification du voyage soient plus faciles ? ».

Dans le groupe Booking.com Holding, on travaille avec plusieurs entreprises qu’on a achetées, pour voir si on ne pourrait pas intégrer un service de réservation de voiture par exemple. Par exemple si vous avez réservé votre hôtel, on peut vous proposer une voiture dans la foulée. On fait ça de plus en plus avec les restaurants (on est aussi propriétaires d’Open Tables aux Etats-Unis). On vient de lancer des vols secs dans 7 sept pays il y a quelques semaines. Donc le but est vraiment de pouvoir donner aux voyageurs un voyage « connecté », qui part du moment où il commence à réfléchir au voyage jusqu’au moment où il rentre chez lui.

La clé ce n’est pas d’ajouter différentes verticales au voyage, c’est comment on peut personnaliser l’offre en fonction de ce que l’on sait sur vous. Par exemple, si vous êtes un voyageur qui réservez une chambre d’hotel ou une villa pour 2 adultes et 3 enfants, on vous proposera une voiture qui peut prendre en charge les 5 personnes avec lesquelles vous voyagez. Ça parait assez facile, mais c’est ce que la technologie nous aide à faire : rendre la réservation plus pratique, régler des problèmes assez anodins mais qui aujourd’hui polluent la planification du voyage.

Ensuite, on a un point de vue très pragmatique sur la dépendance d’un acteur vis-à-vis d’un autre. Certains hôteliers peuvent dirent qu’ils sont dépendants vis-à-vis de Booking.com, nous on est dépendants du trafic que Google nous envoie, mais c’est pas du tout comme ça qu’on le voit. Si vous prenez un voyageur qui fait une recherche pour un hôtel, qui a besoin de services différents, on est tous dans cette chaine de valeur, on apporte tous un service assez unique : Booking.com ne va pas faire le checking des gens et aider à nettoyer les chambres quand la personne s’en va, de la même manière que Google ne va pas aller voir des milliers de personnes dans le monde pour entretenir les relations avec les hôteliers.

Donc notre relation avec Google a toujours été assez simple. On regarde de manière très factuelle les chiffres : est-ce que quand on leurs donne un dollar, est-ce qu’on en récupère plus que ce qu’on leurs a donné ? Et on leurs donne un peu plus de 4 milliards de dollars par an, ce qui a été profitable. Je pense que d’un point vue hôtelier, c’est la même chose : si vous pouvez avoir un client qui vient chez vous sans que vous ayez de frais de marketing ou quoi que ce soit, allez-y. En revanche, si vous avez besoin de faire de la pub dans le monde entier pour des clients que vous n’arrivez pas à toucher vous-même, le cas des plateformes est assez efficace pour une commission de 15% en moyenne dans le monde, vous pouvez avoir des voyageurs qui viennent du monde entier.

Ensuite on fait une enquête tous les ans auprès de milliers de voyageurs à travers le monde. On leurs pose une centaine de questions sur pas mal de thèmes : comment vous voyagez ? comment vous réservez ? etc. Un des gros enseignements de l’enquête de cette année qui a été publiée il y a quelques semaines, c’est tout l’aspect environnemental. C’est la première que sur des questions comme « est-ce que vous changeriez d’un mode de transport comme l’avion pour un monde de transport plus lent mais plus écologique ? » on dépasse les 50%. Donc plus de la moitié des gens disent « oui, je veux bien prendre un mode de transport plus lent s’il est mieux pour l’environnement ». Après, il y a une différence entre ce que les gens répondent dans une enquête et ce qu’ils font derrière, mais on voit qu’il y a un attrait très fort à ce niveau-là. Une autre question est « si vous aviez prévu d’aller dans une ville X, mais que vous avez une ville Y à côté qui est un peu moins connue mais qui est à peu près équivalente et que c’est meilleur pour l’environnement, est-ce vous accepteriez d’y aller ? », 52% des répondants de l’enquête accepteraient, en répondant « oui, je veux bien passer de la ville X à la ville Y ».

C’est vraiment un des gros enseignements de cette année qu’on n’avait pas nécessairement vu avant. On essaye de voir ce que ça veut dire de notre côté, et c’est quelque chose dont on discute avec plusieurs partenaires hôteliers : Est-ce qu’il y a une manière de mettre en avant les hôtels qui ont une démarche environnementale plus importantes que d’autres quand on voit que ça commence à être un sujet important pour les voyageurs. Après la manière dont on voit les signaux, on voit une partie sur la personnalisation. Par exemple si on voit que vous avez réservé un hôtel 5 étoiles, on va vous proposer un hôtel 5 étoiles la prochaine fois que vous venez sur le site. Ça fait partie des signaux qu’on prend en compte à travers l’intelligence artificielle.

Il y a aussi la partie de comment on peut prendre le phénomène des appartements type Airbnb en demandant aux interrogés s’ils pensent réserver ce type de logement l’année prochaine au niveau mondial. 100% des gens ont répondu que oui, qu’ils allaient réserver un de ces types de logement l’année prochaine. Donc c’est un secteur dans lequel on a commencé il y a déjà quelques d’année, et qui représente aujourd’hui environ 20% de notre chiffre d’affaire. On voit que c’est quelque chose d’important pour les voyageurs.

Pour vous expliquer un peu comment on voit l’innovation chez Booking.com, il y a quelques semaines on a lancé un nouveau système de ratings pour les villas, par exemple. Avant, si vous vouliez réserver une villa de luxe sur une plateforme comme Booking.com, Airbnb ou autre, vous jugiez avec le prix pour savoir si le logement était de niveau luxe ou pas. Nous avons donc lancé un système similaire aux étoiles en hôtellerie, où aujourd’hui votre villa au bord de la mer, on lui assigne automatiquement un rating de 1 à 5. Comment on fait ça ? ça part d’une discussion sur ces personnes qui veulent un logement 4-5 étoiles, qui essaye avec le prix mais en générale, quand vous mettez un prix élevé, vous avez des logements plus grandes tailles, vous n’avez pas nécessairement des logements plus luxueux. Il y a donc aujourd’hui un vide qui est à combler.

Concrètement, on se met autour d’une table, on prend un data scientist d’un côté, un product manager de l’autre, un designer et des développeurs, et on essaye de régler le problème. On a fait as mal de recherche sur des pays comme la Croatie, la France, l’Allemagne, où vous avez des systèmes qui existent comme ça de ratings sur les logements, les appartements et les villas, et on se dit « est-ce qu’on peut apprendre de ces produits-là pour créer le nôtre ? ». Nous avons ainsi pris à peu près 400 signaux différents, allant de la machine à expresso jusqu’à la localisation dans une ville spécifique, on met tout ça dans un modèle de Machine Learning. A la fin on arrive à définir le fait qu’un appartement à Opéra (Paris) a toutes les « amenities » qui justifie un 4 étoiles. C’est une manière dont on peut utiliser la technologie pour apporter un service au consommateur, sur un tel sujet.

La donnée en tant que telle ne sert pas à grand-chose si vous ne l’utilisez pas. Les modèles de Machine Learning qui ont été développées dans les années passées permettent d’utiliser cette data. Tous les utilisateurs qui viennent sur notre site touchent plusieurs modèles de Machine Learning pendant leur parcours sur le site : que ce soit les résultats qu’on leurs présentent, les commentaires (si vous êtes une famille, on va vous montrer d’abord les commentaires clients des familles ; si vous êtes français, on ne va pas vous présenter les commentaires allemands en premier…), ou le service client (la manière dont on fait remonter les calls, la planification de combien de gens dont on a besoin dans 3 mois puisque le centre d’appels est géré par le Machine Learning qui nous permet d’anticiper combien de gens on aura besoin d’ici 3 mois…). Mais notre point de vue, ce n’est pas de faire de l’intelligence artificielle juste comme ça parce que ça plaît bien ; on est toujours sur un problème très pratique.

Par exemple on a un chatbot qui existe avec une intelligence artificielle, qui est très apprécié des voyageurs, parce qu’il permet au voyageur d’avoir une réponse en quart de seconde, plutôt que d’appeler ou d’envoyer un mail (ce qui prend beaucoup plus de temps). Dans 60% des cas, on arrive à vous donner une réponse tout de suite parce qu’on a la donnée derrière pour répondre à la question. Et dans 40% des cas, on arrive à regrouper votre question directement à un agent, avec une richesse de la question beaucoup plus forte que si vous preniez juste votre téléphone. C’est donc une manière très basique mais très pratique d’utiliser tout ce qui est Machine Learning pour permettre de rendre l’utilisation plus facile.