LE BIG-DATA AU SERVICE DU TOURISME

12 JUN 2020
LE BIG-DATA AU SERVICE DU TOURISME

Sur les réseaux sociaux et les sites web communautaires, plusieurs photos, opinions et critiques sont partagés, ces derniers occupent une place de plus en plus importante dans l’écosystème actuel d’internet. Les sites  internet comme instagram, tripadvisor, Facebook, FLickr, Booking  sont devenus indispensables pour la majorité des utilisateurs de réseaux sociaux, en particulier les personnes qui souhaitent voyager pour les loisirs ou pour les affaires.

Les sites susmentionnés sont devenus indispensables pour plusieurs raisons, notamment leur utilisation lors de la préparation du voyage (Exemple : choix de l’hôtel) ou bien lors du déroulement du voyage (Exemple : choix de lieu d’attractivité ou restaurant). Ces sites sont également usés pour raconter une histoire ou une expérience vécue sous plusieurs formes, à savoir des photographies, des critiques et des évaluations des lieux visités (hôtel, restaurant, monument…). C’est particulièrement ce genre de données déposées sur les sites web qui fournissent des informations détaillées sur l’utilisateur, qui précisent surtout leurs comportements, leurs préférences et leurs satisfactions par rapport aux produits et services consommés ou proposés. 

Il est à noter que chaque site à ses propres informations, communautés et caractéristiques, par exemple le site instagram partage plus de 180 millions photos par ans avec plus de 13 millions d’abonnés et d’utilisateurs chaque année tout en fournissant des informations comme la localisation, les photos avec des titres et les tags des amis susceptibles d’être intéressés par le contenu partagé.

Aussi, les sites tels que booking.com et hotel.com,  regroupant des millions d’abonnés sous forme d’entités d’hébergement, restent une source d’information reflétant les centaines de millions d’avis des utilisateurs (touristes) sur la qualité des services, le rapport qualité/prix etc. .Ce qui reste important aussi, c’est ce que peuvent fournir ces sites comme informations sur touristes notamment, leurs âges, leurs genres, leurs types, leurs préférences, leurs critiques… 

De nombreuses études ont vu le jour ces dernières années sur l’utilisation des données provenant de sites Web communautaires au profit du secteur et activités touristiques. Cependant, tous ces travaux sont confrontés au même problème: comment démontrer que ces données issues du web fournissent de nouvelles connaissances ? Compte tenu du résultat classique: cartes et statistiques, ce nouvel type d’information reste démonstratif et éloquent, même s’il valide avant tout les connaissances déjà établies.

Or qu’actuellement, les attentes sont devenues plus importantes et nécessitent  une analyse plus pertinente,  que celle des cartes ou des statistiques qui pourraient être considérées comme trop naïves.

Dans ce sens, une analyse pertinente des attentes et des préférences des touristes devra reposer sur l’exploration et fouilles de données (Datamining), afin d’ajouter aux cartes et aux statistiques l’aspect comportemental typiques et atypiques des touristes. Il est évident que les données recensées au niveau des sites web ne peuvent renseigner  sur tous les caractéristiques et comportements des touristes mais ils restent une large plateforme qui peut répondre aux questions essentielles que même les enquêtes classiques en science sociale n’ont pas pu y répondre.

En effet,  Il est possible actuellement de détecter des chemins, par exemple, à partir des images d’un touriste sur Facebook ou sur Instagram. Ces images sont géolocalisées et classées par ordre chronologique. Il est donc faisable de reconstruire le chemin de chaque utilisateur et également possible de combiner tous ces chemins pour trouver les principaux itinéraires sur une zone typique.
Aussi, les analystes Big Data peuvent capturer des informations sur les intérêts des consommateurs au niveau de ces itinéraires à partir de photos postées, contrairement aux études précédentes sur le tourisme qui reposaient principalement sur des enquêtes ou sur les opinions d’experts, c’est-à-dire que sur des échantillons de la population et ne disposent pas de données réelles sur tous les touristes.

 En outre, les études sur les données massives du tourisme ont comme objectif l’introduction des données basées sur des actions réelles et faites par les touristes au lieu de tirer des informations d’échantillons d’enquêtes.

Le plus intéressant c’est que ces méga-données sont produites par les touristes eux-mêmes (par exemple, via des téléphones mobiles connectés au réseau de télécommunication ou des cartes bancaires connectées à des terminaux de paiement), qui permet de mieux connaître le marché cible de l’industrie dans la prévision de la demande touristique.

Une prévision de demande touristique est mieux cernée, lors de l’utilisation du datamining, vu que les données reposent sur les actions réelles des utilisateurs et non sur des enquêtes (les intentions déclarées ou les réponses aux questions). D’autant plus que les méga-données augmentent la base d’échantillons sur laquelle s’articule la recherche.

Un autre point qui pourra s’ajouter aux précédents, la fiabilité de l’analyse du Big Data nous permet d’examiner tous les aspects de l’information afin de fournir des résultats complets au lieu de conclusions biaisées en raison de la perte d’information dans les données de l’échantillon.

Dans le même sillage, l'une des utilisations novatrices des mégadonnées, c’est que les données sont en temps réel et donnent des prévisions immédiates, c'est-à-dire l'utilisation en temps réel peut décrire les activités contemporaines avant que les sources de données officielles ne soient disponibles.

Aujourd’hui, le big data est entrain de transformer le monde du tourisme et de l'hôtellerie, puisque les entreprises d’hôtellerie et de tourisme traitent un grand nombre de données d’utilisateur couvrant toutes sortes d’informations différentes (par exemple, les confirmations de vol ou les préférences de la chambre d’un client) et créent toutes sortes d’opportunités de corrélation des données.

En outre, il y a quelques changements significatifs pour le Big Data en tourisme, car le coût des plates-formes d'analyse continue de chuter et les employés se familiarisent davantage avec ce que le Big Data peut faire.

En gros, les mégadonnées peuvent être utilisées pour personnaliser les campagnes marketing  des entreprises touristiques et de trouver les inefficiences de leurs modèles économiques. L’analyse de ces données volumineuses peut fournir les informations nécessaires aux entreprises et constituer une source d’innovation pour les organisations de tourisme et l’industrie en général, car le potentiel de données volumineuses dans le tourisme est énorme et les organisations touristiques ne doivent pas sous-estimer son importance.

Avec la bonne approche et la bonne utilisation du datamining, l'industrie du tourisme peut apprendre beaucoup sur les préférences des consommateurs et utiliser ces informations pour créer des liens avec des voyageurs individuels.

Ca permettra aussi aux hôteliers et professionnels du tourisme de pouvoir offrir aux voyageurs le bon service ou le bon produit au bon moment, car sans la bonne information et une très bonne stratégie de ciblage, la publicité n'entraînera aucune conversion et il n'y aura aucune valeur ajoutée.

Le secteur du voyage et du tourisme est un secteur en évolution rapide, d'où la nécessité d'analyser rapidement les données et de prédire la demande touristique à l'aide de données volumineuses et prendre par conséquent les décisions. Dans le tourisme, toute demande doit être traitée instantanément afin de rester pertinente pour les voyageurs, et c’est pourquoi le Big Data est si important en tourisme. Avec la croissance vigoureuse de la quantité et des applications de mégadonnées, les données et méthodes du tourisme traditionnelles vont s'interfacer avec les nouvelles données et méthodologies: par exemple, les centres d'appels vont s'interfacer avec les avis de consommateurs en ligne; les programmes de fidélité vont être liés aux historiques de réservation; et «préférences de propriété» vont être combinées avec les échanges au niveau des médias sociaux.

Pr. Oussama MERZGUIOUI

Ces articles peuvent vous intéresser