Una de las principales prioridades en nuestra búsqueda por fortalecer nuestra posición como una verdadera plataforma B2B4E es seguir mejorando la personalización de nuestros servicios para que nuestros clientes y sus empleados viajeros puedan beneficiarse de una experiencia inigualable.
Un texto de Utpal Kaul, Jefe de Incubación de Nuevos Productos, CWT.
Durante la última década, los enormes avances en las técnicas impulsadas por la inteligencia artificial, como el aprendizaje automático y el aprendizaje profundo, han hecho posible la obtención de una enorme cantidad de datos -tanto numéricos como no numéricos- y la generación de resultados altamente optimizados. En pocas palabras, y en el contexto de los viajes, esto significa que ahora tenemos las herramientas para predecir las necesidades de los viajeros en todos y cada uno de los puntos de sus desplazamientos con enorme precisión. Esto, que a priori puede parecer sencillo, es en realidad bastante difícil de lograr.
Usemos una analogía: si una persona pide pizza para cenar tres noches seguidas, podría parecer lógico predecir que también pedirá lo mismo una cuarta vez, ¿verdad? No del todo.
Hay varias razones por las que esta predicción es falible. En primer lugar, solo porque alguien haya comido lo mismo tres noches seguidas no significa que vaya a repetir esta elección sin cesar. Lo mejor que podemos hacer es asignar una probabilidad de que esta persona pida pizza. En segundo lugar, es importante conocer el contexto. ¿Pidió pizza tres noches seguidas porque no había otras opciones para cenar? ¿O quizá tenía varios niños alojados en casa? ¿O a lo mejor trabajó hasta tarde y la pizza era la única opción disponible a esa hora de la noche? Las variables son infinitas.
Es solo después de factorizar todas las variables contextuales posibles que se puede determinar con gran precisión lo que la persona va a pedir o no. En términos técnicos esto se conoce como prueba multivariable o regresión multivariable. Las máquinas pueden hacerlo mucho más eficientemente que los humanos.
Estas técnicas también pueden ser utilizadas en muchas otras facetas de los viajes para hacer la experiencia más agradable y sin fricciones. En CWT, por ejemplo, podemos predecir con mucha antelación a un viaje si la probabilidad de que el vuelo se retrase o cancele con un alto grado de precisión. Basándonos en esta inteligencia podemos, en primer lugar, enviar un aviso a los viajeros. También podemos recomendar opciones alternativas adaptadas a sus necesidades, así como a los requerimientos de sus empresas.
Otra nueva innovación de CWT es un chatbot que alerta a los viajeros cuando detecta que hay una reserva con pernoctación y que el hotel no está en el itinerario. El bot no solo alerta a los viajeros de esta situación, sino que también hace recomendaciones de alojamiento en función de las preferencias de los viajeros y de la política de viajes de su empresa. La misma lógica puede extenderse a la predicción y recomendación altamente contextualizadas de otros servicios durante el viaje, como los traslados terrestres y las cosas que ver y qué hacer en destino.
Todas estas innovaciones son toda una hazaña si tenemos en cuenta que cada persona puede asumir un número ilimitado de perfiles de consumo en función del contexto, el momento y otros varios factores. Poder cribar todas estas combinaciones aparentemente infinitas en tiempo real y hacer coincidir esa necesidad específica con una oferta relevante en el momento adecuado es el ingrediente secreto. Ser capaz de hacer esto para cada persona, cada vez, a través de docenas o quizás cientos de posibles ofertas es la nueva frontera.
Hoy en día, nos estamos acercando progresivamente a este paradigma ideal en el que somos capaces de pasar de ofrecer algo rutinario a ser capaces de anticipar una necesidad muy particular y hacer una oferta muy relevante y enfocada a esa necesidad concreta en el momento exacto. Es lo que entendemos por hiperpersonalización.
Y aunque ha habido un notable progreso en la tecnología y las técnicas para personalizar el contenido, todavía tenemos un largo camino por recorrer para crear lo que yo denomino «IA empática» -tecnología que puede percibir cosas y situaciones-. Aún no existe, y posiblemente no vaya a existir en un futuro próximo.
Aquí es donde entra en juego el factor humano. Nosotros, los humanos, somos sorprendentemente expertos en «sentir» cosas. No solo distinguimos si alguien está de buen o mal humor, sino que somos capaces de percibir matices como el sarcasmo, el lenguaje corporal, la vacilación, el afán… Las personas añadimos un enorme valor en estos casos, y aquí es donde podemos complementar la tecnología.
