Revenue ManagementUncategorized

Il Ranking di Booking.com

Una spiegazione semplice dei meccanismi complessi che regolano il Ranking di Booking.com

Che cos’è il Ranking?

 

Booking.com è uno dei siti principali per la ricerca e la prenotazione delle strutture ricettive italiane e internazionali.

Non servono presentazioni: il sito è già conosciuto in tutto il mondo e sono centinaia di migliaia le strutture ricettive affiliate a questa Online Travel Agency.

Il Ranking di Booking.com è l’ordine in cui vengono mostrati i risultati di ricerca riferiti ad una determinata destinazione, con e senza filtri selezionati come i servizi accessori offerti, l’intervallo di prezzo e molti altri.

La spiegazione semplice è questa. Poi si complicano le cose quando l’intelligenza artificiale (che vedremo tra poco) modifica in modo dinamico l’ordine delle strutture basandosi su alcuni parametri come:

  • il device utilizzato,
  • la localizzazione del device,
  • la cronologia delle visualizzazioni passate

La cosa fondamentale che devi sapere è che il ranking è uno solo, poi ci sono delle circostanze per cui si potrebbe modificare. Ma il ranking quello vero da scalare è uno solo.

Per chiarire il concetto di Ranking vedi questa sequenza di immagini:

 

Ma con che criterio vengono “scelte” le strutture in prima pagina? Per quale motivazione è fondamentale conoscere il meccanismo che regola questi risultati?

” Conosci il nemico, conosci te stesso, mai sarà in dubbio il risultato di cento battaglie” diceva Sun Tzu, grande filosofo e stratega.

Anche in questo caso, valgono le regole cinesi ovvero conoscere e anticipare il meccanismo del Ranking di Booking.com. Nel caso si gestisca una struttura ricettiva alberghiera o extralberghiera, è uno step fondamentale per riuscire a migliorarne in modo naturale il posizionamento e di conseguenza la visibilità.

Il criterio di visualizzazione delle strutture da un lato influisce certamente sui risultati economici degli albergatori e degli host, dall’altro influenza l’esperienza di utilizzo del sito internet da parte dei visitatori.

Ovviamente questo è l’aspetto chiave per gli amministratori di Booking.com che hanno un approccio Customer Centric.

La loro priorità è far godere i visitatori del sito della massima esperienza d’uso del portale, nel modo più fluido e intuitivo possibile. Per rendere attuabile tale obiettivo, i risultati offerti devono essere i migliori, quindi è necessario entrare nel vivo del meccanismo con cui i tecnici del Ranking di Booking.com sono riusciti ad elaborare tale sistema.

C’è da aggiungere che il meccanismo di Booking.com è considerato dagli addetti ai lavori, vincente e decisamente uno dei migliori sul mercato. Esso ha indubbiamente contribuito al successo della piattaforma a livello mondiale.

Booking.com presenta milioni di proprietà in tutto il mondo e le principali destinazioni, a loro volta, mostrano decine di migliaia di possibilità di scelta. Le cerchiamo solo la città di Roma vediamo più di 9 mila risultati:

Le sistemazioni spaziano dagli hotel indipendenti e di catena, italiani e internazionali, agli appartamenti e i bed and breakfast. Ultimamente su Booking.com è possibile anche prenotare trasporto e alloggi insoliti ed eco friendly.

E’ evidente che nessuno sarebbe in grado di controllare tale offerta, vasta e diversificata, confrontare tutte queste possibilità senza l’aiuto di un sistema di ordinamento efficace.

Come già citati, sul portale vi sono filtri che possono contribuire a scremare le numerosissime opzioni ma, anche selezionandone alcuni, spesso i risultati restano troppi per poter essere verificati uno ad uno.

Ecco perché il ranking di Booking.com risulta essere di fondamentale importanza: deve riuscire a consegnare i migliori risultati per ogni cliente.

 

L’importanza del Machine Learning

 

Riuscire a creare un Ranking solido su larga scala, come necessariamente serve a Booking.com, è un risultato ciclopico.

Significa presentare in ogni parte del mondo e in qualsiasi momento dell’anno i risultati di ricerca reputati migliori per ogni specifica ricerca del cliente.

Per raggiungere tale scopo il ranking di Booking.com è basato su un sistema di intelligenza artificiale.

Per riuscire a capire come “addestrare” il sistema (quello che sarà chiamato spesso modello) è necessario pensare a come esso potrebbe essere stato creato.

Costruire un sistema di intelligenza artificiale è molto complesso ma alla base di tutto vi sono sempre i medesimi meccanismi che regolano il comportamento umano. Per addestrare questo sistema bisogna innanzitutto comunicargli gli obiettivi che si vogliono raggiungere:  assegnare un Ranking ad ogni struttura presente sul sistema.

Bisogna spiegare al sistema come questo ranking deve essere formulato, quali fattori potrebbero influenzarlo in modo positivo e quali in modo negativo.

Inoltre, non bisogna dimenticare che in un qualsiasi Marketplace vi sono anche i partner di Booking.com (le strutture ricettive) che devono essere “accontentate” per dar loro la possibilità di influenzare autonomamente questa visibilità concessa dal Ranking.

Certamente, l’aspetto più importante in assoluto che determinerà il successo di Booking.com è quello lato consumatore. Il punto di vista del visitatore è fondamentale quindi la mission della piattaforma è offrire la miglior lista possibile di strutture ricettive al cliente.

 

I segnali di customer satisfaction

 

Quando un cliente, potenziale prenotante, leisure o business, entra nel sito di Booking.com ed effettua una serie di azioni, queste, unite al comportamento manifestato nell’interazione con il portale, determinano alcuni segnali che possono essere interpretati per capire se è soddisfatto oppure no. Le azioni principali sono:

  • le impressioni nei risultati di ricerca
  • i click
  • le prenotazioni
  • i soggiorni effettivi
  • le recensioni

Il modello per creare questo Ranking deve cercare di intuire da queste azioni (ma anche da molte altre secondarie) le preferenze del consumatore ovvero valutare se ogni singola struttura piace oppure no.

Il modello non può certamente basarsi solo su caratteristiche quantitative e oggettive come per esempio lo star rating o la grandezza degli spazi comuni di ognuno di essi, il modello deve comprendere in modo indiretto anche i segnali di gradimento soggettivo per ogni struttura presente sul sito.

Per riuscire deve intuirlo dagli input che può ricevere.

Per intuire questi segnali ci sono quattro aspetti da tenere in considerazione che complicano il lavoro del data scientist che si appresta a modellare il sistema di ranking di Booking.com:

  1. la relazione dell’azione con la soddisfazione/insoddisfazione
  2. il numero di dati generati dall’azione
  3. il ritardo con cui si ottengono tali informazioni
  4. l’errore di interpretazione che si può riscontrare dall’analisi delle azioni

Ti prego di leggere con attenzione questa tabella:

Tra i segnali positivi sicuramente il numero di prenotazioni è quello più pertinente poiché ha una forte correlazione con la soddisfazione del cliente, ha un discreto numero di osservazioni e si possono conteggiare in un tempo molto rapido e comodo.

Poi, i click e il tempo di permanenza sulla scheda, possono essere ulteriori segnali determinanti e interessanti per capire che probabilmente ci sono più strutture che possono interessare al cliente.

Tra i segnali negativi, invece, quando un cliente clicca su una nuova scheda al di sotto della mia (e non la mia), il sistema interpreta che ha già visionato lo schede precedenti pertanto si potrebbe pensare che le abbia scartate volontariamente. In questo caso i dati ottenuti sarebbero molti e potrebbero essere raccolti in tempi rapidi.

Allo stesso modo se un cliente non clicca nessuna delle proposte mostrate, sono segnali altrettanto importanti che spiegano che i risultati non sarebbero stati soddisfacenti in senso lato.

Come ottenere un risultato migliore su Booking.com?

 

Abbiamo visto come dovrebbe ragionare il modello per addestrare un sistema di intelligenza artificiale che da cui dipenderà fortemente la classifica ( Ranking ) di visualizzazione dei risultati sulle OTA.

Pertanto, avendo ipotizzato le principali azioni che il sistema potrebbe prendere in considerazione e avendo valutato le difficoltà che potrebbe incontrare, si ha una risposta alla nostra domanda.

Sembrano, quindi, essere il numero di prenotazioni, il CTR (rapporto percentuale tra click e impressioni) e il tempo di permanenza sulla scheda a risultare molto significativi per il ranking sulle OTA.

Potrebbe sembrare quasi banale questa conclusione ma vi invito a considerare le motivazioni scientifiche riportate in precedenza, abbiamo capito in modo semplice perchè solo alcuni indicatori vengono presi in considerazione, per esempio non è il volume di commissioni mensili che si pagano a Booking ad essere presi in considerazione dell’algoritmo come qualcuno potrebbe pensare.

D’altro canto, si hanno segnali negativi quando si ricevono pochi click sulla scheda in confronto a quella delle altre strutture ricettive e di conseguenza si ricevono altrettante poche prenotazioni.

Anche il Revenue Management, però, può influenzare il Ranking delle OTA.

Il Revenue Management è una disciplina che attraversa a tutto campo vari ambiti, tra cui certamente la possibilità di agire sul Ranking e far accrescere le visualizzazioni di una struttura alberghiera o extralberghiera.

Conclusioni

Il messaggio che voglio far passare è suddiviso su alcuni pensieri. Per prima cosa vorrei che si riuscisse a capire la complessità del sistema di ordinamento dei risultati di Booking.com, dall’altra vorrei far comprendere l’importanza di saper padroneggiare il meccanismo che ne sta alla base per poterlo sfruttare a nostro vantaggio. Solo conoscendo il sistema, anche conoscendo le difficoltà insite in esso, potremo prendere le migliori decisioni per la nostra realtà.

Per esempio molto spesso sento dire che anche quando siamo al completo (abbiamo terminato la disponibilità delle nostre stanze) bisognerebbe lasciare ugualmente aperta la disponibilità sul portale, mettendo un prezzo molto molto alto per far in modo di non perdere ranking. Ecco questo non può che essere un falso mito in quando abbiamo visto come il modello di Machine Learning valuti negativamente le strutture che hanno impressioni senza ricevere click. In questo caso la struttura che è presente nei risultati (perchè ha lasciato aperta la disponibilità) ma con una tariffa molto molto alta (per scongiurare la possibilità di ricevere prenotazioni) riceverà molte impressioni nei risultati di ricerca ma pochissimi click poiché il prezzo scoraggerà la maggior parte dei visitatori ad approfondire la navigazione cliccando sulla scheda.

Nel prossimo articolo si capirà:

Quali azioni di Revenue Management possono essere utili al posizionamento di una struttura all’interno dei risultati di ricerca? Metodi e strategie per :

  • Aumentare i click sulla scheda:
  • Aumentare il tempo di permanenza sulla scheda:
  • Aumentare il numero di prenotazioni:
  • Aumentare il numero di soggiorni:
  • Aumentare il numero di recensioni:

Iscriviti alla newsletter per non perderti il prossimo pezzo, oppure tieni d’occhio la tua casella postale per i scoprire come migliorare il ranking senza dover necessariamente agire sulla leva del prezzo.

Alcuni spunti di questo articolo sono tratti da un paper scritto da Themis Mavridis, Andrew Mende, Soraya Hausl, Roberto Pagano intitolato: Beyond algorithms: Ranking at scale at Booking.com

Leggi tutto

Edoardo Caldari

Data Scientist, esperto di Revenue Management, con una grande passione per la creazione di algoritmi di Forecasting per il Revenue Management. Laureato in economia e specializzato in Economia per il turismo alla Cà Foscari di Venezia con 110 con lode. CEO di HotelPro360 un'azienda innovativa per aiutare le piccole aziende turistiche ad ottenere il massimo delle performance.

Articoli correlati

3 Comments

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *

Back to top button
Ti interessa il Revenue Management?

Rimani al passo delle ultime novità del settore

Solo contenuti di Qualità 100% Garantito, anch'io odio lo SPAM!!