Airbnb : comment l’entreprise se sert du big data pour améliorer ses services ?

Airbnb figure parmi les startups qui ont rencontré un surcroît de croissance considérable depuis leur création. Elle a notamment été désignée comme meilleur endroit pour travailler en 2016. De fait, elle agit comme un intermédiaire entre les personnes en quête d’un logement éphémère et ceux qui en louent à travers le monde. L’enseigne compte aujourd’hui plus de 10 millions de nuitées réservées à travers 192 pays. Ce n’est donc pas surprenant si elle est valorisée à 25,5 milliards de dollars dès mi-2015.

Ce succès, Airbnb le doit à sa stratégie qui vise à « cultiver la confiance » de ses clients. Dans cette perspective, l’entreprise n’hésite pas à exploiter le big data et toutes les sciences qui s’y apparentent. La société est même convaincue que cet dernier est un facteur clé de différenciation. En effet, il lui permet d’offrir les meilleures offres pour les bonnes personnes.

L’exploitation des données au cœur de l’activité d’Airbnb

A ce jour, il y a au moins 1,4 pétaoctet de données dans les archives d’Airbnb. C’est tout à fait normal étant donné que l’entreprise traite plus d’un million de requêtes par jour, créant alors en moyenne 20 To de données. Ces banques d’informations proviennent, pour la plupart, de retours clients. Elles sont précieuses et serviront à fournir des services personnalisés ainsi qu’une expérience client inédite.

airbnb recherche

Focus sur les techniques de data science utilisées par l’entreprise

Chez Airbnb, les outils du Big Data permettent d’échelonner les décisions en matière de produits. Il s’agit de la pierre angulaire de l’entreprise dans la mesure où ils intensifient la voix des consommateurs qui, interprétée, sera utile aussi bien pour l’équipe marketing que pour le support client. En ce sens, Airbnb utilise plusieurs techniques. Ce sont les tests A/B, la reconnaissance et l’analyse d’images, le traitement du langage naturel, la modélisation prédictive, l’analyse de régression et pour finir, le filtrage collaboratif.

Les Tests A/B

Le but de cette méthode est de vérifier s’il existe une réelle adéquation entre le produit et le marché cible. L’équipe de science de données d’Airbnb cherche ainsi à comprendre le comportement des utilisateurs de la plateforme. L’entreprise expose ces derniers à des algorithmes de classement et de recommandations. Elle détermine ensuite la corrélation entre les résultats obtenus et les notes laissées par ces mêmes personnes sur le site web. L’objectif sera de tester l’efficience des algorithmes.

La reconnaissance et l’analyse d’images

Sur Airbnb, les images ont leur rôle à jouer. Ce premier contact impacte lourdement la prise de décision de l’internaute qui, a priori, compte beaucoup sur le visuel pour choisir son logement. Pour définir ces petits détails qui font tilt auprès des utilisateurs, Airbnb procède à une analyse des photos via l’apprentissage automatique. Bien que la société n’est qu’aux prémices de cette technologie, elle ambitionne de concevoir une boucle de rétroaction grâce à laquelle les hôtes pourront avoir les meilleures photos pour leur annonce, et ce, selon leur catégorie.

Le traitement du langage naturel

Parfois, l’hôte et l’invité sont amenés à donner des notes et avis faussés pour ne pas nuire à l’autre partie. Dans le traitement du langage naturel, Airbnb cherche à interpréter les sentiments voire la satisfaction réelle de tous les utilisateurs. Cela consiste à analyser les tableaux d’évaluation ainsi que les forums de discussion à travers l’analyse des sentiments.

La modélisation prédictive

Il s’agit d’une autre technique utilisée par l’équipe Data science d’Airbnb. Celle-ci consiste à hiérarchiser les ressources quitte à étudier les performances de marché. Grâce à cette modélisation prédictive, Airbnb entreprend des prévisions spécifiques à un marché donné, tout en tenant compte de plusieurs paramètres. Cette mission est confiée à une équipe dédiée afin de perfectionner les modèles de prédiction existants. Cela aide les hébergeurs à discerner le meilleur tarif pour une location prédéfinie.

L’analyse de régression

L’analyse de régression est un procédé d’analyse selon lequel Airbnb cherche les caractéristiques d’une annonce qui ont poussé les internautes à réaliser une réservation. C’est une technique efficace étant donné que cela a permis à l’entreprise d’apprécier l’importance des visuels ainsi que de leur qualité parmi les principaux critères de choix des utilisateurs. A ce titre, Airbnb a entamé un service de photographie professionnelle gratuite. Cela donnera certainement une valeur ajoutée aux annonces des hôtes ainsi qu’une augmentation des revenus de la société.

Le filtrage collaboratif

Ce genre de technique permet à l’équipe de Data Science d’Airbnb de simuler les préférences de l’hébergeur. Les informations fournies par les utilisateurs sont alors combinées aux articles de voyages et prendra en compte les évaluations historiques. Cela est possible grâce à l’apprentissage statistique des hôtes associés. Toutefois, le filtrage collaboratif seul ne suffit pas. C’est pourquoi l’équipe de science de données a usé de plusieurs réponses pour l’interaction hôte invité, et ce, pour un même circuit. Airbnb espère ainsi abréger le bruit issu des facteurs latents.

airbnb

Airflow, le système de workflow Hadoop d’Airbnb

L’analyse ainsi que le tri des données sur les logements et leurs propriétaires amène Airbnb à utiliser le framework open source Hadoop. Celui-ci est couplé avec l’entrepôt de données Apache Hive. En effet, Hadoop seul ne suffit pas pour traiter toutes les tâches et aboutir à des résultats coordonnés. C’est aussi pour cette raison que l’entreprise a créé Airflow, un système de workflow Hadoop qui lui est propre. Facile à installer, cet outil open source se focalise sur la conception ainsi que le suivi des nouveaux pipelines de données. Plus de cinq entreprises l’utilisent à ce jour.

Ainsi, Airflow est efficace notamment lorsqu’il y a plusieurs tâches à réaliser en même temps. Celui-ci peut fournir des informations comme le nombre de tâches Hadoop en cours, les ressources exploitées par celles-ci ou encore le nombre de tâches achevées.

airbnb croissance

Airbnb utilise le Big Data pour se développer

Dans sa stratégie de croissance, Airbnb utilise le Big Data de trois manières.

La première application concerne les fonctionnalités de recherche améliorées. En effet, pour satisfaire les clients, un réglage au niveau du moteur de recherche s’impose. Soulignons que les utilisateurs de la plateforme ne cessent d’augmenter en nombre. Cela pousse l’entreprise à changer son modèle de recherche classique par un outil de recherche qui profite des données utilisateurs. Ce dernier est ainsi érigé sur « une probabilité conditionnelle estimée de réservation dans un lieu particulier ». L’adoption de ce nouveau modèle a permis l’accroissement du nombre des réservations ainsi que la satisfaction de plusieurs clients.

Il convient ensuite d’accompagner les hôtes vers le prix le plus adéquat. L’interface possède une fonction de conseil qui est mise à jour en continu. Celle-ci permet aux hébergeurs de connaître la probabilité que leurs locaux obtiennent une réservation quant au prix qu’ils ont fixé. En ce sens, fixer son prix à 5 % de moins que le coût recommandé par la fonction aura une incidence positive sur la probabilité de réservation.

Enfin, pour stimuler la croissance de l’entreprise, Airbnb est tenu de prendre en compte les données démographiques. A ce titre, en Asie, Airbnb a remarqué un taux de rebond supérieur en 2014. Un grand nombre d’internautes quittaient le site internet après avoir visité uniquement la page d’accueil. Une analyse des données a permis à l’entité de découvrir la source du problème. Ceux qui passaient par le lien « Quartier » ne revenaient jamais en raison des photos qui y sont exposées. Au final, pour redresser la barre, Airbnb a supprimé ce lien et a repensé son algorithme en mettant en avant les destinations phares comme le Japon ou le Singapour. Cela a occasionné une augmentation de 10 % du taux de conversion.

airbnb localisation

Airbnb améliore l’expérience client grâce aux données de localisation

Airbnb ne manque pas de créativité et fournit à ses clients des emplacements peu communs, mais intéressants. Son algorithme amalgame, par exemple, des signaux qui permettent de classer les expériences que la clientèle souhaiterait vivre ainsi que les endroits qu’elle souhaite visiter. Un score de qualité est alors attribué à chaque site. En tenant compte des avis clients ainsi que de la proximité avec le centre de recherche, ce score illustre la pertinence de l’emplacement.

Avec sa maîtrise de l’économie immobilière, Airbnb a pu s’adapter à des paramètres tels que la visibilité, la tarification intelligente ou le déclencheur de conversion. Les voyageurs, mais également les hôtes peuvent alors trouver chaussures à leurs pieds. Une chambre d’hôtes qui se trouve dans une zone géographique très recherchée bénéficiera certainement d’une visibilité à un stade avancé.

Par ailleurs, la majorité des hôtes qui collaborent avec Airbnb utilisent le site comme source de revenus secondaire. 80 % d’entre eux ne louent à ce titre qu’une chambre de leur résidence. Les maisons d’hôtes constituent, bien sûr, un cas à part. Bref, la société a conçu la tarification intelligente pour « proposer des tarifs optimaux pour un jour donné ». Il s’agit d’une fonctionnalité qui modifie le prix de réservation en temps réel et en fonction de nombreux facteurs à savoir la saison, le lieu de séjour ou les commodités disponibles.

Airbnb utilise l’IA pour évaluer le comportement des clients

Pour protéger ses hôtes, Airbnb exploite un outil basé sur l’IA. Cette technologie recherche sur Internet des indices indiquant qu’un client n’est peut-être pas fiable.

Selon les documents de brevet examinés par l’Evening Standard, l’outil prend en compte divers éléments. Ces derniers vont du casier judiciaire d’un utilisateur à ses publications sur les médias sociaux. Il s’agit d’évaluer la probabilité d’avoir des traits de caractère « non fiables », notamment le narcissisme, le machiavélisme et même la psychopathie.

Évaluation des risques

L’outil de vérification des antécédents est l’œuvre de Trooly, une startup d’Airbnb acquise en 2017. Airbnb a refusé quand Evening Standard lui a demandé dans quelle mesure la société va utiliser l’outil.

Cependant, le site web d’Airbnb indique que chaque réservation Airbnb est évaluée en fonction des risques avant d’être confirmée. La société utilise l’analyse prédictive et l’apprentissage automatique pour analyser instantanément des centaines de signaux. Ces dernières aident à identifier les activités suspectes avant qu’elles ne se produisent.

Difficile de dire si une IA peut vraiment prédire si un individu a un comportement de psychopathe en se basant uniquement sur des informations le concernant en ligne. Néanmoins, Airbnb s’occupe depuis plusieurs années du problème des clients qui détruisent les habitations de certains propriétaires. 

Si l’outil permet d’éliminer les fauteurs de troubles potentiels, il est facile de comprendre pourquoi l’entreprise est impatiente de le mettre en œuvre.

Sources & crédits Source : dezyre, towardsdatascience - Crédit :