comment le mobile a influencé le comportement des clients dans l'industrie du voyage et voir le concept de big data avec le text mining dans l'industrie
dans les plateformes mobiles par le biais d’une application ou d’un site optimisé: ➔ En 2012, 38% des voyageurs d’agrément et 57% des voyageurs d’affaires ont utilisé leur téléphone intelligent pour effectuer une recherche en ligne liée au voyage (source :Google & Ipsos MediaCT, août 2012). ➔ 22% des Américains, 16% des Allemands, 13% des Français et des Britanniques, et 10% des Italiens préfèrent réserver leur chambre d’hôtel au moyen d’un site ou d’une application mobile (source: Trivago, juillet 2012). ➔ 40% des mobinautes français souhaitent réserver de l’hébergement ou du transport via mobile, et 35% souhaitent pouvoir modifier un dossier existant. (PhocusWright, septembre 2012). dimanche 20 janvier 2013
? ➔46% des consommateurs croient que les entreprises ne disent pas toute la vérité dans leur publicité(Yankelowich) ➔89% se fient aux recommmandations d’autres consommateurs pour l’industrie du voyage (Forrester Research/Intelliseek) ➔52% ne font pas confiance aux sites des agences en ligne (OTA) et aggrégateurs qui proposent des voyages(Benchmark group) dimanche 20 janvier 2013
Forrester) ➔Les créateurs(10%) : Ils publient blogs, articles, videos, photos, .. ➔Les critiques(19%) :Ils contribuent; commentaires sur les produits et services de voyage(forums, wiki, communautés, ...) ➔Les collecteurs(12%): Ils tagguent les pages Web, photos, videos pour les retrouver. ➔Les Adhérents(13%): Ils maintiennent un profil dans les sites de réseaux sociaux et visitent les sites etourisme 2.0 régulièrement. ➔Les Spectateurs(38%): Ils lisent les blogs. écoutent les podcasts, regardent les vidéos des autres internautes, et lisent les “post” des autres consommateurs. ➔Les inactifs(53%): Ils ne font rien pour l’instant dimanche 20 janvier 2013
est une expression anglophone utilisée pour désigner des ensembles de données qui deviennent tellement volumineux qu'ils en deviennent difficiles à travailler avec des outils classiques de gestion de base de données. En français on traduit usuellement « Big Data » par « données massives »(Wikipédia) dimanche 20 janvier 2013
ce concept : Big Data c’est un volume de données qui est au delà de la capacité de traitement d’une Base de données typique au niveau de la taille et aussi de la charge d’analyse ➔On peut énumérer 3 perspectives pour le phénomène Big Data: ➢Introduction d’une large échelle de diversité, de complexité et de vélocité des données ➢Projection et simulation: rapports, analyse ce qui permet d’être en avance par rapport aux compétiteurs ➢Intégrer dans une entreprise le système de prix, le CRM et le système social Ex: on peux savoir qu’un client qui a un score de référence “Klout score” de 83% n’a plus été notre client depuis 2007 et qu’il s’est plaint de notre service sur tripadvisor. On peut connaître les clients qui ont demandé des informations à notre sujet sur travelsupermarket.com et aussi les services de nos compétiteurs qui n’ont pas intérésé ces mêmes clients. Company X 1995 Log de simple données transactionnelles(online- offline) appr. 0.5 TB Company X 2012 Log les données média sociaux, CRM, Transactionnelles, les recherches, le profiling et d’autre types de données, (des fois jusqu’a 95% de ce qui est en ligne) appr.1PB dimanche 20 janvier 2013 -ce n’est pas juste des données transactionnellesmais toutes les données log qui represenetent l’historique de la compagnie avec ses clients une mine d’informations. Le Klout score est un score "de référence" permettant de mesurer l'activité et l'influence d'un individu sur les principaux réseaux sociaux.
masse de données dans l’industrie du voyage? ➢Les rapports(Google Analytics) des sites web des agences(OTA) depuis des années Google permet de garder des traces des funnels de conversions, des statistiques au niveau démographique, type de système d’exploitation, ..etc ➢Avec l’avènement Big Data les compagnies accordent maintenant plus d’importance à des donnèes qui semblaient impossible à avoir quelques années plutôt : CarzzyEgg ➔ La multiplication des centres de données bon marché , le prix dérisoire des unités de stockages de data(disque dur). ➔ Les technologies de stockage et de traitement de données s’améliore de plus en plus à tel point que le coût pour garder le dernier byte de data pour l’analyser ultérieurement va diminuer . dimanche 20 janvier 2013 These days, the proliferation of cheap storage as well as distributed file systems that allow storage across dozens (or hundreds) of commodity computers enables the cheap and efficient storage of petabytes of data without massive cost. As storage technology improves, the costs of keeping every last byte of data for later analysis will keep going down.
afin de comprendre les besoins et les comportement de leurs consommateurs. ➔ On a un grand volume de données disponible dans la sphère des médias sociaux: le défi comment accéder à ces informations et en faire des renseignements utilisables et actionable ➔ Il y a deux types d’approches pour analyse des données dans les médias sociaux: ➢Les outils de rapports par type de média: Channel Report Tools qui varient d’une solution commerciale comme radian6 qui offre un tableau de bord avec une multitude de fonctionnalités ou une solution gratuite comme Simply Measured qui offre des outils sous forme rapport sur excel : ce genre d’outils nous permet d’avoir juste une image globale de notre compagnie dans les médias sociaux . Ils ne permettent pas d’avoir une vue détaillé sur les comportements, les besoins et les tendances des individus consommateurs ou intéressé par notre service. ➢Les techniques analytiques et prédictives: permet de générer des patterns en se basant sur les données des médias-sociaux: les data dans le médias sociaux sont accessible à travers : -Un système API pour les developpeurs (Mash up); -Un outil Web qui permet de faire la recherche sur une thématique dans les réseaux sociaux: Socialmention -Des entreprises qui fournissent un service de scan des données dans les médias-sociaux: Sproutsocial, Datasift..etc La convergence (Réseaux Sociaux et Big Data) dimanche 20 janvier 2013 This can be very helpful if you are first star5ng out on the road to understanding social media tools or if you have a responsibility to respond quickly to tac5cal ac5vity on a par5cular channel. A good example of such an ac5vity is monitoring a number of Tweet feeds related to the travel industry. If you work for an airline and that airline is men5oned, you will want to know whenever it is men5oned in order to be able to respond quickly with an offer of help or clarifica5on. Predic5ve analy5c techniques used on social media enable us to start genera5ng new fact-‐based insight on the social media data. Generally, social media data contained in public forums is now accessible through standard APIs or tools that allow the data to be downloaded from the cloud. There are also specialized service providers that will scan and deliver all the data in a usable form.
analysis” sur les données des médias sociaux; ➔ “Sentiment analysis ” prend un texte écrit et le traduit à des contextes différents: positive ou négative; ➔Technique de visualisation (Word cloud and tag cloud ) permet de traduite la vaste quantité des mots forés en quelque chose de plus comprehensifs; exemple: I find this PRODUCT X to be very good and useful, but it is a bit too expensive (2 positifs (good and useful) et un négatif (expensive) ; l’aspect positif est augmenté du qualificatif “very” et l’aspect négatif est atténué du qualificatif”bit”); ➔Analyse du réseau sur la base des échanges des data dans les réseaux sociaux: On peut identifier dans les échanges les usagers qui sont considérés comme des leaders dont le point de vue dans l’échange est reconnu et respecté et on peut déterminer les usagers qui sont capable d’influencer les autres sur certaines des forums ou des sujets determinés liés à notre produit ou service(Users leaders and followers) Data mining ou sentiment analysis dimanche 20 janvier 2013