Virgin usa il machine learning per gestire i frequent flyer

Le aziende in grado di adattarsi a un mondo dove l'innovazione è sempre più spinta dal machine learning o dall'intelligenza artificiale, sono quelle che usciranno dal tunnel. È l’opinione di Oliver Rees, Gm di Torque Data, società di consulenza acquisita da Virgin Australia nel 2015.

Con l’acquisizione la società ha reingegnerizzato la capacità analitica di Virgin, assicurando che la compagnia aerea sia ben preparata ad accogliere le opportunità offerte dal machine  learning. Torque, come braccio di analisi dei dati di Virgin, sta studiando modi per migliorare l'esperienza dei clienti per i membri del programma fedeltà di Virgin Velocity Frequent Flyer.

Ress vuole che le persone all'interno del programma siano in grado di riscattare i punti per le grandi esperienze, e per fare questo, deve essere in grado di prevedere meglio quando è il momento migliore per particolari persone di riscattare i punti: per un determinato individuo o un gruppo di persone, deve avere la capacità di essere in grado di capire meglio che cosa è che potrebbe essere realmente interessante fare in una certa destinazione, per poi essere in grado di adattare il tutto alle loro esigenze specifiche.

Acquisizione di informazioni per il machine learning

Utilizzando il servizio automatizzato di apprendimento automatico di DataRobot, Virgin Australia sta cercando di costruire modelli in grado di prevedere i tipi di persone più propensi a viaggiare, i tipi di viaggi che le persone sono in grado di intraprendere, i prezzi che i viaggiatori sono disposti a pagare, l'importanza della sistemazione in relazione al viaggio, e l'importanza dell' esperienza rispetto al viaggio. Un sacco di informazioni sono fornite volentieri dai clienti, ha detto Rees, ma l'azienda utilizza anche acquisti precedenti per prevedere le preferenze future.

Modelli predittivi

Utilizzando la tecnologia fornita da DataRobot, che ha raccolto più di 124 milioni di dollari dal suo inizio nel 2012, Rees ha detto che Torque è stato in grado di costruire nuovi modelli predittivi a un decimo del tempo preso in precedenza, e i modelli sono fino al 15% più precisi rispetto a quelli precedenti.

Il team di Ress ha la capacità di eseguire più tecniche statistiche diverse con lo stesso set di dati in un brevissimo lasso di tempo. Il sistema di DataRobot verifica costantemente se una particolare tecnica può superare un'altra e lo fa in tempo reale.

Il modello di implementazione è un collegamento Api diretto che può rendere operativa l'analisi molto più rapidamente perché ci sono un numero ridotto di passaggi per farlo. Gli analisti possono essere orientati verso specifiche tecniche statistiche, mentre in questo modo viene rimosso anche quell' elemento di parzialità.

In sostanza, l'utilizzo di un servizio automatico di machine learning significa che gli analisti sono in grado di dedicare più tempo per scoprire le opportunità.

 

Se questo articolo ti è piaciuto e vuoi rimanere sempre informato sulle novità tecnologiche iscriviti alla newsletter gratuita.
CONDIVIDI

LASCIA UN COMMENTO

Please enter your comment!
Please enter your name here