5 AI Use Cases im Tourismus - Wie Destinationen künstliche Intelligenz für sich nutzen

Use Case 1: Automatisierte Bilderkennung

Seit 2015 ist die künstliche Intelligenz in der Objekterkennung auf Bilddateien besser als der Mensch (1). Die AI ist sehr präzise, viel schneller und wird nicht müde. Unternehmen im Tourismus können diese Fähigkeit für sich nutzen.

• Wie viele Skifahrer sind an einem bestimmten Tag auf einer Piste gefahren?
• Wie viele Reisebusse kommen an Spitzentagen in der Destination an?
• Wie lange dauert eine Mittagspause auf der Sonnenterrasse im Durchschnitt?
• Wie hoch ist der Anteil aller Gäste, welche eine Schutzmaske tragen?
• Wie viele Personen befinden sich gerade im Restaurant?

Fragen wie diese können durch den gezielten Einsatz von AI-Anwendungen bei der Auswertung von Bild- und Videodateien beantwortet werden. Die neue Datengrundlage bietet dann wiederum die Basis für Verbesserungen in der Gästelenkung oder der Angebotsgestaltung.

Beispiel von automatisierter Bilderkennung auf der Skipiste

Use Case 2: Prognosen-Modelle

Wie hoch wird das Gästeaufkommen in der kommenden Saison? Welche Kapazitäten benötigt die Destination, um diese Nachfrage erfolgreich zu bewältigen? Nur wer diese Fragen und andere Entwicklungen richtig einschätzt, kann sich ideal darauf vorbereiten und das Kundenerlebnis optimieren. Falsche Einschätzungen hingegen führen oft zu Fehlinvestitionen und negativen Erlebnissen für Gäste.

Künstliche Intelligenz kann durch die Analyse von grossen, bestehenden Datenmengen vergangener Saisons Vorhersagen für die Zukunft berechnen. Beispielsweise kann eine AI Anwendung die Besucherzahlen der vergangenen Jahre analysieren, mit weiteren Parametern wie z.B. Wetter, Schneesituation etc. ergänzen und daraus eine Prognose für das Gästeaufkommen der nächsten Saison erstellen.

Lange Wartezeiten & negative Gästeerlebnisse - AI-basierte Prognosen-Modelle können dabei helfen dies zu verhindern.

Use Case 3: Analyse von Customer Pain Points

Die meisten Destinationen erfassen Kundenfeedback in verschiedenen Formen und über verschiedene Kanäle wie Chat Bots, Notizen am Helpdesk oder E-Mail. Die manuellen Sichtung & Auswertung von solchen Kundenfeedbacks ist aufwendig und beansprucht viele Ressourcen. Zudem ist es gerade bei grösseren Unternehmen mit vielen Kundenfeedbacks nicht einfach den Überblick zu behalten und die wichtigsten Pain-Points klar zu erkennen.

AI-Anwendungen können heute Kundenfeedbacks in Form von strukturierten oder unstrukturierten Daten analysieren und wiederkehrende Themen identifizieren. Finden sich in der Datenmenge an Kundenrückmeldungen immer wieder Aussagen im Zusammenhang mit einem bestimmten Restaurant in der Destination oder der Parkplatzsituation bei einer Bergbahn, erkennt die künstliche Intelligenz diese Gemeinsamkeiten und kann diese in Form von Clustern darstellen. Destinations- und Bergbahn-Manager erhalten dadurch eine datenbasierte Grundlage für die Verbesserung des Angebots, um die Gäste-Journey in Zukunft noch attraktiver zu gestalten.

Kundenfeedback Cluster durch AI-Analyse von unstrukturierten Daten (blau = positive Feedbacks / rot = negativ Feedbacks)

Use Case 4: Empfehlungssysteme

Ein guter Concierge oder eine erfahrene Servicemitarbeitende kennen ihre Gäste und deren Wünsche genau. Spätestens beim vierten Besuch wird dem Gast eine Empfehlung aufgrund seiner Vorlieben vorgeschlagen. Das vierte AI-Anwendungsbeispiel, Empfehlungssysteme, verfolgt das gleiche Ziel.

Die AI analysiert dafür Daten zum Gästeverhalten (Buchungsverhalten, Aufenthaltsdauer, bevorzugte Restaurants etc.) und leitet daraus Kundensegmente mit ähnlichen Bewegungs- bzw. Konsummustern ab. Aufgrund dieser Muster bekommen Gäste dann unterschiedliche, auf ihr Profil passende Angebote vorgeschlagen. Im digitalen Zeitalter sind viele Gäste selbstständiger und anonymer unterwegs als früher. Durch die gezielte Anwendung von guten Empfehlungssystemen kann eine Destination bessere Empfehlungen abgegeben, ohne die Gäste zwingend persönlich zu kennen. Daten-basierte Empfehlungen holen das Gästebedürfnis auf individueller Ebene ab und bieten Potenzial für Umsatzsteigerungen und mehr Relevanz im Entscheidungsprozess.

Use Case 5: Kunden-Profiling

Wer sind eigentlich unsere Kunden? Der klassische Ansatz zur Beantwortung dieser Frage ist die Definition von Customer Journeys und Personas. Damit soll das Gästeprofil so gut wie möglich beschrieben werden. Oft sind dies jedoch Abschätzungen mit vielen Ungenauigkeiten und Fehlern.

Die viel genauere und effektivere Variante bietet heute ein gutes Kunden-Profiling mit Hilfe von AI. Dabei werden bereits existierende Kundendaten analysiert und daraus daten-basierte Kundenprofile generiert. AI-Lösungen versorgen Destinationen mit exakten Informationen über einen Gast und ermöglichen so eine individuelle, auf die Vorlieben der Person zugeschnittene Information und Kommunikation von Angeboten. Des Weiteren können neue Erkenntnisse über Besuchergruppen und deren Verhalten gewonnen werden.

Die aufgeführten Anwendungsbeispiele zeigen, welche vielfältigen Chancen die automatisierte Verwendung von Daten durch Artificial Intelligence im Tourismus bietet. Tourismus Manager:innen die jetzt handeln und einen data-driven Ansatz bei der strategischen Ausrichtung ihrer Destination wählen werden profitieren.

Die Umsetzung der oben vorgestellten Use Cases ist laut dem Experten Kevin Kuhn für viele Destinationen keine Zukunftsmusik, sondern schon heute umsetzbar: “Die Technologien können heute bereits über vielseitige Services bezogen werden, ohne selber gross etwas entwickeln zu müssen.” Die wichtigste Grundlage dafür ist eine gute Qualität bei den Daten. Hier gibt es laut dem Experten bei vielen Unternehmen noch Nachholbedarf bei der Strukturierung und Bereinigung von Datenmengen. Ist eine ausreichende Datenqualität gegeben, steht der Nutzung von AI-Anwendungen technisch gesehen nichts mehr im Weg.

Mit der Omni Suite hat inside labs eine zentrale Plattform entwickelt, die Destinationen eine solche Datenqualität und damit die Grundlage für die Nutzung von AI-Anwendungen bietet. Die Daten der Destination fliessen alle an einem Ort zusammen. Zudem sind sie so aggregiert und strukturiert, dass verschiedene Interfaces und Applikationen wie eine App, eine Website, eine Data Analytics Plattform oder eben auch AI-Applikationen einfach darauf zugreifen können. Im Rahmen der Zusammenarbeit mit Kevin Kuhn und gopf.ai arbeiten wir aktuell daran, AI-Anwendungen wie die oben erwähnten Use Cases für Destinationen in Zukunft einfach zugänglich zu machen.

Hast du in deinem Unternehmen ebenfalls Grosses mit deinen Daten vor? Dann melde dich bei Kevin Kuhn oder bei uns. Wir freuen uns, von dir zu hören und gemeinsam möglich Vorgehen zu besprechen.

Möchtest du generell mehr über Daten & AI im Tourismus erfahren? Dann empfehlen wir dir auch unseren ersten Beitrag mit Kevin und unseren monatlichen bulletin Newsletter.