Michelin à l'ère du numérique : des recommandations personnalisées optimisées par l'IA

Les guides d'hôtels et de restaurants publiés par le fabricant de pneus français Michelin ont des normes élevées en matière d'inclusion. Les inspecteurs de l'entreprise visitent chaque restaurant et hôtel à plusieurs reprises pour déterminer s'ils offrent systématiquement des expériences de haute qualité. Ils font cela depuis 123 ans. Le résultat : une clientèle large et dévouée qui attend la même qualité constante de la part des guides.

Comment, alors, fusionnez-vous les connaissances et l'expertise intégrées dans les guides avec les exigences de personnalisation et d'accessibilité de masse de l'ère numérique ? C'est le défi de Michael Davis, directeur produit de Michelin Experiences qui gère l'événementiel, le marketing, la communication et les ventes du guide.

"Mon rôle au sein du Guide Michelin est de transformer le Guide Michelin d'un répertoire de documents de référence en un utilitaire numérique quotidien qui englobe tous les aspects de la conservation", a déclaré Davis. «Nous finissons donc par créer davantage un produit numérique de style de vie basé sur cette curation et cette marque.»

Cela signifie pouvoir recommander des lieux et des activités à proximité d'un hôtel ou d'un restaurant répertorié au Guide Michelin. De nombreux sites de voyage s'appuient sur les évaluations des utilisateurs pour créer des listes de ces suggestions. Le crowdsourcing de cette manière produit des listes de choses qui intéressent la plupart des gens. Cela ne correspond pas aux valeurs de qualité et de discernement de la marque Michelin.

Pour Michelin, il est nécessaire de délivrer des suggestions en lien avec les intérêts de chacun. "La poule aux œufs d'or dans le voyage est de savoir comment pouvons-nous vous donner accès à la découverte et à l'échelle, mais aussi le personnaliser pour vos besoins particuliers", a déclaré Davis.

IA culturelle

Pour ce faire, ils se sont tournés vers Qloo, qui utilise l'IA pour prédire les goûts de tout public cible et cartographier les relations au sein et entre les domaines culturels. Ces domaines incluent la musique, le cinéma, la télévision, la restauration, la vie nocturne, la mode, les livres, les voyages et la technologie. Son IA a cartographié plus d’un quart de billion de corrélations culturelles.

"Vous pouvez prendre un noyau de goût, une petite entité, cela pourrait être un comédien, un artiste musical, un film, et Qloo répondra avec des prédictions sur le goût dans cette catégorie ou d'autres catégories en quelques millisecondes", a déclaré le PDG de Qloo, Alex Elias. . « Vous pouvez taper Sonny Rollins, le musicien de jazz et voir les recommandations. Il y a plus de 11 000 personnes dans notre base de données qui ont explicitement déclaré aimer Sonny Rollins et ont donné leur avis sur de très nombreux autres sujets. Donc, si vous aimez Sonny Rollins, il y a de fortes chances que vous aimiez aussi ces autres choses.

Creusez plus profondément : Le retour sur investissement des expériences personnalisées : mesures de processus

Davis et Michelin utilisent Qloo pour déterminer des suggestions pour les membres inscrits de la communauté Michelin, même si la seule chose qu'ils savent est l'endroit où l'utilisateur séjourne.

« À New York, nous avons peut-être deux hôtels dans le même quartier, mais leur style est très différent », a déclaré Davis. "Si vous alliez sur Google, par exemple, vous obtiendriez le même genre de choses recommandées à faire, car elles sont toutes deux situées à quelques centaines de mètres l'une de l'autre. Avec Qloo, cela nous permet de prendre en compte le profil client ou le profil de l'hôtel, son style, son ambiance, son design, et de créer un guide plus adapté à ce type de client que celui qui séjourne au bout de la rue. Ainsi, vous pourriez vous faire recommander des musées, mais l’un d’entre eux pourrait être le Musée du sexe de New York ou celui du Whitney.

Le crowdsourcing arrive

Pour être clair, Davis n’a rien contre le crowdsourcing. Michelin a lancé le guide pour donner aux gens une raison de conduire et d'utiliser leurs pneus. Au début, ils s'appuyaient sur les suggestions de leurs clients concernant ce qui était disponible et sa qualité.

"C'est quelque chose que nous cherchons à explorer à nouveau à l'avenir, qui consiste à tirer parti de cette vaste communauté que nous avons à l'échelle mondiale, qui a constamment exprimé son désir de faire partie du produit", a-t-il déclaré. "Nous cherchons à utiliser Qloo pour nous aider à créer un équilibre entre notre communauté et les inspecteurs, et à impliquer les gens - plus de notre clientèle fidèle, ou nos gens qui apprécient ce que nous faisons et apprécient la conservation, mais reconnaissent également qu'ils avoir de la valeur à apporter au processus.

Si Qloo peut être utilisé directement, Michelin avait des besoins très spécifiques. Davis a déclaré qu'obtenir la personnalisation dont ils avaient besoin signifiait éduquer l'équipe d'ingénierie de Qloo sur « pourquoi ces données granulaires font une telle différence pour nous, et l'équipe a été formidable pour s'adapter à cela, et quels sont nos besoins. Je veux dire, nous sommes exigeants.

Un exemple est lorsqu'un utilisateur crée une liste de restaurants. Étant donné que le guide actualise constamment sa propre liste, la liste personnalisée de l'utilisateur doit être à jour avec ce qui est et ce qui n'est pas approuvé par le guide. Cela peut être délicat lorsque, par exemple, un hôtel recommandé abrite un restaurant recommandé qui est détenu et exploité séparément.

"L'hôtel est peut-être toujours là, mais le restaurant qui s'y trouve ne figure plus dans le guide", a déclaré Davis. "Nous entrons donc dans ces situations vraiment délicates pour que ce soit précis et Qloo nous aide à gérer cela et à garder les mises à jour en temps réel catégorisées."

Quand, quoi et combien de mise en œuvre

• Quand avez-vous commencé à mettre en œuvre Qloo et combien de temps cela a-t-il pris ? Initialement signé avec eux en 2021; L'intégration des développeurs à Qloo est très intuitive et prend généralement une journée pour se connecter aux API. Pour les solutions/pipelines personnalisés et les modèles d’IA personnalisés, cela ne prend généralement pas plus de quelques semaines.
• La mise en œuvre a-t-elle eu lieu en interne ou avez-vous fait appel à des partenaires de mise en œuvre ? La mise en œuvre s'est déroulée entièrement en interne ; en tirant parti de la documentation de Qloo, des outils de développement d'IA et d'un certain support.
• Combien de personnes composent l’équipe qui gère la solution ? Juste une poignée d'ingénieurs à intégrer, avec un ingénieur dédié sur le point d'architecturer le pipeline depuis l'IA de Qloo vers leur produit.
• Coût approximatif (s'agit-il uniquement d'une entreprise) ? La plupart des intégrations d'entreprise démarrent dans les 6 chiffres chaque année, mais Qloo est très favorable aux essais à grand volume et aux accès/plans de développeur individuels. En outre, Qloo a développé une interface libre-service non technique pour l'IA destinée aux spécialistes du marketing et qui est beaucoup plus rentable par siège que les licences API à grand volume de l'IA.

(Réponses fournies par le PDG de Qloo, Alex Elias.)