Données numériques et flux touristiques : le big data au service du tourisme

Gaël Chareyron, Bérengère Branchet et Jérôme Da-Rugna, font partie de l’équipe de recherche Big Data et tourisme du De Vinci Technology Lab. Spécialisés dans les données Big Data issues des réseaux sociaux, ils réussissent à analyser les comportements des touristes dans le monde.

Dans un article publié dans l’Expansion (Décembre 2015-Janvier 2016) n°810, les enseignants-chercheurs se sont intéressés de près à la trace numérique laissée par les touristes afin de suivre, comprendre et prédire leur comportement. Extraits.

Le tourisme, une industrie essentielle en France

La consommation touristiques intérieure dépasse les 155 milliards d’euros et représentait 7.4% du PIB en 2013 en France. L’attractivité des zones littorales, alpines et de la région parisienne fait de la France le premier pays visité dans le monde, avec 84 millions de visiteurs, et le 4e en termes de recettes. Pour autant, les tendances actuelles font naître une certaine inquiétude, tant du côté des pouvoirs publics que du côté des opérateurs prévis du secteur. La situation géopolitique et les risques terroristes pourraient dissuader les touristes étrangers de venir visiter notre pays. Le secteur présente par ailleurs des fragilités structurelles et les touristes déplorent des insuffisances tant en termes de services que d’offres hôtelières hétérogènes. Finalement le secteur est en proie à un phénomène disruptif particulièrement illustré ces derniers temps par la guerre entre hôteliers traditionnels et nouveaux entrant.

Le Big Data, une connaissance vitale pour l’avenir du secteur

Dans un secteur aussi concurrentiel, la maîtrise des données devient (…) fondamentale. Connaître les profils des consommateurs, les flux, les attentes; pouvoir anticiper les comportements et adapter l’offre touristique en conséquence : tels sont les défis auxquels sont confrontés les différents acteurs privés et les pouvoirs publics.

Or, à l’évidence, le secteur touristique est très numérisé. d’une part, un nombre croissant d’opération d’achats de produits touristiques (nuits d’hôtels, visites de sites etc…) passe par Internet. D’autre part, les touristes ont une tendance naturelle à partager leurs opinions et à décrire leurs expérience et comportements sur le Web. (…)

Les consommateurs mettent à disposition de tous un nombre de plus en plus important de traces numériques. Ils deviennent également prescripteurs (…). De nouvelles tendances émergent ainsi et l’imaginaire touristique des personne évolue en fonction non plus seulement de leur propre expérience, mais de l’expérience globale des autres.

Dans ce contexte, l’industrie touristique doit s’adapter pour comprendre, mieux et plus vite, l’évolution des comportements des touristes. (…) Il est nécessaire d’intégrer un nouveau type d’analyse, exploitant les big data. (…)

Cet article a pour objectif de montrer les enseignements tirés d’analyses de données big data et leurs implications sur le plan de l’économie du tourisme (…). Les recherches présentées dans cet articles sont basées sur deux types de données traitées dans leur volume et de façon anonyme : les sites d’évaluation de lieux et les sites de partages de photographies. Elles sont issues de quatre sources : Tripadvisor, Flickr, Panoramio et Instagram. (…)

La visualisation au service de l’analyse

Un des enjeux des politiques touristiques est de comprendre l’attitude des consommateurs et les motivations de visite d’un site. Une analyse poussée sur ces points permet un travail en profondeur sur des aspect comme la segmentation et le ciblage marketing. Cela permet aussi d’affiner l’offre touristique et d’orienter les politiques publiques.

Motivations et ressentis sont souvent liés. les données collectées en masse sur un site comme Tripadvisor permettre d’analyser les unes et les autres, séparément ou ensemble. (…) Les commentaires et avis donnent une vision globale d’un site et de la qualité perçue. part exemple, il est possible de « colorer » une ville en agrégeant par zones les notes d’intérêt ou de satisfaction attribués à différents lieux.

Cela met en évident les zones globalement mieux notées en termes d’hébergements, de restaurants ou d’attractions. Et il est possible de réaliser cette analyse à toute échelle et en profilant le groupe de touristes concernés (pays d’origine, catégories d’âge ou de sexe) Ce premier éclairage cartographie l’offre et le ressenti des clients sur cette offre. Cela suggère directement des axes d’améliorations des prestations proposées. (…)

Décrypter et modéliser les flux touristiques

L’apport du big data dans l’analyse des motivations et comportements permet de faire émarger des tendances non visibles ou inattendues. Il permet également de modéliser des flux touristiques, notamment grâce aux données de géolocalisation laissées par les consommateurs lorsqu’ils déposent des éléments comme une photo sur un site internet.

Les visualisations réalisées permettent de découvrir un Paris des pratiques qui ne correspondent pas forcément à l’offre touristique; ces visualisations révèlent la ville telle que la vivent les touristes et non pas telle que l’envisagent les prestataires du tourisme. De quoi éclairer le débat public.

(…)

Les comportements effectifs des touristes ne sont pas forcément ceux voulus par les opérateurs touristiques. Pouvoir analyser massivement les données tirées d’Internet et des réseaux sociaux permet de passer outre les idées reçues, de construire une démarche touristiques orientée client et par là même d’améliorer la compétitivité de ce secteur.

Retrouvez l’intégralité de l’article dans le numéro 810 de l’Expansion de décembre 2015- janvier 2016. pp152-156.

https://www.esilv.fr/cursus/cycle-ingenieur/majeures/informatique-et-sciences-du-numerique/