Czego dowiesz się z tego wywiadu:
Marcin Grzelak: Wprowadzenie i ścieżka kariery
Rola analityki w Travelist: Trzy filary danych
Organizacja zespołu analiz i kultura data-driven
Dane w marketingu: Inspiracje i personalizacja
Ewolucja zachowań klientów w branży turystycznej
Big Data i narzędzia analityczne w Travelist
Automatyzacja i wykorzystanie AI: Przykłady z Travelist
Rekomendacje dla e-commerce: Skuteczne wdrażanie AI
Podsumowanie: Główne wnioski z rozmowy
Mariusz Michalczuk: Witam Cię w kolejnym odcinku z serii Date with Data Talks, czyli podcastu od praktyków danych do praktyków wykorzystania danych i vice versa. Dzisiaj moim i Twoim gościem jest Marcin Grzelak. Marcinie, dzięki wielkie, że zgodziłeś się przyjąć zaproszenie do naszej rozmowy. Czy mógłbyś na początku kilka słów o sobie powiedzieć.
Marcin Grzelak: Cześć, jestem Marcin. Pracuję jako analityk danych od 15 lat. Zaczynałem od pozycji stażowych w spółkach Skarbu Państwa. Później pracowałem też jako analityk m.in. w Polskich Liniach Lotniczych, w Totalizatorze Sportowym, w Allegro. Przeszedłem przez funkcje seniorskie, kierowałem również działami analitycznymi CRM w Carrefour Polska i obecnie jestem menadżerem do spraw analiz w Travelist.
Mariusz Michalczuk: Super. Ja jestem z serca analitykiem i zawsze jak ktoś opowiada o swojej ścieżce, jakie różne zestawy danych mógł dotykać, to zawsze takie poruszenie w moim sercu jest. I teraz jesteś w Travelist. Tych danych na pewno jest tam mega dużo. Powiedz mi, gdzie twoja rola w tej strukturze jest teraz obecnie w Travelist? Jak to wyglądało na przestrzeni czasu? Teraz bardzo dotykasz takich danych związanych z użytkownikami, z danymi online. I gdzie w strukturze jest twoja rola?
Marcin Grzelak: Jako zespół analizy jesteśmy ulokowani w Departamencie Finansowym, czyli ktoś oceniał, to by powiedział, że przede wszystkim zajmujemy się finansami, czyli robimy rozliczenia, aby kasa na końcu się zgadzała w sensie rozliczeniowym. Natomiast to jest tylko takie ulokowanie w organie, bo w Travelist pełnimy w zasadzie centralną funkcję jako zespół analiz. Odpowiadamy za wszystkie analizy, które dotyczą Travelista, hoteli i klientów. My dostarczamy informacje do każdej komórki, do każdego hotelu, do każdego klienta.
Trochę ja mówię, że my jesteśmy takim sercem Travelista, które rozprowadza tlen, czyli te dane do całej organizacji. Bez nas tak naprawdę nie byłoby informacji dotyczącej tego, jakie są wyniki sprzedażowe. Bez nas by nie było informacji dotyczących jak działają dane hotele, jak wygląda ich performance. To od nas też wychodzą dość często inicjatywy analityczne w kontekście usprawnień, rekomendacji, tego, co możemy jeszcze zrobić, aby osiągać zamierzone wyniki, więc dostarczamy bardzo mocno przekrojowo wszystkie informacje w ramach całej organizacji.
My też w ramach samego Travelista działamy na takich, ja to nazywam takie trzy filary, bo działamy w przeszłości, w teraźniejszości i w przyszłości. W ramach tej przeszłości to mamy klasyczne raportowanie i analitykę. Czyli opowiadamy, co się wydarzyło, co się stało, dlaczego tak się stało, dlaczego mamy taki wynik, a nie inny. Staramy się działać na tej teraźniejszości, czyli też optymalizujemy ją, optymalizujemy ją poprzez testy A/B, segmentację i to, co możemy zrobić tu i teraz. No i jest ten trzeci filar dla mnie taki trochę najtrudniejszy, ale chyba dla wszystkich jest najtrudniejszy. To jest ten filar przewidywania przyszłości, czyli forecasting, modelowanie predykcyjne, estymowanie churnu. To są rzeczy, którymi się też zajmujemy. Jest to bardzo wyzwaniowe, bo branża travel jest mega wyzwaniowa. Wiemy wszyscy jak COVID wyłożył branżę travel.
Mariusz Michalczuk: Wszystkie tak naprawdę przewidywania, wszystkie forecasty wyłożył. Nie tylko w travelu.
Marcin Grzelak: To poszło do kosza, całe planowanie, bo to, co się wydarzyło z COVIDem i jak to pozamiatało całą branżę travel, było dość sporym wyzwaniem i utrzymaniem się też na powierzchni było sporym wyzwaniem, które Travelist zdecydowanie przetrwał i to zarówno od strony klienckiej, i współpracy z hotelami, i czysto w kontekście pracowniczym, gdzie przychodziły fale redukcji zwolnień, Travelist w pełni utrzymał się na powierzchni. Nie było żadnych redukcji etatów, więc tu na pewno w tym kontekście utrzymaliśmy się na powierzchni, chociaż nie było łatwo.
Mariusz Michalczuk: Myślę, że wiele biznesów faktycznie w tym czasie cierpiało. Tak jak opowiadasz o tej przekrojowości, mega podobają mi się te trzy filary, bo w praktyce analityka w każdym z nich faktycznie dane się sprawdzają i w każdym mogą służyć. Zastanawiam się tak jak dużo jest działów, dla których świadczycie to wsparcie. Przychodzą mi dwa pytania do głowy. Pierwsze, czy jest tak, że jesteście takim centrum nazwijmy to inteligencji, sercem, czy jesteście podzieleni wewnętrznie jakoś kompetencjami, że jedne osoby bardziej analizują dane, znają się na danych z jednego obszaru, inne z drugiego? A drugie pytanie jest takie, czy te osoby bezpośrednio się komunikują z biznesem, czy w biznesie są takie katalizatory, takie osoby, które trochę tej analityki rozumieją, ale też rozumieją biznes, jak to wygląda. Czy bezpośrednio z biznesem wtedy rozmawiacie?
Marcin Grzelak: Pytałeś tutaj o kontekst taki organizacyjny, w jaki sposób my się dzielimy, też jest jakaś kompetencja. Kompetencje mamy tutaj bardzo przekrojowe, ale jednocześnie tak mocno holistycznie ulokowane u każdej osoby bardzo podobnie. Co to oznacza mniej więcej? Przychodząc do Travelista funkcjonowaliśmy trochę w takiej rzeczywistości, że byliśmy analitykami, którzy dostarczali dane. Dość często obserwowałem, że to jest trochę za mało, w sensie to co potrzebuje organizacja to takich kompleksowych rozwiązań analitycznych ulokowanych w ramach jednej osoby, czyli wiemy, że nie mamy źródła danych, które trzeba przetworzyć, trzeba zreorganizować, czyli potrzebujemy ten filar taki data inżynieryjny i bez tego tutaj absolutnie nie mamy opcji startowania. Oczywiście można się posiłkować jakimś third party, który nas pomoże w tym temacie, natomiast w ramach przetwarzania informacji z jakiegoś CRM-u i chcemy szybko to przetworzyć, po API, bo wskoczyła taka nowa potrzeba, to chcemy zrobić to jak najszybciej bez pomocy firmy zewnętrznej, więc mocno stawiamy na ten aspekt data inżynieryjny.
Oczywiście ten aspekt analityczny jest sercem, jest filarem, więc ta praca na bazach danych jest absolutnie niezbędna. No i też potrzebujemy tego aspektu ostatniego, czyli aspektu komunikacyjno-wizualnego. Aspekt komunikacyjno-wizualny jest tutaj bardzo ważny, bo z jednej strony potrzebujemy mieć te kompetencje miękkie, aby umieć rozmawiać z biznesem. Oczywiście wszyscy wiemy, jacy są analitycy, analityk, to wyobrażamy sobie tego człowieka, który gdzieś tam siedzi na back office, klepie te bazy danych, ale potrzebujemy też wyjścia na front, więc to też jest taka zmiana nastawienia, że musimy być osobami, które chcą rozmawiać i chcą rozumieć biznes. Do tego potrzebujemy po pierwsze tych kompetencji miękkich, które jeśli nie mamy, to trzeba sobie powoli wypracowywać, bo też taka jest przyszłość. Teraz wraz z rozwojem Gen AI nie możemy być już tacy czysto zamknięci, czysto technologiczni. Wygrywają ci humaniści, ci prawdziwi humaniści, tacy z definicji humaniści, czyli te osoby otwarte, wieloobszarowe, które są w stanie zaadaptować się do każdej sytuacji. Więc ten aspekt miękki na pewno jest bardzo ważny. No i potrzebujemy też kompetencji do komunikacji z biznesem, ale w kontekście wizualnym. Czyli musimy mieć kompetencje BI-owe, żeby dostarczać informacje za pomocą dashboardów, czy to Tableau, czy to Looker, czy jakieś inne rozwiązania, które pomagają zrozumieć liczby, pomagają zrozumieć otaczający nas świat i kontekst biznesowy.
I to są nasze oczekiwania od zespołu analiz, które mamy, natomiast też fantastyczne jest to, że pracujemy tak naprawdę z ludźmi, z menedżerami, którzy również rozumieją liczby i to jest super, bo ten kontekst data-driven, o którym się często mówi, “bądźmy data-driven”, wszyscy o tym mówią i fajnie, tylko finalnie ogranicza się do tego, że dział analiz i deweloperzy są data-driven, a biznes sobie czeka. Tutaj nie, to jest też o tyle fajny plus, że organizacja też bardzo mocno dojrzewała i dojrzewa cały czas i coraz bardziej nabywa te kompetencje cyfrowe, coraz bardziej nabywa te kompetencje analityczne, i też jest nam łatwiej się komunikować z ludźmi, którzy rozumieją liczby, którzy rozumieją, że jeśli coś zachodzi i jakieś liczby wpływają na to, to nie dociekają dlaczego to i jak, tylko sami też już rozumieją o co chodzi, sami zadają pytania, dość często nas wyprzedzając, więc to jest na pewno bardzo fajne.
Pytałeś też o aspekt rozdzielenia kompetencji, czy my obsługujemy wszystko, czy rozdzielamy się jakoś organizacyjnie. To też zależy bardzo mocno od tego, o jakich aspektach i o jakich fragmentach organizacji rozmawiamy. Starałem się to wydzielić bardzo prosto, bo dla mnie Travelist tak się podzielił trochę: tu jest marketing, wszystko to, co mamy osadzone w kontekście powiedzmy e-commerce’owym i mamy tą resztę dotyczącą hotelarstwa, klientów, rozliczeń, takich aspektów chociażby jak dostępność hotelowa, o którym to jest w innych e-commerce’ach o tym się nie mówi. Mówi się o stocku, o tym czy produkt jest dostępny. U nas musi być dostępność hotelowa, klient musi mieć co kupować, no mamy kilka takich obszarów, które sobie podzieliliśmy, i w ramach tych kompetencji i tych naszych doświadczeń, bo mamy kilka osób, które pracowało w marketingu, w e-commerce, one świetnie się odnajdują w tematach marketingowo-atrybucyjnych i CRM-owych i naprawdę tam dają radę. Mamy też, które pracowały wcześniej jako analitycy, czy BI-owcy i są dość mocno przekrojowi, jeśli chodzi o obszary analityczne, więc też świetnie się rozwijają np. w obszarach dotyczących finansów czy współpracy z hotelami.
Mariusz Michalczuk: Super. Właśnie ten pierwszy aspekt to takie chapeau bas, bo wiem jak trudno jest budować taki zespół. Bo dzisiaj analityk, zwłaszcza w świecie cyfrowym, to musi rozumieć analizę przede wszystkim, bo jest analitykiem. Technologie, bo ta technologia tworzy te dane, dostarcza tych danych, więc trzeba je rozumieć, to po pierwsze. A po drugie, jak stawia rekomendacje, to też stawia rekomendacje dotyczące technologii, więc ciężko jest rekomendować jakieś zmiany, jeżeli tej technologii się nie rozumie. I trzeci, wydaje mi się, że najtrudniejszy do znalezienia, wykształcenia, bo sami tak jak powiedzieliśmy, my analitycy raczej jesteśmy introwertykami, którzy najchętniej by się zamknęli z tymi tabelkami. Właśnie ten aspekt komunikacyjny, biznesowy. Tak jak opowiadasz, to to, że managerowie i osoby, do których trafiają te dane, mega świadczy o dojrzałości organizacji, bo ja nieraz widziałem takie sytuacje, gdzie był super zespół analityczny, ale przez takie “dajcie mi te raporty” i już dalej się nic z tym nie dzieje, bo każdy lubi widzieć jaki ma wpływ na rozwój i tego nad czym pracuje, a jeżeli biznes nie bierze tych rekomendacji od działu analiz, to wyobrażam sobie, że drugi, trzeci raz i ten dział analiz traci po prostu motywację do tego, jeżeli tam z tego nikt dalej nie wynika. OK. Tak jak powiedziałaś jest marketing, czy tam e-commerce i reszta organizacji. Chciałbym się bardziej skupić na tej części marketingowej, bo ja też nie ukrywam, więcej mam doświadczenia w tym temacie. I tak jak znam Travellist, to można powiedzieć, że Travellist ma taką część inspiracyjną i ma tę część e-commerce’ową. Jak Wy pomagacie, danymi analizami, może jakieś przykłady analiz, może jakieś zależności, jak balansować nad rozwojem tych dwóch części? Bo wiadomo, inspiracje ściągają na wczesnym etapie zainteresowanych, a te części e-commerce’owe, oczywiście muszą mieć efektywność i jakie, może biznes, jakie Was prosi analizy, czy co robicie w tym kontekście, żeby rzeczywiście ten balans W długim okresie oczywiście, bo w krótkim to każdy chciałby sprzedawać. Nie ma dwóch zdań.
Marcin Grzelak: Tak, to prawda. My działamy na takich dwóch filarach rzeczywiście. Jeden to ten rezerwacyjny, który oczywiście jest ze względów finansowych takim corem naszej działalności i na to przede wszystkim stawiamy, ale również mamy tę część taką inspiracyjną w postaci naszego magazynu, który powstał wiele lat temu i teraz jest bardzo mocnym źródłem inspiracji i sprawdzania tego, jakie są trendy u naszych konsumentów, bo poprzez artykuły, które tam się pojawiają i poprzez informacje, które widzimy, że klientów interesują lub nie, wiemy tak naprawdę, co może być chwytliwe w najbliższym czasie.
Oczywiście mamy takie podstawowe założenia, które nam pomagają wykorzystywać te informacje z magazynu i przekładając je później na działania powiedzmy takie w zakresie CRM-owym czy Marketing Automation do naszego serwisu Travel. Jako przykład taki bardzo banalny, ale to się świetnie sprawdza, tak? Mamy artykuł dotyczący najpiękniejszych zamków w Polsce. No i widzimy, że to jest ciekawy artykuł dla klientów, to się klika, klienci świetnie sobie oglądają te zamki, szczególnie przed walentynkami i tego typu najbliższymi okazjami, to są wtedy rzeczywiście bardzo potrzebne artykuły, czy najbardziej romantyczne hotele w Polsce, ale to też świetnie, bo już mamy pierwszy kontakt z klientem. My już mamy tego klienta złapanego. Wiemy, co to jest za klient. Mamy jego sygnaturę cyfrową i tak dalej. Wiemy, że to jest pan Iksiński, który albo jest nowy, albo już z nami był. No i wiemy, że jego już te hotele te romantyczne interesują. On już w styczniu wchodzi i szuka tych romantycznych hoteli. No to wiemy, że już jego strona główna, jego front, tego co zobaczysz na Traveliście, bo newslettery już powinny wyglądać absolutnie inaczej. W sensie to jest klient, który w tym momencie on na pierwszej stronie, to ja mu nie podsunę tego, co jest najbardziej popularne, bo się sprzedaje nam w segmencie 2 plus 2 i wiemy, że hotel rodzinny nad morzem to u nas super żre, ale dla Pana Ikisińskiego to w tym momencie podsuniemy to wszystko to, co ma fajne spa, fajne widoki i fajne atrakcje dla par. To jest na pewno pierwszy aspekt w kontekście budowania strony głównej.
Drugi aspekt, który mamy, to ten newsletterowy, który wspomniałem. My bardzo mocno też cały czas stoimy na komunikacji newsletterowej, która jest też sporym motorem napędowym dla naszego biznesu, ale to też pozwala bardzo mocno zoptymalizować i podbić konwersje konkretnych newsletterów. Tam nie robi się masówki, tylko już mamy informację co klienta interesuje w danym czasie. Czyli wiemy, że ten pan Iksiński to jemu zdecydowanie puścimy informację i będziemy go starali przekonwertować na ten wyjazd z małżonką na romantyczny wypad. To są takie rzeczy bardzo proste, bo pokazują nam, mamy pierwszy touch point z klientem, wiemy co chce i wiemy jak go przekonwertować. To jest chyba typowe dla większości e-commerce’ów, ale my tutaj mamy ten po pierwsze, aspekt inspiracyjny, więc klient coś dostaje, a z tego dostajemy to, co jest najcenniejsze obecnie na świecie, czyli wiedzę i dane. To na pewno jest ważne.
Druga rzecz, która też jest ważna według mnie w kontekście magazynu, to też śledzenie takich ostatnich trendów, bo też dość często produkujemy artykuły, które są opiniotwórcze, informują klientów, co się dzieje w najbliższym czasie. Przykładem jest bon turystyczny warmińsko-mazurski. To są rzeczy, które zazwyczaj dowiemy się z portali, z Onetu, czy z WP, czasem może na PP, że ktoś rzuci informację, że pojawia się bon turystyczny, natomiast wrzucając to u nas na stronę, widzimy mega zainteresowanie, bo poczytność takiego artykułu jest 5-6-krotnie większa. My dzięki temu wiemy, że jest gro klientów, którzy zdecydowanie wykorzystają ten bon, jeśli on się pojawi. No i teraz pojawia się dla nas punkt zapalny, bo wiemy, że mamy grupę klientów, która jest mega zainteresowana takim bonem turystycznym, więc otwiera nam się cała paleta możliwości, co my możemy dalej z tym zrobić w kontekście przekonwertowania, żeby ten klient wykorzystał ten bon turystyczny konkretnie u nas. Tak jak kiedyś był bon turystyczny po czasach covidowych, który był odpalany, on tam miał wspomagać polską turystykę, polskie hotelarstwo. To dla nas był taki punkt zapalny, który nam pozwolił przyciągnąć tych klientów do Travelista, bo stawiliśmy wtedy taką komunikację, że “przyjdź wykorzystać ten bon turystyczny, u nas dostaniesz ekstra. Dodamy ci jeszcze ekstra zniżki do twojego wyjazdu.” To są akcje, które bardzo mocno nas ratowały. W tym momencie teraz też nam dają bardzo dużo dodatkowo inkrementalnej kasy. Bo wiemy, że klienci są zainteresowani, to są ci klienci, którzy chcą u nas wykorzystać ten bon, i z tego budujemy sobie dodatkowe zyski.
Mariusz Michalczuk: Super. Czyli te dane, tak bym to podsumował w sumie, możesz mnie poprawić jeżeli źle zrozumiałem, ale wydaje mi się, że bardzo dobrze. Ta część inspiracyjna, ona pokazuje rzeczywiście czym ci użytkownicy są zainteresowani i później jak wchodzą na tą część, sprzedażową czy e-commerce’ową, to w ramach mechanizmów personalizacyjnych to wy już im nie podsyłacie najpopularniejszych czy top wybieranych, tylko na bazie tego co oglądali w tej części kontentowej dostają od razu, tak naprawdę skracacie im trochę proces wyszukiwania, tak jak z tego co ja rozumiem, tego po co przychodzą, czyli chyba można powiedzieć po wypoczynek, po prostu.
Marcin Grzelak: Przychodzą po wypoczynek, przychodzą po doświadczenia wakacyjne, bo ten wypoczynek to też bardzo często można uzyskać w wielu różnych miejscach, natomiast klienci też szukają czegoś sprawdzonego, czegoś co reprezentuje taki komfortowy wypoczynek, na który im bardzo mocno zależy. To jest też bardzo dobra ścieżka optymalizacji konwersji. Wrzucając ten artykuł, wrzucając te informacje dotyczące tych romantycznych hoteli, będę do nich wracał na przykład, osadzając w samym artykule odnośniki do tych hoteli, które kierują bezpośrednio na Travelist, to znów skracamy ścieżkę konwersji, bo automatycznie klient nie przechodzi nam przez stronę główną, nie przechodzi z wyszukiwania, tylko automatycznie go od razu kierujemy, nawigujemy do konkretnego hotelu, gdzie już czeka na niego tak naprawdę hotel sprawdzony z dobrą dostępnością, z dobrą ceną. Dla nas to jest też zdecydowanie zoptymalizowanie tego, co dajemy klientowi, bo wiemy też, że klient wchodząc na stronę, ma ograniczony czas i ma ograniczoną cierpliwość. Sprawdzi maksymalnie kilka ofert, jeśli przez te kilka ofert go nie przekonamy, to już raczej wyjdzie ze strony i będziemy go łapać gdzieś później i próbować odzyskiwać. Tutaj, jeśli już podsuniemy klientowi wprost to, co on potrzebuje, czyli zbudujemy bardzo prosty system rekomendacyjny, to już mamy tak naprawdę tą wędkę zarzuconą. Z wędką zarzuconą jest o wiele łatwiej nam złapać tego klienta.
Mariusz Michalczuk: Dokładnie tak. Tak sobie myślę, bo mówiłeś o tej części, nazwijmy to, back-office’owej Waszego działu, w której analizujecie inne dane, to w kontekście nawet Waszych partnerów, hotelarzy, którzy są u Was na platformie, zakładam, że to jest po prostu taki mecz, prawda, bo jak dbacie o te dane od hotelarzy i wiecie, który ma jakieś romantyczne elementy i wiecie tutaj o użytkowniku, który takich elementów poszukuje, to i zakładam, że Wasi partnerzy, czyli od tej drugiej strony, bo robicie przysługę użytkownikowi, ale z drugiej strony hotelarz też dostaje tych, którzy, którym jest w stanie zapewnić, czy wypełnić te potrzeby, które poszukuje.
Marcin Grzelak: Tak, zdecydowanie, hotelarze są bardzo zadowoleni ze współpracy, bo to też nie jest tak, że my na każdą ofertę nanosimy tych samych klientów. Robimy karuzelę klientom i hotelarzom i przenosimy każdego klienta przez X ofert. Mamy o tyle spersonalizowane i sprawdzone te grupy konkretnie wysegmentowanych klientów, że puszczamy z dużym prawdopodobieństwem rezerwacji w danym segmencie hotelowym, czyli jeśli wiemy, że tych romantycznych, puścimy trzy pierwsze oferty, które są romantyczne i wiemy, że to się sprawdzi, to dokonają rezerwacji, ale też nie puszczamy tam klientów, którzy są obarczeni mniejszym prawdopodobieństwem rezerwacji, bo po prostu są z innego segmentu, wiemy jakich doświadczenia są, znamy ich historię rezerwacyjną, więc hotelarze też dając swoją ofertę wiedzą, że docieramy do odpowiedniej grupy klientów.
Mariusz Michalczuk: Super. Tak mi przyszło do głowy teraz pytanie, bo też mam zapisane, że na 15. Forum Promocji Turystycznej mówiłeś o tych big data i analizach w branży turystycznej, czyli jak działasz w tej branży, analizujecie te dane, czy może jakieś takie ciekawe rzeczy w kontekście tego jak kupujemy te wycieczki, co się zmieniło, może wydłużył, skrócił się okres wyboru, przesunął się bliżej last minute, czy bardziej na first minute, czy jakieś takie ciekawostki, może mniej związane z online’em, ale bardziej takie, społeczne?
Marcin Grzelak: Społeczne się dużo zmieniło. Dużo się zmieniło od czasów covida i wojny. Zaczęliśmy żyć trochę w czasach takiej niepewności społecznej, niepewności też pracowniczej, bo dość często wiele osób też zaczęło się obawiać o to, czy sytuacja, która jest, nie wpłynie na to, czy będę miał jeszcze pracę. Bądźmy szczerzy, wyjazdy, wypoczynek to gdzieś w skali potrzeb statystycznego człowieka, nie jest fundamentem. Więc operujemy na tym, że musimy sprzedać klientowi wypoczynek, czyli coś, co jest gdzieś dalej w jego piramidzie potrzeb. To też zmieniło cały układ gry, bo kiedyś klienci jak planowali wakacje, to sobie siadali już po feriach zimowych, już planowali wakacje, już rezerwowali. Teraz to Booking Window, czyli ten okres od rezerwacji do dnia wyjazdu, skrócił się o te dwadzieścia parę procent. To pokazuje też, że klienci nie są skłonni aż tak mocno planować tych wyjazdów pół roku wcześniej. Bardzo dużo wyjazdów zaczyna nam się uaktywniać. Połowa wyjazdów w ciągu 14-18 dni.
Mariusz Michalczuk: Od samego wyjazdu wtedy?
Marcin Grzelak: Od samego wyjazdu, czyli wiemy, że dzisiaj połowa rezerwacji, która mi wpadnie jest na 14-18 dni w przód. To pokazuje, że bardzo mocno musimy bazować na wyprzedaży najbliższych miesięcy, że bardzo mocno musimy zadbać też o tę dostępność obiektów, bo wiemy, że dostępność obiektowa musi być trzymana do ostatniego momentu. Klienci zdecydowanie stawiają na to last minute i to jest dla nich, po pierwsze wynika to też z cen, bo mamy doświadczenia takie, że wiemy, że trzymając się do ostatniego momentu można złapać coś cenowo fajnego. Po drugie, nie wiemy co nas czeka. Nie wiemy czy nam dzieci zachorują, nie wiemy czy sami będziemy się dobrze czuli. Nie wszystkie hotele też oferują opcję zwrotu w przypadku anulacji. Więc to też często potrafi być blokerem dla wielu klientów. Jeśli na przykład tak jak w Traveliście na większości ofert mamy opcję bezpłatnej zmiany terminu oferty, to też jest nam łatwiej skonwertować tych klientów, bo wiemy, że w momencie niepewności klient jednak skorzysta z naszej oferty.
Mariusz Michalczuk: No dokładnie, bo w razie czego, w razie “w”, jak to się mówi, to nie traci tych pieniędzy. Ja powiem szczerze, że teraz też wolę dopłacić za możliwość właśnie zmiany terminu albo często, mam dzieci, po prostu dzieci chorują, nie wiadomo co tam nas czeka i też często się decyduje też na takie ubezpieczenie, prawda, że w razie właśnie choroby jestem w stanie odzyskać dużą część kosztu, bo wiadomo, że niby tam cały się odzyskuje, ale trzeba go pomniejszyć, o to ubezpieczenie, które się wykupiło.
Marcin Grzelak: Tak, szczególnie jak kupujemy zagraniczne wakacje, które kosztują nas te grube kilka tysięcy złotych, to ten koszt odzyskania w skali całego wyjazdu jest naprawdę znikomy. Czasem warto nawet postawić na te opcje, które gwarantują bezpłatną zmianę terminu, o ile jest dostępny. My dość często w Traveliście mamy, że jeśli po prostu termin jest dostępny, to jak najbardziej możemy zmienić ten termin rezerwacji, nie tracąc przy tym kasy i jadąc do tego hotelu, na który polowaliśmy. Więc myślę, że to jest taka sytuacja win-win dla klientów, na którym zdecydowanie te preferencje się mocno pozmieniały. Też w kontekście nawet takich zachowań klientów, też się dużo zmieniło jeśli chodzi o planowanie i tego w jaki sposób będą spędzać czas. Kiedyś hotel służył trochę jako taka baza wypadowa. Rezerwowało się hotel, bo wiedzieliśmy, że będziemy z hotelu wyjeżdżać na wycieczki rowerowe, pojedziemy z dziećmi gdzieś, pójdziemy na spacer. Teraz coraz więcej skupia się na tym, żeby jak najwięcej tej rozrywki było w samym hotelu, na miejscu. Klienci bardzo mocno skupiają się na tych wszystkich facilities, które są dostępne w ramach obiektu, czy to spa, czy atrakcje dla dzieci, czy animacje dla dzieci. My też patrząc po wyszukiwaniach kiedyś, a wyszukiwaniach teraz, co klienci preferują, to zmienia się to bardzo mocno. Kiedyś podstawowe kryterium to było to, żeby było blisko centrum miasta, albo było dobre połączenie komunikacyjne, od tego typu rzeczy z trochę innej strony wagi. Teraz, wiem, że tu jest bardzo ważne SPA, jest ważne to, żeby była atrakcja dla dzieci, żeby ktoś się najlepiej w ogóle tymi dziećmi zajął, a ja żebym miał cały dzień wolny. To jest rewelacja, jak takie coś hotel ma, to już bankowo idzie w bardzo dobrym kierunku. Chcemy być wygodni, chcemy być elastyczni i chcemy być dobrze obsłużeni, chcemy mieć ten komfort wypoczynku. Poszukujemy komfortowego wypoczynku i to jest tak mocno przekrojowe, ale sprowadza się wszystko do jednego, że chcemy, żeby ktoś za nas zaopiekował się całym tematem wyjazdowym.
Mariusz Michalczuk: Super. Ta ilość danych, tak mówiłeś na tym forum o Big Data, to ta ilość tak naprawdę rośnie nie tylko wertykalnie, ale horyzontalnie, bo z tego co słyszę, nagle każdy hotel, musi mieć zmienną pod tytułem atrakcję dla dzieci, spa i tak dalej, bo skoro użytkownicy tego poszukują, to serwis i technologia, dane przede wszystkim muszą wystawić użytkownikowi możliwość filtrowania po tych rzeczach, czyli z jednej strony ilość, bo jest coraz więcej ruchu, coraz więcej internautów, coraz więcej sprzedaży się przenosi do tego e-commerce’u. Zresztą młode pokolenia wchodzą na rynek, które tak naprawdę nie pamiętają czasów, kiedy trzeba było iść do biura turystycznego i tam tą wycieczkę się zamawiało. I tak myślę sobie o tym big data, który rośnie nie tylko wertykalnie, ale też horyzontalnie. Jakbyś to trochę mógł naświetlić, jakich narzędzi do tego wykorzystujecie, do ogarniania tego wolumenu tych danych.
Marcin Grzelak: Tak, wolumen jak sam wspomniałeś jest przekrojowy i tylko rośnie. To jest dość mocno wyzwaniowe, bo zawsze się mówi o tym takim data governance, data quality, które powinno być utrzymywane i powinno być w ramach każdej organizacji. No większym wyzwaniem jest to, jeśli czasem tego nie ma, a dane tylko rosną. To też się czasami zdarza w niektórych organizacjach. W Travelist, oczywiście wiemy jakie standardowo są dane w usługach turystycznych, więc wiemy, że są informacje dotyczące usług rezerwacyjnych, dotyczące fidu produktowego, czyli hoteli, dotyczące bazy klientów. Tylko to jest takie bardzo hermetyczne. Teraz obecnie jesteśmy w sytuacji, w której mamy jeszcze TRM-y, mamy informacje dotyczące klientów pochodzących z serwisów zewnętrznych, mamy informacje pochodzące z magazynu, mamy rzeczy dotyczące TRM-u, ale hotelowego, czyli obsługi hotelarzy. No jest kilkanaście różnych systemów, kilkanaście różnych flow data, które trzeba teraz zsynchronizować i posiadać w jednym miejscu. Jeszcze to sprytnie później wykorzystać i utworzyć na inicjatywy biznesowe. No bardzo fajny challenge. Na pewno zawsze brzmi wyzwaniowo. Jak to orkiestrujemy? Orkiestrujemy to za pomocą Airflow. Airflow służy jako orkiestrator danych pochodzący z wielu systemów, jest o tyle dla nas elastyczny, z racji tego, że my wszyscy w zespole analiz operujemy na stacku Pythonowym, a więc w kontekście przetwarzania tych danych jak najbardziej jesteśmy w stanie integrować się z systemami, komunikując się z nimi, najczęściej po API, wyciągając konkretne informacje, agregując je i przetwarzając do naszego systemu, czyli do Snowflake’a. W Snowflake’u posiadamy tak naprawdę wszystkie już dane, które segregujemy, przetwarzamy. Przechodziliśmy też dość długą drogę, bo byliśmy kiedyś na Postgresie. Ale oczywiście z racji tego, że ten Postgres jest już trochę archaiczny i też nie na te wolumeny danych, którymi obracamy i na czasy przetwarzania, i na niezawodność, jest wiele aspektów, z których tych cech, systemów, które mógłbym wymieniać teraz, ale wszystko się sprowadza do bycia w odpowiednim miejscu i odpowiednim czasie, i Snowflake był tutaj taką najlepszą odpowiedzią. No też Snowflake był dobry, bo mieliśmy doświadczenia z grupy, do której należymy, gdzie wiedzieliśmy, że mamy też wsparcie kolegów, którzy nam pomogą w temacie organizacji, w temacie data architecture ewentualnym i organizowania tego na Snowflake, więc to na pewno pozwoliło nam dość płynnie wejść i płynnie przejść z Postgresa do Snowflake’a. Dzięki temu mam integrację wszystkich tych systemów, które wspomniałem, bo bez tego bylibyśmy… to pewnie też by się dało zrobić na Postgresie, tylko ja podejrzewam, że nie spełniłoby to do końca i moich oczekiwań jako kierownika zespołu analiz i myślę, że biznes też byłby po pewnym czasie też trochę znużony tym, że danych nie ma, dane są za wolno. Trzeba w XXI wieku działać zdecydowanie bardziej smart i bardziej chmurowo.
Mariusz Michalczuk: Tak myślę sobie, przynajmniej z mojej perspektywy jest tak, że w tych działach analiz, tak jak ja to obserwuję i widzę nawet w projektach, które realizujemy, że tam gdzie jest najwięcej wartości w tej analizie, czyli właśnie stawianiu wniosków, hipotez i dawaniu rekomendacji biznesowi, to w związku z tym, że tych danych jest tyle, to zanim się je ogarnie, to większość czasu właśnie się spędza na ogarnianiu tych danych. Jak macie taki stack analityczny, to założę się, że macie jakieś automatyzacje takie, które, raportowanie to pewnie na bank, jakbyś mógł też trochę o tym opowiedzieć, ale pewnie jakieś inne automatyzacje, które takie powtarzalne rzeczy, nawet i w kontekście AI są w stanie Wam ten czas ludzki oszczędzić, żeby tam gdzie prawdziwa inteligencja, nie sztuczna, tylko prawdziwa inteligencja może wejść do gry, czytaj właśnie w stawianiu wniosków, rekomendacji, pomocy i komunikacji z biznesem, to może trochę rzucić światło właśnie jak to automatyzujecie, tak, żeby ta wartość była, ale niekoniecznie takim białkowym mechanizmem. Może jakieś kilka przykładów.
Marcin Grzelak: Ten białkowy mechanizm zawsze musi być, a ja będę zawsze tego mechanizmu bronił, bo dość często bez tego białka to by dalej nie było cyfryzacji. To na pewno zawsze warto tego człowieka umieścić w procesie. W kontekście automatyzacji dzieje się u nas bardzo dużo, bo to, co wspominałem wcześniej, mamy orkiestrację za pomocą Airflow, więc pipeline’y dotyczące przetwarzania danych u nas istnieją, ale to jest takim standardem rynkowym, o którym nie będę przynudzał, bo wiemy, że on istnieje. Natomiast mogę pokazać takie dwa przykłady projektów, które też działają na zasadzie tych pipeline’ów, ale dają konkretne wymierne korzyści.
Jednym z takich przykładów jest nasza maszynka do sprawdzania poprawności biznesowej ofert. Jako przykład mogę podać to, że w kontekście biznesowym zakładając ofertę można tworzyć ją na wielorakich różnych poziomach w kontekście cenowym, czyli możemy zakładać ofertę na dany dzień z taką i taką ceną, dokładając do tego jakiś dodatek, cena się zmniejsza, dokładając dostawki, cena powinna być odpowiednio większa, natomiast za to wszystko odpowiada człowiek. Czyli człowiek wpisuje te informacje, wpisuje w system, dodaje te informacje, i to później ląduje na produkcji, klienci kupują to. Dość często zdarza się sytuacja, w której na froncie nie widzimy teoretycznie błędu, bo widzimy prawidłową cenę, ale problemy zaczynają się pojawiać przy tych wszystkich skomplikowanych rzeczach, czyli przychodzi klient, kupuje rezerwację 2 plus 2. Ona powinna być teoretycznie sprzedana z dostawkami, które powinno odpowiednio kosztować. Wydarza się sytuacja, że my sprzedajemy to po prostu za zero dla klienta. Ładuje w błąd. Pytanie, kto powinien za to zapłacić, to przede wszystkim my. No bo hotelarz chce dostać swoje, klient chce dostać swoje, my stoimy po środku i mówimy, sorry, nie udało nam się. Odwołujemy, dziękuję, do widzenia. Nie, musimy coś zrobić. No i takich tematów przekrojowo w ciągu roku potrafi być bardzo dużo. A to co ja podałem to jest taki ultra ortodoksyjny przypadek, który potrafi generować kilkanaście tysięcy złotych błędu. No ale mamy też jakieś pomniejsze, które zawsze generują po te kilka tysięcy złotych, finalnie organizacja może stracić kilkaset tysięcy złotych w skali roku, dajmy na to.
Mariusz Michalczuk: No tak, bo grosik do grosika, tutaj pokoje, tutaj posiłek, tutaj coś tam i nagle się okazuje…
Marcin Grzelak: No i tu ten czynnik białkowy zawodzi, którego broniłem, ale ten czynnik białkowy trzeba trochę poratować, więc w ramach tego, co stworzyliśmy jako zespół analiz, to zebraliśmy historię wszystkich tych błędów, które się wydarzyły. Sprawdziliśmy, jakie to były błędy, z czego wynikały w konstrukcji ceny, dlaczego one w ogóle się wydarzyły, i na początku pozakładaliśmy reguły takie czysto biznesowe do monitorowania tego w Pythonie, czyli łączymy się z Pythonem, z naszą bazą danych, która odpowiada za konstrukcję oferty i na podstawie już założonej oferty sprawdzamy reguły biznesowe, które tam istnieją. Te maszynki Pythonowe mają sobie każdą ofertę pod kątem każdej reguły, także tam jest kombinacja na kilka naszych milionów różnych weryfikacji, które się dzieją w tle. I jeśli się wydarzy taka sytuacja, to orkiestrator Airflow automatycznie skryptem pythonowym wysyła informacje do działu, który zajmuje się przetwarzaniem tych ofert, wysyła informację “słuchajcie, tu i tu jest błąd, który może nas kosztować… X tysięcy złotych oraz weryfikację zablokowaniem oferty zmiany tematu”. System działa już rok, przyniósł 80% oszczędności wobec tego, co generowały nam wcześniej błędy, także w kontekście redukcji kosztów. Bardzo podstawową technologią, bo cały czas mówimy o wykorzystaniu technologii Pythonowych, nie mówimy w tym momencie o wykorzystaniu generatywnej sztucznej inteligencji, czyli wszystko to, z czym dotychczas sobie powinniśmy radzić. Wdrożyliśmy to, mamy 80% oszczędności.
Mariusz Michalczuk: Super, a możesz się podzielić kwotą, bo sobie wyobrażam, że logi są, w sensie ten zapis, ile tam potencjalnie możemy stracić, albo przynajmniej rzędem, jakiej wielkości, jaka to jest Jakie mogę dobyć kwoty?
Marcin Grzelak: Powiem tak, zjechaliśmy do kwoty kilku tysięcy złotych w skali roku. To są tematy, które są nowe błędy, których nigdy nie mieliśmy i nie są jeszcze zaopiekowane biznesowo, ale to też jest iteracyjny cały czas ten proces się rozrasta. Powstają nowe kombinacje sprawdzające, cały czas to weryfikujemy, więc w kontekście takim cyfrowym i minimalizacji błędów wydaje mi się, że robimy naprawdę robotę na bardzo wysokim poziomie dojrzałości i cyfrowej, i opieki nad budżetem, bo też pamiętam, pracowałem kiedyś w Polskich Liniach Lotniczych w dziale CC. Pamiętam, że tamten czynnik białkowy miał bardzo duży wpływ na to, ile się generuje błędów, a z racji tego, że to się zakłada live, te rezerwacje lotnicze, jest piekielnie ciężko w kontekście, bo tu jeśli klient chce, a konsultant źle zakłada rezerwację lotniczą, to tam już z kolei nie było miejsca, przestrzeni na wyłapanie tego. To były naprawdę trudne momenty, kiedy generuje się je w trakcie jednej rozmowy telefonicznej błąd na kilkanaście tysięcy złotych, bo został źle założony bilet. Tutaj jest nam łatwiej, bo działamy trochę w delikatnym opóźnieniu, przesunięciu tego okna czasowego, ale też mamy te kilka sekund na wyłapanie tego błędu. I te kilka sekund już ten skrypt pythonowy jest w stanie nam zabezpieczyć i obsłużyć i zakomunikować, że jest błąd. I dzięki temu my bardzo też szybko reagujemy, przycinamy ten błąd i jesteśmy zabezpieczeni w kwestii kosztów. I tak powtórzę, bez wykorzystania generatywnej sztucznej inteligencji.
Mariusz Michalczuk: No właśnie, a w kontekście LLM, Gen AI, to jest temat, który nie schodzi z wokandy, praktycznie wszystkich biznesowych konferencji dzisiaj, nieważne czy w naszej branży digitalowej, nazwijmy taką ogólnie, czy jak obserwuję i w produkcji, generalnie wszędzie ten dwuliterowy skrót się pojawia. Jak to wygląda u Was z tym Gen AI-em, czy tam AI-em?
Marcin Grzelak: Z Gen AI-em też mamy kilka przypadków, które też nas wspomagają na bieżąco. Wiadomo oczywiście, że w ramach dojrzałości organizacji w kontekście generalnej cyfryzacji też staramy bardzo mocno się edukować jako zespół analiz, ucząc ludzi korzystania z tych wszystkich narzędzi, które są ogólnodostępne, czyli z Gemini’a, z ChatGPT, z CLOD’a, to są takie rzeczy podstawowe w kontekście takich filarów edukacyjnych. I to się dzieje ongoing’owo i myślę, że też kolejne, które też jako zespół analiz trochę odpowiadaliśmy za wdrażania, tych pierwszych GNI kroków w organizacji, cieszyły się bardzo dużym zainteresowaniem. To też były szkolenia, na które, ja się śmieję, pobiliśmy rekordy czasowe, jeśli chodzi o zapisy, bo jak odpaliliśmy szkolenia z GNI, tam był limit chyba, nie pamiętam, 20 czy 30 miejsc, to to się zamknęło w 10 minut. Gdzie już to jest to szkolenia, jak było otwierane w organizacji, to potrafiły sobie tak poczekać te dzień, dwa, jak się zakończą zapisy. No widać temat jest chwytliwy. Temat jest chwytliwy nawet dla osób, które nie są zainteresowane sztuczną inteligencją, no ale to są takie, tak jak wspomniałem, te filary edukacyjne. Te filary edukacyjne bardzo dobrze, że są, bo każda organizacja i każdy pracownik wydaje mi się, że to jest set skill, który po prostu musi teraz mieć, żeby funkcjonować w obecnym rynku.
Natomiast mamy też kilka rozwiązań, które funkcjonują u nas powiedzmy takich czysto technologicznych i też dają wymierne korzyści czasowe w kontekście oszczędności czasu pracowników. Takim standardowym chyba najlepszym projektem, który u nas się dzieje i który rzeczywiście daje te wymierne korzyści czasowe, to jest automatyczna analiza odsłuchu ofert, odsłuchu rozmów klientów i Customer Service. To jest dość duży projekt, który był przede wszystkim obarczony dużym aspektem prawnym, tego jak to odpalać. Wszystko było zgodne z aspektami dotyczącymi RODO, etc. Czyli wchodzą w grę nam rzeczy wykorzystania LLM-ów lokalnych, przetwarzania tego na lokalnym zasobie sieciowej, nie przetwarzania tego na zewnątrz, w jaki sposób to zabezpieczać, przechowywać te dane. Jest dużo takich tematów, czysto prawnych, które w ramach wszystkich szkoleń generalowych zawsze się mówi o tej etyce danych. Ta etyka danych jest tutaj, była bardzo mocnym filarem, bo musieliśmy zadbać o to ze względu, że mamy doświadczenia już z klientem. To już nie były takie napisy wewnętrzne, które są nie aż tak wrażliwe, to już mówimy o danych wrażliwych.
Natomiast idąc do sedna, czego sam projekt dotyczy? Projekt dotyczy przetwarzania najpierw w pierwszym kroku nagrań dźwiękowych z dokumentami, przetworzenia tego do zapisu tekstowego i obsługi w kontekście kryterium jakości i oceny standardów rozmowy przez generatywną sztuczną inteligencję. No i czysto technologicznie jak to wygląda? Mamy system, który zapisuje rozmowy klientów z Customer Service, te dane są wydane przez API, następnie przez usługę AWSową, AWS Transcribe idzie analiza tej rozmowy i zapis do pliku tekstowego wraz z diaryzacją, o co też bardzo ciekawa wskazówka, jak pamiętam się dałem jeszcze raz do tego projektu i najbardziej się namęczyłem ze znalezieniem usługi chmurowej, która nam w języku polskim diaryzację na jedno kanałowe.
Mariusz Michalczuk: A diaryzacja to jak, bo w sumie przyznam, że pierwszy raz się spotykam z tym stwierdzeniem.
Marcin Grzelak: Diaryzacja to jest podzielenie nagrania pomiędzy konsultanta a klientem.
Mariusz Michalczuk: Czyli, żebyśmy… Okej, czyli takie role, tak.
Marcin Grzelak: Role, role, tak.
Mariusz Michalczuk: Okej.
Marcin Grzelak: Ja myślałem pierwszy, bo my bardzo mocno też jesteśmy w środowisku googlowym. Korzystamy z ich usług. I byłem rozbity kompletnie, bo nie ma w języku polskim, nie ma usługi diaryzacji, przetworzy nagranie, ale nie podzieli na role. Także byłem bardzo zasmucony. No ale usługa AWS-owa już tutaj w tym temacie się świetnie sprawdza, więc ta usługa AWS-owa dostarcza nam informację o zapisie rozmowy, zapisuje ją bezpośrednio do JSON-a. Ten JSON później jest załadowany do naszego lokalnego LLM-a. Lokalny LLM w kontekście karty jakości oceny, którą mamy ustaloną z zespołem Customer Service, ocenia tę rozmowę i wypluwa kartę jakości z ocenionymi konkretnie kryteriami w zakresie WAG, w zakresie tematu rozmowy dostarcza też informacji bardzo cennych w zakresie spostrzeżeń klientów, bo kiedyś musieliśmy, żeby się bawić w jakieś opinie klientów, to musieliśmy robić ankiety CISATowe i tak dalej. To są koszty. Fajnie się to robi, fajne są tego insajty, ale żebyśmy mieli z tego jakieś konkretne matematycznie, prawidłowo zrobione badanie jest bardzo ciężko, bo musimy mieć naprawdę dobrą grupę klientów, musimy mieć przekrojową z wiarygodnym rozwarstwieniem jeśli chodzi o pochodzenie, o segmentację. Jest ciężko zrobić takie dobre badanie. Jeśli ktoś mówi, że robi takie dobre badania, to naprawdę podziwiam.
Mariusz Michalczuk: Jest… Albo dużym kosztem, prawda?
Marcin Grzelak: Natomiast tu mamy, przekrojowo, tak naprawdę mamy odsłuchaną każdą rozmowę. Customer Service standardowo odsłuchuje kilkanaście, kilkadziesiąt rozmów danego pracownika miesięcznie. Tu w tym momencie mamy obsłużone wszystkie rozmowy. Jesteśmy w stanie wyłapać każdą anomalię, każdy typowy fuck up mówiąc wprost, który nam wytnie klienta z powodu niewłaściwej jakości obsługi. Już wiemy co na tym etapie, znamy tematyki rozmów, wiemy jak Customer Service pracuje, co lepiej. W przypadku już każdego pracownika też mamy rekomendacje, który aspekt teoretycznie rozmowy, który aspekt jakościowy jest słabszy. Jest to też rekomendacja po pierwsze dla superwizorów, bo wiedzą w jaki sposób pracować z tymi pracownikami. Mamy po drugie mega dużo czasu zaoszczędzonego dla superwizorów w kontekście tej jakości oceny i to jest na pewno niesamowity plus tego, bo uwalniamy moce przerobowe na Customer Service, gdzie mogą skupić się po prostu na czymś innym, a tę ocenę zostawiamy.
Mariusz Michalczuk: Super, znaczy mega, czyli z jednej strony to w ogóle dzisiaj mi wpadło do głowy stwierdzenie what gets measured gets done i tutaj tak naprawdę ja uważam, że te dane jakościowe, bo ocena rozmowy jest nieoceniona, znaczy w ogóle informacja, jakie są prowadzone rozmowy, tylko to jest mega drogie, tak jak ja zawsze mówię, oglądanie sesji użytkowników też jest mega wartościowe, tylko teraz obejrzyj te set tysięcy, ale już wszystkich to nie ma szans, a tutaj to praktycznie dostajemy zmierzone wszystkie rozmowy i podane na tacy tym superwizorom, czyli z jednej strony zakładam, że to jest dla rozwoju jakości, obsługi klienta, zwłaszcza w kontekście tej dostarczanej tak fizycznie przez słuchawkę. A powiedz mi czy, bo w tych rozmowach tak jak sam mówiłem, że często klienci zwracają uwagę na jakieś tam elementy i zapewne elementy serwisu i elementy oferty. Czy też to gdzieś i jak to dalej płynie? Bo wyobrażam sobie, że tak, ale właśnie co się dalej z tym dzieje, bo jedna to jest właśnie ocena, ale druga to też są insajty, prawda?
Marcin Grzelak: Te insajty są bardzo cenne, bo te insajty pokazują nam to, czego my nie widzimy. Ja uważam, że każdy pracownik żyje w bańce swojej organizacji. Patrzymy na stronę, mówimy fajna strona, wszystko robimy super, elegancko.
Mariusz Michalczuk: Dokładnie, powiedziałbym więcej, że w bańce swoich kompetencji czy zakresu odpowiedzialności nawet, prawda?
Marcin Grzelak: Zdecydowanie, to uważamy, że wszystko jest okej, mówimy, oczywiście musimy usprawnie zmieniać, ale tak ogólnie to chyba wszystko jest okej. Później przychodzi taki insajt z rozmowy biznesowej i klient mówi “a ja to nie mogę znaleźć tej najniższej ceny”. No i my wiemy, że to przecież oczywiste, że tu się gdzieś świeci tam na niebiesko, to wiemy, że to jest najniższa cena. No to jaki problem? Ale jeśli otrzymujesz takich informacji 10, to mówisz “kurde, chyba coś nie halo jednak robimy”. No i te informacje my agregujemy, zbieramy, kategoryzujemy, sprawdzamy informacje dotyczące UX, sprawdzamy informacje dotyczące jakości oferty. sprawdzamy informacje dotyczące już doświadczeń takich hotelowych, bo dość często też klient może po prostu zadzwonić, byłem w hotelu i remont obok. Jest mi z tym bardzo źle i chciałem się poskarżyć. No i też zbieramy, bo to jest też cenny feedback, to też wpływa na NPS-a, na to czy klient do nas wróci, czy nie. Te doświadczenia są bardzo ważne, bo tak jak wspominałem, my nie sprzedajemy tylko tych pobytów, tylko sprzedajemy doświadczenia. Chcemy, żeby też klient do nas wrócił, żeby nas dobrze kojarzył. Więc te informacje zbieramy, te informacje kategoryzujemy, dalej przekazujemy konkretnym działom, bo te inne informacje pójdą do produktu, który będzie pracował nad tym, żeby ta komunikacja tej najniższej ceny na stronie, no może była trochę inna, może była trochę bardziej uwydatniona. Inne rzeczy też pójdą do działu sales, którzy usłyszą, że w danym hotelu trwa remont. No to trzeba coś tam trochę może poorganizować w ofercie, może trochę to inaczej komunikować też klientom. Też inne rzeczy znów wrócą ponownie do Customer Service, bo będą dotyczyły tego, że ktoś miał do nich oddzwonił, czy nie oddzwonił, a też tak się może zdarzyć. Więc te wszystkie informacje kategoryzujemy, zbieramy i dalej przekazujemy konkretnym działom. To bardzo też ułatwia pracę, bo sami się napędzamy trochę i sami dzięki temu wiemy, co możemy jeszcze zrobić, co możemy zrobić lepiej, żeby biznes funkcjonował lepiej, żeby klient też był bardziej zadowolony. No dla mnie to jest takie dość mocno przełomowe, bo o ile ten wcześniejszy projekt, o którym mówiłem, jest spoko, bo zahaczał kasę. Kasa jest zawsze sexy tematem. Natomiast ten temat jest dość mocno przekrojowy i najważniejszy dla klienta.
Mariusz Michalczuk: No tak, ale na końcu tak czy inaczej to się skończy na kasie. Bo jak klientowi lepiej podpowiecie, czy np. z rozmów wyjdzie, że w hotelu, który jest zarezerwowany w okolicy dzieje się jakiś festiwal i sprzedaż o tym festiwalu, wyjmie tą informację gdzieś na wierzch i to zachęci inne osoby, więc jak to się mówi at the end of the day, to biznes na tym korzysta, nie ma co się oszukiwać, prawda?
Marcin Grzelak: Zdecydowanie, więc ja uważam, że tam gdzie mamy znów najcenniejszą rzecz mamy za darmo, czyli dane, informacje dostajemy za darmo od klienta, jest grzechem nie korzystać z tego.
Mariusz Michalczuk: Dokładnie tak. W ogóle mega mnie to, to się kolejny raz mi powtarza, w ogóle zainteresowało mnie to, co powiedziałeś, że odpowiadaliście się za te szkolenia z Gen AI, natomiast w ogóle tak jak obserwuję wśród naszych klientów, to kto ma wdrażać AI, Gen AI ogólnie, sztuczną inteligencję, to rzeczywiście to w cudzysłowie spada, bo ja jako fan technologii to dla mnie to jest miód na moje uszy, że to rzeczywiście zespoły data odpowiadają za wdrożenie tego AI-a. Tak trochę na koniec, Marcin chciałem Cię podpytać, bo ja sam nie wiem kiedy to minęło, 55 minut rozmowy. Jakieś może podpowiedzi właśnie w kierunku e-commerce’u odnośnie danych AI-a, w jakich obszarach widzisz taką największą dźwignię, tak żeby podpowiedzieć żeby nasi słuchacze tak sobie stwierdzili, ok, gdzieś tam ten temat mi zaszumiał, ale dzięki temu, że tutaj bazując w ogóle na Twoim doświadczeniu i to jak Traveliście działa na podstawie danych, jakie są tego efekty, że może jednak ja to wyjmę z szuflady i się tym zainteresuję szybciej niż wolniej, bo tu rzeczywiście jest dźwignia. Jakieś takie, kilka takich rekomendacji dla tych właścicieli e-commerce’ów, żeby rzeczywiście w tym kierunku z tymi danymi AI-em szli.
Marcin Grzelak: Jak myślę o tych wdrożeniach AI, to przede wszystkim myślę o tym, że zanim się w ogóle ktokolwiek zabierze za tematy wdrażania sztucznej inteligencji, to trzeba zadbać o obszary dotyczące data quality i data governance, bo bez tego absolutnie w żaden sposób nie ma podstaw ku temu, żeby wchodzić z niskiej jakości danymi do próby automatyzacji czegokolwiek, bo garbage in, garbage out jest bardzo prostą metodą. Jeśli takie coś włożymy, to jeszcze gorszy koszmarek nam wyjdzie na końcu. Potworki bardzo chętnie, dokładając do tego, że jeszcze pamiętamy, że nie halucynuje, to jeszcze jak halucynuje z potworka, to już naprawdę podziwiam to co wychodzi na końcu. Więc myślę, że temat zadbania o jakość danych jest tematem chyba naprawdę bardzo kluczowym i nam tutaj, na pewno dla każdej organizacji jest bardzo ważny i trzeba zadbać o to, żeby tę poprawną jakość danych posiadać i odpowiednio tymi danymi zarządzać, żeby sobie nie latały różnie zdefiniowane.
Druga rzecz, która mi się też i z moich doświadczeń i też z raportów czy to Keirseya bodajże, który też analizował fazy i efekty wdrożenia generatywnej sztucznej inteligencji, to trzeba sobie zadać na początku pytanie, po co chcemy to wdrażać? Bardzo proste pytanie, ale żeby nie zrobić tego rynkowo w stylu, a bo wszyscy robią. Ja też muszę, bo ja za tydzień mam konferencję i muszę się pochwalić, że ja to robię. No dobra, fajnie, tylko po co? Jak sobie odpowiemy na to pytanie, bo 3, 4 osób odpowie, bo chce zaoszczędzić czas, bo chce zdobyć więcej kasy.
Mariusz Michalczuk: Albo poprawić jakość obsługi, nie?
Marcin Grzelak: Już wskazujemy i jest okej. Tylko to teraz kolejne pytanie znów postawić sobie “jak?” Jak to zrobić i gdzie to chcę osadzić? No i tu się zaczynają zawsze największe schody, bo nie wiem, czy to nie jest kwestia tego, że nie wszyscy znamy swoje procesy w organizacjach, czyli wszyscy dobrze je kontrolujemy, na przykład jako menadżerowie i czasem nie wiemy coś jest bolączką, gdzie my można ten klocek generatywnej sztucznej inteligencji wsadzić. Jeśli patrzymy, my jako analitycy to spoko, bo my tak patrzymy trochę z boku na to wszystko i możemy sobie mówić, no to jest git, to nie jest, to jest spoko, to tu można coś zrobić lepiej, inaczej, ale czasami menadżerowie własnych obszarów nie wiedzą też jak to do końca wsadzić i gdzie jest potencjalnie to wąskie gardło tego procesu, które by można obsadzić sztuczną inteligencją. Z tym się wiele organizacji mierzy i to jest dużym wyzwaniem.
No i ta trzecia rzecz, którą też zawsze przestrzegam i to na pewno pamiętam też w Keirseyu było, że 70% wdrożeń, które się odbywały chyba nie widziały dodatkowego, inkrementalnego zysku w przeciągu dwóch, trzech lat. Wydaje mi się, że to jest kwestia takiego nie poddawać się, bo tych projektów, które może być odpalane generatywnej sztucznej inteligencji, czy w ogóle jakichkolwiek procesów automatycznych, już tam zostawiając z boku nawet TLM, ale cokolwiek chcemy automatyzować, to nie wszystko nam się na początku uda i nie wszystko nam wyjdzie na plus. Chyba Amazon, ze dwa dni temu gdzieś tam krążyło po Linkedin’ie taka lista, opublikowali listę projektów, które próbowali odpalić w ciągu ostatnich pięciu lat. Ta lista była bardzo długa i tam zielonych ptaszków, które wypaliły im czysto produkcyjnie była też krótka. Co pokazuje też, że ile projektów takich czysto automatycznych, otwierania nowych projektów, nowych automatyzacji startuje w Amazonie i tak jest ubijane, bo nie działa, bo nie spełnił swoich oczekiwań. I z projektami LLM może być tak samo. Też niekoniecznie zawsze zauważymy impakt tego. Czasem jak wdrożymy, warto usiąść, ocenić, czy to ma sens. No i to też pokazuje metodykę, jaką trzeba wdrażać te projekty LLM-ów, bo konstruowanie teraz rozwiązań opartych o generatywną sztuczną inteligencję w dzisiejszych czasach jest bardzo łatwe. Zobacz też LLM-a, jak go osadzisz gdzieś tam i on sam Ci powie, no super, robota zrobiona. To działajmy metodą quick winów, czyli usiądźmy, zobaczmy, czy jesteśmy w stanie małym nakładem pracy, małym, jedno, dwuosobowym zespołem zrobić krótką automatyzację i czy ona coś da. Jeśli ona coś da, to jest już naprawdę 90% sukcesu. Teraz idźmy dalej i iterujmy to rozrastając, rozszerzając zakres tego projektu i urośnie nam może do czegoś bardzo fajnego, co obejmie już trochę większą skalę w organizacji. Więc to na pewno są rzeczy, które warto zwracać uwagę i warto się tego trzymać, trzymać w porządek i się nie poddawać.
Mariusz Michalczuk: Super. Myślę, że chyba takim dobrym cytatem tutaj będzie, akurat pamiętam go, bo przygotowałem się na konferencjach, na których będę miał prelekcje za tydzień, że nie trzeba być wielkim, żeby zrobić pierwszy krok, trzeba zrobić pierwszy krok, żeby być wielkim. I chyba to bardzo dobrze podsumowuje to, co powiedziałeś. Marcin, wielkie dzięki za Twoją obecność, za podzielenie się wiedzą i ogromne gratulacje tego, co robicie w Travelliście. I trzymam kciuki, żeby rzeczywiście Wasze analizy dokładały ten kamyczek, a nawet nie kamyczek tylko większy kamień, a może jakiś głaz do rozwoju Waszego biznesu. Także dzięki jeszcze raz za obecność, za podzielenie się wiedzą i mam nadzieję jeszcze do zobaczenia w przyszłości tutaj na kanale.
Marcin Grzelak: Do zobaczenia. Dzięki wielkie. Cześć.
Rozmowa z Marcinem Grzelakiem z Travelist uwydatnia, jak kluczową rolę odgrywa zaawansowana analityka danych w dynamicznie zmieniającej się branży turystycznej. Marcin podkreślił, że zespół analityczny w Travelist, mimo formalnego umiejscowienia w departamencie finansowym, pełni centralną funkcję, działając jako „serce organizacji”, dostarczające dane i wnioski do wszystkich komórek.
Kluczowe filary działania analityki w Travelist obejmują analizę przeszłości (raportowanie), teraźniejszości (optymalizacja, testy A/B) oraz przyszłości (prognozowanie, modelowanie churnu). Przykład wykorzystania danych z magazynu inspiracyjnego do personalizacji ofert i skracania ścieżki konwersji klientów udowadnia skuteczność strategii data-driven. Zmiany w zachowaniach konsumentów, takie jak skrócenie „Booking Window” i rosnące zapotrzebowanie na elastyczność rezerwacji oraz udogodnienia w hotelu, są ściśle monitorowane i wykorzystywane do adaptacji oferty.
W kontekście Big Data, Travelist efektywnie zarządza rosnącym wolumenem danych z wielu źródeł dzięki Airflow i Snowflake, optymalizując przetwarzanie i dostępność informacji. Implementacja automatyzacji, takich jak „maszynka do sprawdzania poprawności ofert”, przyniosła znaczące oszczędności finansowe, dowodząc wartości rozwiązań opartych na Pythonie bez użycia Gen AI.
Travelist aktywnie eksploruje potencjał Gen AI, edukując pracowników i wdrażając projekty takie jak automatyczna analiza rozmów Customer Service. Ten projekt, zgodny z zasadami RODO i etyki danych, pozwala na kompleksową ocenę jakości obsługi, identyfikację anomalii oraz zbieranie cennych spostrzeżeń od klientów, co przekłada się na rozwój produktu i usług. Marcin podkreśla, że kluczowe dla skutecznego wdrażania AI jest zadbanie o jakość danych, jasne zdefiniowanie celu biznesowego oraz iteracyjne podejście oparte na „quick winach”.
Tagi:
Historie sukcesów
Ostatnie wpisy na blogu
