Recommandations d’hôtels personnalisées avec apprentissage profond

Hotels.com est un acteur de premier plan pour la réservation d’hébergements en ligne avec 90 sites Web dans 41 langues, qui répertorient plus de 325 000 hôtels dans environ 19 000 destinations. Son application de réservation de voyage a été téléchargée plus de 70 millions de fois, permettant aux voyageurs du monde entier de trouver la destination idéale pour leur séjour.

Les défis

Hotels.com héberge des millions de photos pour quelque 325 000 hôtels référencés sur son site. Des milliers de nouvelles photos sont mises en ligne chaque jour, aussi bien par les établissements que par les clients. Il est important d'analyser ces photos au plus vite afin d'éviter les images en double ou de mauvaise qualité, puis de les classer (p. ex. cuisine, piscine, salle de sport) afin de pouvoir les trier. Enfin, il est impératif de proposer des recommandations personnalisées aux visiteurs effectuant des recherches sur le site afin de les aider à trouver l'hôtel qui leur convient le mieux. Et cela ne se fait pas sans disposer d'une grande puissance de calcul et d'outils d'analyse avancés.

• Exploiter le machine learning pour améliorer l'expérience des consommateurs : Les nombreuses images composant chaque listing comportaient des doublons et le système manquait d'organisation, tant au niveau de l'évaluation que de la classification. La solution consistait à élaborer un système de notation en temps réel et à améliorer le déploiement de modèles de machine/deep learning en production.

• Créer un pipeline de données plus robuste et plus rapide : le cluster Hadoop intégré, qui utilisait les langages SQL et SAS pour fournir de la data science à grande échelle, était lent et limité – il lui fallait 2 heures pour traiter à peine 10 % des données du pipeline.

• Augmenter la conversion des clients : il faut comprendre les tendances de la clientèle en temps réel pour développer des stratégies visant à stimuler la conversion et la valeur vie des clients.

La solution

Databricks a aidé Hotels.com à réaliser un objectif : articuler son activité autour de la data science, afin d'anticiper le comportement des clients et de fournir aux utilisateurs une expérience plus optimisée.

• La gestion des clusters : possibilité d’augmenter considérablement le volume de données sans complexifier l’infrastructure.

• Un espace de travail interactif : la dynamique de collaboration entre les équipes de data science au sein d'Hotels.com s'est améliorée, de même que dans les autres unités commerciales d’Expedia.

• Runtime Databricks : les performances de traitement des données de streaming ont été améliorées, même à grande échelle.

Les résultats

• Une accélération du processus ETL à grande échelle : il est possible de traiter 20x plus de données sans affecter les performances.
• Une expérience utilisateur optimisée : les photos présentées dans les recherches de propriétés sont agencées de manière efficace et précise pour les clients.
• Une augmentation des résultats commerciaux : fournir l'hôtel adéquat avec les photos sélectionnées en fonction des recherches permet d'augmenter les conversions.