Портал для корпоративных покупателей услуг бизнес-туризма, MICE и организаторов деловых мероприятий и встреч

События
Календарь

События
Календарь


Денис Матюхин, «Аэроклуб»: «Инвестируя в технологии, мы развиваем сервис»

13 Декабря 2018

На прошлой неделе «Аэроклуб» подвел итоги конкурса на лучшее название AI-проекта. Из более чем ста вариантов, предложенных участниками, был выбран самый амбициозный — MAIN. В компании подчеркивают, что для них это не просто аббревиатура, придуманная Лидией Медведевой из Самары, — Multifunctional Artificial Intellectual Network, — но и обозначение статуса разработки и ее значимости для отрасли. Дерзко, скажете вы? Каково это — постоянно бросать вызов самим себе и индустрии, рассказал председатель совета директоров группы компаний «Аэроклуб» Денис Матюхин.

«R&D требуют инвестиций, и не всегда это попадание на 100%. Это как стрельба с завязанными глазами туда, где, как тебе кажется, есть звуки», — считает председатель совета директоров группы компаний «Аэроклуб» Денис Матюхин

— Денис, ваши разработки в области искусственного интеллекта и машинного обучения действительно стали одной из самых обсуждаемых новостей осени. Но ведь вы не единственные в отрасли, кто говорит об этой технологии...

— Не хочу никого обидеть, но сейчас разговоры об искусственном интеллекте — это зачастую самообман или пиар-ход. И у этого есть простое технологическое объяснение. При выписке билета в агентство поступает огромное количество данных — 200-300 полей! Но для того, чтобы выставить счет, нужна лишь фамилия пассажира, стоимость перелета, наименование юридического лица и еще несколько полей. Вся остальная информация, в принципе, уходит на помойку.

Возьмем, к примеру, билет в Санкт-Петербург. Туда самолеты летают — как электрички ходят! Система выгружает 500 вариантов перелета, но клиенту-то вы должны показать всего 3-5. Получается, что мы выбрали 1% данных, а оставшиеся 99% — выбросили, у нас их больше нет. Но и это для нас излишняя информация, ведь клиент не может полететь всеми пятью рейсами, он все равно выберет только один. То есть проделав долгую и трудоемкую работу по поиску, на выходе вы в итоге получаете один единственный вариант! Вы его выбрали, забронировали, оформили билет, выставили счет — все здорово. По факту воспользовались 0,3% данных, а остальные просто потеряли. Сейчас так работают 90% участников рынка, и мы до 2014 года тоже так делали.

В определенный момент мы пришли к пониманию необходимости собирать и хранить данные по всем полям: и время вылета, и номер рейса, и аэропорт, и даже кресло, которое забронировал пассажир.

— Для чего агентству такое количество данных?

— Представьте, что приходит клиент и просит показать разницу между минимальной и максимальной стоимостью. Даже если вы делаете сравнение только по тарифу, потому что другие данные просто не храните, это уже необходимость добавить в хранилище данных сведения хотя бы еще по двум-трем билетам. А если агентство выписывает больше миллиона услуг в год? Только для самого базового сравнения по цене вам уже нужно три миллиона данных!

Но разница в цене складывается не только из тарифа, а из огромного количества факторов — аэропорта, времени вылета или дня недели. То есть билет из Шереметьево стоит 5000 рублей, а из Внуково — 3000. При этом утренние рейсы дешевле дневных. И выгоднее всего лететь, например, в среду. Чем больше у тебя информации, тем более вариативным и точным будет сравнение по любым заданным клиентом параметрам. Тем больше у агентства возможностей.

Но параллельно начинает «разбухать» хранилище данных — так, что на каком-то этапе неизбежно приходится масштабировать инфраструктуру. А это очень дорого.

— Можно хранить эти данные в кэше!

— Отлично, вы знаете это слово. Но кэш, как известно, периодически должен «затираться», а мы говорим не о временном хранении информации. Нам необходимо делать это постоянно — хранить и накапливать данные. В частности, для того, чтобы оптимизировать поиск и получить возможность прогнозирования — вот тут мы подобрались к теме машинного обучения и искусственного интеллекта уже чуточку ближе.

Вернемся к нашему примеру с билетом Москва — Санкт-Петербург. На это направление приходится 20% продаж. То есть каждый пятый клиент ежедневно запрашивает одну и ту же информацию. Вопрос: нужно ли агентству каждый раз перепроверять данные, если запрос приходит, например, от разных компаний с интервалом в одну-две минуты? Или выбранный предыдущим путешественником вариант можно предложить следующему пользователю?

При этом одна ситуация — когда клиент ранее с вами уже путешествовал, тут вы можете опереться на его же данные и точно «предсказать», что он всегда предпочитает, например, утренние рейсы «Аэрофлота». А если нет? И вот тут без огромного массива данных уже не обойтись. Вы смотрите по принципу Парето: какое количество людей в соотношении 80 на 20 летали в Санкт-Петербург в среду, выбирая такой-то аэропорт, рейс, время вылета и место на борту. С высокой долей вероятности вы подтверждаете, что 80% путешественников отправлялись рейсом «Аэрофлота» в 07.30 утра из Шереметьево. Если пассажир попадает в эту выборку и жмет кнопку «ОК» — машинное обучение состоялось. Вы задали вектор вашему искусственному интеллекту с помощью клика пользователя. А если он не попал в эту репрезентативную выборку? Значит, система пытается «угадать» второй раз, предлагая, например, рейс из Внуково. Наш пассажир настолько уникален, что мы не угадали и тут? Может, он вообще не хочет лететь, а хочет ехать поездом. Хорошо, машинное обучение снова оценит релевантность своих ответов и сделает выводы на будущее, раз от раза повышая точность прогноза. И так происходит тотально с каждым запросом!

Но и это еще не все! Чтобы заниматься прогнозированием покупательского поведения в режиме реального времени, недостаточно статистики по проданным билетам — то есть оказанным услугам. Как понять, почему пассажир выбрал именно 29-й вариант из 500 предложенных? Почему его не устроили 499 других вариантов? Поэтому, чтобы понять логику пассажира, мы в «Аэроклубе» храним не только оформленные услуги, но и поиски, которых по каждому билету могут быть десятки. При миллионах транзакций в год...

И тут мы снова возвращаемся к главной проблеме: где эти данные хранить? На основании чего искусственный интеллект будет «ставить себе галочки»: вот здесь я угадал, а здесь — нет?

Написать сам по себе алгоритм — несложно. Когда другие поставщики говорят, что в принципе умеют делать «искусственный интеллект» и «машинное обучение», я, наверное, не буду возражать. Но вот в то, что они реально это делают, — в это я пока поверить не готов. Потому что алгоритм должен к чему-то обратиться, что-то спросить у базы данных. А если у вас в базе только 30 полей из 300 возможных? Да, искусственный интеллект научится с ними работать, но насколько релевантными будут его выводы? А у нас в индустрии пока нет игроков, которые могут себе финансово позволить хранить огромные массивы данных.

— То есть самая большая сложность в подобного рода проектах — хранение big data?

— Это самая дорогая задача, а самая сложная — научиться управлять большими данными. Представьте, что до определенного момента данные у вас просто хранятся — это похоже на некий склад, куда вы что-то складываете, складываете, складываете... И все, дальше этим не пользуетесь. Это так называемые «грязные» данные. Чтобы «покопаться» в них, вам нужен инструмент, и его выбор, умение им правильно пользоваться — это очень небанальная история. Грубо говоря, это как сделать сортировку в Excel. Только при работе с большими данными у вас всегда будут множественные, многофакторные варианты скрещивания параметров, когда одновременно можно анализировать и пассажира, и время вылета, и аэропорт, и номер рейса. Если вернуться к метафоре со складом, то все эти параметры будут как бы лежать у нас на полочках. Вы их храните, а в какой-то момент оттуда достаете, анализируете, а потом, когда они вам больше не нужны, не выбрасываете, а расставляете обратно по своим местам. То есть умеете разбирать и собирать данные. Запуск искусственного интеллекта на 80% состоит из такой подготовки, или «очистки» данных. И на этот процесс уходит грандиозное количество денег — инвестиции исчисляются не миллионами, а десятками миллионов рублей.

При этом на больших массивах информации не всегда понятно, что именно нужно чистить. Это называется «смотреть данные руками», то есть строить гипотезы. И вы никогда не знаете, какая из них в итоге окажется рабочей. Это как стрельба с завязанными глазами туда, где, как тебе кажется, есть звуки.

Так что, R&D требуют инвестиций, и не всегда это попадание на 100%. Если чистая прибыль агентства составляет 30 миллионов, то вряд ли готово жертвовать 10 из них на то, что может не «взлететь». Поэтому прежде чем поверить в историю с искусственным интеллектом, запросите баланс, это публичная информация. У компании должен быть приличный объем, исчисляемый как в деньгах, так и в количестве накопленной информации, — иначе это экономически невыгодно.

— Значит, верно сказали эксперты на недавней технологической конференции: данные — новое топливо тревел-индустрии?

— Правильно, правильно! Только благодаря им magic может случиться. Приходишь на презентацию к клиенту и спрашиваешь, куда он хочет полететь, просишь записать выбранный рейс на бумажке. Если система выдает именно этот единственный вариант — это magic, вы реально «угадали» и в принципе можете выиграть тендер только за счет такого фокуса. Но рано или поздно удивление заказчика пройдет. И с этого шоу вы много не заработаете. Поэтому нужно четко понимать, что вы хотите получить от этих технологий.

Для нас, к примеру, важно «наложить» искусственный интеллект на уже существующие с 2006 года автоматизированные бизнес-процессы. О каком искусственном интеллекте мы говорим в отношении участников рынка, которые до сих пор работают в «терминальном» режиме? Даже у нас доля онлайн составляет 52% бизнеса. Рискну предположить, что у наших конкурентов она ниже.

— Тогда зачем вам искусственный интеллект и big data, если половина клиентов не перешла даже на OBT?

— На самом деле никакой связи с использованием инструмента онлайн-бронирования здесь и нет! Абсолютно без разницы, как к нам обратился клиент: оставил заявку в TIME, позвонил по телефону, написал e-mail — большую часть всех этих запросов должен распознать и обработать искусственный интеллект и только некоторые заказы перенаправить на агента. К 2020 году мы хотим достичь автоматизации и роботизации бизнес-процессов на уровне 75%. Все рутинные операции будет выполнять искусственный интеллект. А оставшиеся 25% — более сложные транзакции, случаи, требующие человеческого общения с клиентом, который хочет получить эмоциональную обратную связь. При этом сотрудник агентства может просто снять трубку и дать клиенту экспертную консультацию, а само предложение сделает робот с технологией искусственного интеллекта.

— А агентов своих вы куда денете? Если только 25% запросов будут обрабатывать сотрудники, три четверти уволите?

— Нет, просто нужно больше клиентов! Наша задача — значительно нарастить обороты и к 2020 году достичь цифры в 45-50 миллиардов по объему продаж. Сейчас приближаемся к 25 миллиардам. При нашем ежегодном приросте в 30% цель вполне достижима.

Технологии позволяют бизнесу эффективно масштабироваться, не вкладывая финансовых ресурсов в наращивание команды. Новый клиентский бизнес потребует высококвалифицированных сотрудников именно в части сервиса, который всегда остается за человеком. Поэтому искусственный интеллект, автоматизация и роботизация — только часть нашего плана продвижения на рынке. Параллельно идет усиление функции Key Account Management, консалтинга, запущены мощные образовательные программы и проводятся регулярные тренинги с сотрудниками, развивается направление сбора и аналитики обратной связи от клиентов, в том числе — на уровне регулярных опросов самих бизнес-путешественников, контроля SLA, совершенствуется проект омниканальности. Мы понимаем, что клиенту по большому счету неважно, используя какую платформу он оформит ту или иную услугу. Но мы стараемся сделать так, чтобы на каждом этапе общения с нами, нашими сотрудниками, заказчик ощущал нашу высокую экспертизу, заботу и готовность помочь в любой ситуации.

В целом неверно говорить, что мы инвестируем в технологии — мы инвестируем в сервис. И пытаемся найти правильный баланс между максимально возможной роботизацией бизнес-процессов и оказанием «человеческого» сервиса.

— А использование передовых технологий приносит вам материальную выгоду?

— Конечно, и исчисляется она десятками миллионов рублей. Ее удается достичь за счет упрощения многих процедур. Например, на бронирование, оформление и выписку билета через агента в режиме реального времени у вас уйдет — с применением наших технологий — четыре минуты. Если сделаете бронирование в OBT-системе TIME самостоятельно с компьютера, потратите на это минуты три. В мобильном приложении LINK — уже две минуты. Не велика разница, скажете вы? Если агентство выписывает десятки билетов в день, то да. А если тысячи — имеет смысл.

— Кто чаще пользуется вашим мобильным приложением — тревел-координаторы, сами путешественники, руководители?

— Все. Но в основном оно рассчитано на самих командированных сотрудников. Хотя и версия для тревел-координаторов пользуется спросом, ведь приложение позволяет им не быть привязанными к десктопу. Вы же не пойдете под мышкой с ноутбуком или стационарным компьютером за кофе? А со смартфоном можете, пока пьете кофе, параллельно забронировать все услуги для деловой поездки.

—То есть LINK — как мобильный OBT?

— Нет. И его пользователи — не только те, кто работает через онлайн-инструмент. Мобильное приложение не только упрощает ряд процессов, в нем есть и дополнительные функции. Скажем, сотрудник отправляется в командировку, у него выписаны все услуги, он сегодня должен лететь в Санкт-Петербург. Если у него нет мобильного приложения, как мы определим — он все еще сидит в офисе на Павелецкой или уже в пути? Геолокации в десктопе нет. А так мы можем его «протрекать», проверить карту «Яндекса» — увидеть, что пробки шесть баллов и прислать ему push-уведомление, что пора выходить. И даже предложить заказать билет на «Аэроэкспресс». Ему просто нужно будет нажать кнопочку «OK». Это очень удобно.

— Почему тогда приложением пользуются всего 5% ваших клиентов?

— Потому что одни приложения используют часто, а другие — время от времени. Когда в 2008-м появился iPhone, все скачивали кучу разных программ, у многих на смартфонах было по 100 страниц. Но сейчас пользователю они не нужны, он может обойтись двадцатью или того меньше. Реально «сидит» он только в нескольких — почте, соцсетях, приложении по заказу такси. Они необходимы ему для жизни каждый день. В командировку каждый день он не ездит. Поэтому это чуть сложнее продаваемая история на персональном уровне. Когда вы предлагаете клиенту OBT, тревел-координатор говорит сотрудникам: «Мы выбрали поставщика онлайна, у всех должен стоять инструмент, офлайновых заявок больше не оформляем». Это приказ компании. Но мобильное приложение — это уже личное пространство путешественника. Его телефон, который он носит у сердца.

Поэтому необходимо подогревать интерес к этому сервису, предлагая удобные опции. Например, мы можем «поднять» скан билета в приложении по времени — понимая, что check-in начинается через 20 минут.

Разумеется, важно и то, как компании двигаются в сторону диджитализации. Для кого-то это модный тренд, для кого-то — реальность. Хотя таких корпораций не так много.

— Вы не боитесь, что перегоните своих клиентов?

— Мы не переворачиваем новую идеологическую страницу в развитии технологий, просто показываем клиенту, куда можно двигаться, задаем вектор. Да, иногда нам заказчики говорят: «Вы слишком умные для нас». Это лестно, с одной стороны. Но они нас не выбирают. И это тот случай, когда наш имидж играет против нас, потому что клиент понимает — мы разговариваем на разных языках. Это плохо. Поэтому нужно подстраиваться под разных заказчиков и предлагать им разные сервисы. Хотя абсолютно все наши разработки будут востребованы — это лишь вопрос времени.

И технологическое отставание некоторых игроков приведет в будущем к формированию более плотного пула поставщиков за счет слияний и поглощений — останется не топ-10, а топ-5 агентств. Хотя у компаний будут и другие варианты: оставаться в состоянии бутика — звоните, приходите, пишите... И они найдут своих клиентов. Или пойти к независимым игрокам на рынке, у которых можно взять эти технологии.

— А вы планируете разрабатывать независимые сервисы?

— Нет. У нас никто ничего не купит. Несколько лет назад мы уже проводили переговоры практически со всеми игроками из десятки ведущих агентств — предлагали наш софт, продукты, процедуры, доли и акции. И никто не согласился с нами работать.

— Слишком дорого?

— Мы все предлагали бесплатно! Все думают, что сразу же потеряют независимость. Что как только «Аэроклуб» предоставит свои IT-решения, то через минуту скачает всю базу данных и потом «убьет» компанию. Мне кажется, эти страшилки для самих себя придумали владельцы бизнеса, чтобы не принимать решений. Зачем нам по 500 раз убеждать коллег в том, что мы можем улучшить их финансовое положение благодаря автоматизации и более привлекательным условиям работы с поставщиками за счет объемов?

Что ж, будем продолжать заниматься тем, чем занимаемся вот уже 24 года, — отбирать у наших конкурентов бизнес! Но не за счет агрессивных продаж, а благодаря технологиям, экспертизе, опыту и интеграционным решениям.

Беседовала Наталья Травова

Контактная информация
Адрес: Москва, ул. Расковой, д. 34, стр. 14
Тел.: +7 (495) 935 70 12
E-mail: info@bbt.news
Captcha не прошла проверку!
ГОТОВО