Big data in Zeeland Experimenten en ervaringen Diana Korteweg Maris, Kenniscentrum Kusttoerisme HZ University of Applied Sciences

PROfessional Framework for Innovation in Tourism PROFIT In Zeeland uitgevoerd door: mogelijk gemaakt door: looptijd: 1 okt 2016 - 30 sep 2019 Essex Zeeland West- Vlaanderen Pas-de-Calais Kent

PROFIT: stimuleren van innovatie Kennis van de gast Creëren big data door combineren van data van ondernemers, overheden, toeristische organisaties enz Analyseren van data en inzicht in gedrag Creëren van dashboards Uitgangspunt: Vraagstukken en doelstellingen van ondernemers Service design Samen creëren van innovatieve producten en diensten die inspelen op behoeften van de gast Ondersteunen ondernemers Training, workshops Advies experts Innovatienetwerk   DNA Onderscheidend vermogen voor bedrijven en bestemmingen LAND IN ZEE! als basis Pragmatisch o.b.v. voorbeelden  

Kennis van de gast Kennis ontwikkelen Benutten van beschikbare gegevens bij allerlei partijen Gegevens van één partij vaak onvoldoende voor creëren van kennis Combineren van gegevens: onze eigen Zeeuwse ‘big data’ Geanonimiseerd bijeengebracht in één analyseomgeving Ontdekken van patronen in online en offline gedrag: inzicht in wensen Kennis van de gast

Aanpak big data Benodigde data inbrengen/ verzamelen Informatie-behoefte bedrijven Benodigde data inbrengen/ verzamelen Data analyseren Data interpreteren Data ontsluiten & gebruiken

Big data – stap 1

Informatiebehoefte bedrijven Bijeenkomsten in maart 2017, in alle regio’s Vraag naar doelstellingen Wat wilt u bereiken met uw bedrijf / in uw regio? Inventariseren kennisvragen Welke informatie heeft u nodig om dit te kunnen bereiken? Welke data is nodig om deze informatie te creëren?

Doelstellingen ondernemers Vergroten aantrekkingskracht regio Gezamenlijke promotie, effectieve promotie Seizoensverlenging, stimuleren laagseizoen Verlengen verblijfsduur Stimuleren herhaalbezoek Stimuleren activiteiten van bezoekers (o.a. cross-selling) Stimuleren van bestedingen Stimuleren van directe boekingen, minder via intermediairs Benchmark ondernemers en bestemmingen

Kennisvragen ondernemers Motivatie en beleving Waarom doen mensen wat ze doen / waarom komen mensen? (in verschillende omstandigheden) Waarom komen mensen niet? Wat vinden ze van de regio / mijn bedrijf? Profiel van de gast Wie is onze gast? Kunnen we doelgroepen / marktsegmenten bepalen?

Kennisvragen ondernemers Gedrag Wat doen mensen als ze in de regio verblijven? Oriëntatiefase: hoe zoekt men info, welke kanalen zijn effectief? Boekingsfase: welke kanalen gebruikt men? Bestedingen Hoe veel geld geeft men uit en waaraan? Wat is het verband tussen uitgaven en gedrag / gastprofiel? Wat is het budget van gasten?

Big data – stap 2

Zeer arbeidsintensief: met usb-stick naar 40 MKB-ondernemers: boekingsgegevens, kassagegevens, website statistieken, Facebook statistieken, reviews, gastonderzoeken VVV Zeeland: website statistieken en Facebook data Reviews van websites als Google, Zoover etc. Gemeenten: data wifi hotspots, parkeertransacties Bestaande consumentenonderzoeken toerisme Data verzamelen

Big data – stap 3

BIG data Big data: volume en verscheidenheid Heel veel bestanden Veel verschillende bestandsformaten Zeer verschillende inhoud

BIG data

Focus fase 1 Kijkend naar data die in alle regio’s en landen beschikbaar is Focus op kennisvraag ‘Motivatie en beleving’ gebruikmakend van kwalitatieve data (teksten) = vooral reviews Op de achtergrond wat experimenten door studenten met kwantitatieve data om inzicht te krijgen in gedrag

Kwalitatieve analyse reviews locatie personeel camping welkom strand kinderen hotel eten camping eigenaar 17

Hoe werkt het? Label reviews van een bedrijf naar locatie en regio’s Bekijk waarover mensen praten, per regio Zoek de meestgenoemde woorden Selecteer woorden die relevant zijn voor onze kennisvragen Maak een netwerkje van gerelateerde woorden: concepten Tel hoe vaak elk concept genoemd wordt

watersport-liefhebber Hoe werkt het? Watersport watersport-liefhebber watersporters watersporter watersporten Varen Zeilen Zeilboot windsurfers kitesurfen surfers surfen surf Grondzeil Verzeilden Rondvaart Ooievaar De reviews zijn gelabeld met de locatienaam (SME). Die locatienaam is vervolgens gekoppeld aan de bijbehorende plaatsnaam. In het geval van Zeeland is de plaatsnaam vervolgens gekoppeld aan het gebied. Daarna is geanalyseerd welke termen, voor een bepaald gebied vaak voorkwamen. Van de meest voorkomende termen is een selectie gemaakt voor kandidaten voor de concepten. Immers, als de term “Gefeliciteerd” vaak voor komt heeft het waarschijnlijk geen zin hier een concept van te maken. Maar als een term “winkel” vaak voor komt wel. Op deze manier zijn een aantal concepten gedefinieerd, zoals “Eten” (“Food”). Vervolgens is gekeken of die concepten konden worden uitgebreid met overeenkomstige termen. Dat is gedaan door te zoeken met wildcards, zoals “*winkel*”. Dan vind je een setje met aan (in dit geval) “winkel” overeenkomstige termen. Van dat setje is gekeken welke wel gerelateerd zijn en welke niet. Zo is de term “winkelcentrum” wel gerelateerd aan winkel, maar de term “winkelhaak” niet. Tenminste in de context van PROFIT. Op deze manier is, via een verkennende analyse, een minimum set met concepten, die een rol spelen gevonden. Er is daarna geteld hoe vaak het concept (dus het oorspronkelijke woord en de overeenkomstige termen samen) in de reviews voorkomt. Concepten met de hoogste frequentie zijn op het kaartje geplot. Vertellen we dat we de analyse op deze manier hebben gedaan of maken we er een schema van? 19

Concepten gerelateerd aan gedrag Tot nu toe is gesproken over concepten. Maar we zijn natuurlijk geïnteresseerd in het gedrag. Dus, de voorgaande analyses zijn ook gedaan voor concepten die iets zeggen over gedrag. Dus is bijvoorbeeld “Fiets” als concept gedefinieerd en zijn er via “*fiets*” overeenkomstige termen bij gezocht. Evenzo voor andere concepten. Wat zouden we kunnen doen in cycle 2 van deze analyse? de ondernemers maken zelf concepten, of we helpen ze daarbij en voeren dan de analyse uit als dit bevalt kunnen we in het dash board bijvoorbeeld inbouwen dat ze zo’n concept uploaden en kijken wat de analyse zegt We zoeken een bestaande toerisme ontologie, halen daar concepten uit en kijken hoe goed die passen Immers, bovenstaande is helemaal niet compleet, of wellicht niet representatief. Je ziet bijvoorbeeld dat watersport / varen ontbreekt. Komt dus klaarblijkelijk minder voor in de reviews?? 20

Benchmark regio vs plaats eiland: Schouwen Duiveland plaats: Renesse Natuurlijk kunnen we dit ook detailleren. 21

Benchmark regio vs plaats En, in dat geval kun je weer gaan benchmarken t.o.v. de rest … 22

Benchmark regio vs plaats plaats: Oostkapelle regio: Walcheren Natuurlijk kunnen we dit ook detailleren. 23

Benchmark regio vs plaats En, in dat geval kun je weer gaan benchmarken t.o.v. de rest … 24

Benchmark regio vs plaats regio: Zuid Beveland plaats: Goes Natuurlijk kunnen we dit ook detailleren. 25

Benchmark regio vs plaats En, in dat geval kun je weer gaan benchmarken t.o.v. de rest … 26

Resultaten: sentiment analyse Algemeen: 90% van alle teksten is positief Klein percentage negatieve teksten, dus dit wordt bijna niet zichtbaar Inzoomen op positief of juist negatieve teksten is mogelijk 27

Samenvatting teksten Zuid-Beveland Positief sentiment Mooie ruime kamer , lekker ontbijt , vriendelijk personeel. Mooi restaurant met gezellige bediening en gewoon goed eten. Super hotel, prima locatie en lekker ontbijt en lekkere diner. Negatief sentiment Ontbijt, stijl van het hotel Kleine kamer op gelijkvloers. Ontvangst slecht, service slecht, kamer klein, badkamer erg krap. Lang wachten, koud eten en slechte onvriendelijke bediening/gastvrouw. Daartegen kun je de positieve zetten. 28

Resultaten: benchmark scores Sommige reviewwebsites vragen om scores voor verschillende aspecten, daarmee kun je benchmarken tussen bedrijf en regio

Data analyse: experimenten ZeelandPas gebaseerd op transacties met de ZeelandPas dataset is incompleet, niet alle transacties worden geregistreerd experiment om te segmenteren op basis van gedrag per regio, biedt leuke inzichten, maar veel meer data nodig analyse van ‘combinatie van activiteiten’ is mogelijk, maar nog onvoldoende betrouwbaar op Zeeuws niveau

Data analyse: experimenten ZeelandPas - segmentatie doelgroepen

Data analyse: experimenten ZeelandPas geografisch gebruik

Data analyse: experimenten ZeelandPas

Data analyse: experimenten parkeertransacties

Data analyse: experimenten parkeertransacties vs. zonuren

Big data: huidige situatie Meningen vs Feitelijk gedrag Data vanuit reviews Zeer diverse data Inzicht in ervaring gast Lastig om te verzamelen Inzicht in tevredenheid gast Noodzakelijk voor Indicatie motieven beantwoorden Indicatie gedrag kennisvragen

Continue dialoog met ondernemers over uitkomsten en vervolg Meningen: verdieping en verfijning van analyse, met name op bestemmingsniveau afspraken maken met review websites over gebruik data ontwikkelen van tool die analyses gebruiksvriendelijk ontsluit Vervolgstappen

Vervolgstappen Mijn droom Verzamelen van transactiedata van veel bedrijven in 1 systeem Data toevoegen over omstandigheden: weer evenementen actualiteiten Een systeem bouwen met: inzicht in historische data over transacties per datum Inzicht in omstandigheden per datum

Vervolgstappen Tijdlijn met transacties en omstandigheden benchmark intern - hoe deed mijn bedrijf het op dag X? - betekenis van omstandigheden voor mijn bedrijf? benchmark extern - hoe deed mijn bedrijf het op dag X ten opzichte van het gemiddelde in mijn regio? relaties tussen bedrijven

Vervolgstappen Wat is nodig om mijn droom te realiseren? Bruikbare informatie: betrouwbaar, uniform, compleet Automatische verzameling = geen usb-sticks, geen uploads, bij voorkeur automatisch gedeeld met ons Bijvoorbeeld: nieuw apparaatje voor uitlezen kassa-data (Impuls Zeeland)

Vragen?

Dank voor uw aandacht!