Posts Tagged ‘boek’

Beveiligingexpert waarschuwt voor datalek bij betaaldienst Mollie

Posted 06 dec 2017 — by Emerce
Category nieuws

Een onderzoeker van TUNIX Digitale Security claimt dat hij een enorm datalek bij de Nederlandse betaaldienst Mollie ontdekt heeft.

Door een beveiligingsfout bij de export van transacties van een bedrijf, werden niet alleen de transacties van de desbetreffende klant, maar de transacties van alle klanten getoond. Informatie over bestellingen, overboekingen, naw-gegevens en rekeningnummers ‘liggen op straat’.

TUNIX zegt contact te hebben opgenomen met Mollie, maar daar bleek men niet in staat om aan te geven wie bij Mollie de functie van Privacy Officer of Security Officer vervult en kon ook niet met deze functionaris doorverbinden. Daarom heeft beveiligingsexpert Ronald Pikkert het lek zelf maar naar buiten gebracht.

TUNIX onderzoekt en bewaakt 7×24 uur de beveiliging van haar klanten, ‘maar het is uitzonderlijk dat we een dergelijke wagenwijd openstaande deur tegenkomen’.

Mollie heeft het datalek inmiddels ook erkend, maar het zou gaan om enkele tientallen klanten (webwinkeliers) die een boekhoudbestand hebben gedownload met daarin betaalgegevens van zowel de klant zelf als enkele andere klanten van Mollie. ‘Terstond nadat deze fout bekend werd bij Mollie, is het proces gecorrigeerd.’



Lees het volledige bericht op Emerce »

iDEAL nu officieel betaalmiddel voor Google Play Store

Posted 06 dec 2017 — by Emerce
Category nieuws

Google rolt vandaag officieel iDEAL uit als betaalmiddel in de Google Play Store. Apps, games, boeken, films en muziek kunnen voortaan makkelijker worden betaald, via de bank naar keuze.

In mei konden al enkele Nederlanders betalen met iDEAL in de Play Store.

Lange tijd kon in de Play Store, de appwinkel voor Android, alleen worden betaald met creditcard of PayPal. Beide betaalmethodes zijn in Nederland echter niet erg populair. Ook was het mogelijk om te betalen met tegoedkaarten die in de winkels verkocht werden.

Na aankoop van een app kan de gebruiker de betaling ook direct terugvinden in het rekeningoverzicht.



Lees het volledige bericht op Emerce »

Verschillende AI-technieken: welke zijn er en hoe werken ze? (2/5)

Posted 06 dec 2017 — by Emerce
Category nieuws

In dit tweede deel uit een vijfdelige serie over AI zullen we de volgende fundamentele AI-technieken gaan bespreken: Heuristics, Support Vector Machines, neurale netwerken, het Markov beslissingsproces en natuurlijke taalverwerking. In het eerste deel legden we de meest gebruikte definities van AI uit.

Heuristieken

Stel dat we munten hebben van de volgende waardes: 5, 4, 3 en 1 cent. We moeten berekenen hoeveel munten we minimaal nodig hebben om op 7 cent uit te komen. De techniek die we gebruiken om dit probleem op te lossen, noemen we ‘Heuristiek’.

Het Amerikaanse woordenboek Webster definieert de term ‘Heuristiek’ als volgt: het betrekken van of als hulpmiddel dienen bij het leren, ontdekken of oplossen van problemen door gebruik te maken van experimentele en voornamelijk proefondervindelijke methoden. In de praktijk betekent dit dat wanneer het te moeilijk wordt om met exacte deterministische methodes de best mogelijke oplossingen te vinden voor problemen, heuristiek als een van de probabilistische methodes de mogelijkheid biedt om een praktische methode toe te passen waarmee een oplossing bij benadering gevonden kan worden. Een oplossing die weliswaar niet noodzakelijk optimaal is, maar die in de juiste richting kan wijzen.

Voor sommige problemen kan toegepaste heuristiek ontworpen worden om een patroon binnen het probleem te vinden. Een voorbeeld van toegepaste heuristiek voor het eerder vermelde probleem is ‘hebzuchtige heuristiek’ ook wel “greedy heuristic” genoemd. We spreken van hebzuchtige heuristiek als we altijd kiezen voor de grootst mogelijke denominatie en hiermee doorgaan tot we de gewenste waarde van 7 krijgen. In ons voorbeeld betekent dit dat we beginnen met de munt van 5 cent. Voor de overige twee centen is de grootste denominatie die we kunnen kiezen 1 cent. We komen nu nog 1 cent te kort en om dit op te lossen gebruiken we weer een munt van 1 cent.

De hebzuchtige heuristiek heeft ons een oplossing gegeven van 3 munten (5, 1, 1) om tot de waarde van 7 cent te komen. Er bestaat natuurlijk een betere oplossing waarbij we slechts twee munten gebruiken, namelijk de munten van 3 en 4 cent. De hebzuchtige heuristiek biedt niet de beste oplossing voor dit specifieke probleem, maar in de meeste gevallen zal het resultaat acceptabel zijn.

Behalve toegepaste heuristiek voor specifieke problemen, bestaat er ook algemene heuristiek. Net zoals bij neurale netwerken zijn een aantal voorbeelden van algemene heuristiek gebaseerd op processen in de natuur. Twee voorbeelden van dergelijke algemene heuristiek zijn o.a. zwermintelligentiesystemen zoals mierenkolonie-optimalisatie of genetische algoritmes. Het eerste voorbeeld is gebaseerd op hoe eenvoudig mieren samenwerken om samen complexe problemen op te lossen. Het tweede voorbeeld is gebaseerd op het principe waarbij het recht van de sterkste geldt.

Een typisch probleem waarbij heuristiek wordt toegepast om snel acceptabele oplossingen te vinden is rit- en routeplanning. Hierbij is het doel om routes te vinden voor een of meerdere voertuigen die een aantal locaties bezoeken.

Support Vector Machines

De vraag of een e-mail spam of geen spam is, is een voorbeeld van een classificatieprobleem. In dit soort problemen wil men bepalen of een bepaald datapunt tot een bepaalde klasse behoort of niet. Na eerst een classificatiemodel te trainen op datapunten waarbij de classificatie bekend is (bijvoorbeeld een reeks e-mails die gemarkeerd zijn als spam of die juist geen spam zijn), kunnen we dit model daarna gebruiken om de classificatie van nieuwe, onbekende datapunten te bepalen. Een krachtige techniek voor dit soort problemen heet Support Vector Machines (SVM).

De kerngedachte achter SVM is dat je probeert de grenslijn te vinden die de twee klassen scheidt, maar op zo’n manier dat de grenslijn zorgt voor maximale afscheiding tussen deze klassen. Om dit duidelijk te maken gebruiken we de onderstaande eenvoudige gegevens voor ons classificeringsprobleem:

In dit voorbeeld stellen de groene cirkels en de rode vierkanten twee verschillende segmenten voor van het totaal aan klanten (bijvoorbeeld klanten met hoge potentie en klanten met lage potentie), waarbij dit geheel gebaseerd is op allerlei soorten eigenschappen voor iedere klant. Elke lijn die de groene cirkels scheidt van de rode vierkanten wordt beschouwd als een geldige scheidingslijn voor het classificatieprobleem. Er bestaat een oneindig aantal van dit soort lijnen die getekend kunnen worden. Er worden hieronder vier verschillende voorbeelden getoond:

Zoals eerder werd aangegeven, helpt SVM met het vinden van de scheidingslijn die de scheiding tussen de twee klassen optimaliseert. In het gegeven voorbeeld kan dit als volgt worden weergegeven:

De twee gestippelde lijnen zijn de twee parallelle scheidingslijnen waar de grootste ruimte tussen zit. De daadwerkelijke classificeringsscheiding die gebruikt wordt, is de ononderbroken lijn die zich precies in het midden van de twee gestippelde lijnen bevindt.

De naam Support Vector Machine is afkomstig van de datapunten die zich precies op een van deze lijnen bevinden. Deze lijnen zijn de supporting vectors. In ons voorbeeld waren er drie supporting vectors.

Als een van de andere datapunten (d.w.z. datapunten die geen supporting vector zijn) een beetje wordt verschoven, zal dit geen invloed hebben op de gestippelde lijnen. Als echter de positie van een van de supporting vectors enigszins wordt veranderd (datapunt 1 wordt bijvoorbeeld een stukje naar links verplaatst), dan zal de positie van de gestippelde scheidingslijnen veranderen en daarmee ook de positie van de ononderbroken classificatielijn.

In de werkelijkheid zijn de datapunten niet zo eenvoudig te scheiden als in dit simpele voorbeeld. Normaal gesproken zijn meer dan twee dimensies betrokken bij de analyse. Behalve rechte scheidingslijnen is SVM in staat om berekeningen uit te voeren die resulteren in niet-lineaire scheidingslijnen. Hiermee kan SVM ook niet lineaire problemen redelijk goed classificeren.

Classificeringsmodellen van een SVM worden ook gebruikt in beeldherkenning, bijvoorbeeld gezichtsherkenning, of wanneer handgeschreven tekst wordt omgezet in getypte tekst.

Kunstmatige neurale netwerken

Dieren en mensen kunnen (o.a. visuele) informatie uit hun omgeving verwerken en zich aanpassen aan de verandering. Voor dit soort gedrag gebruiken ze hun zenuwstelsel. Het zenuwstelsel van de dieren kan gemodelleerd en nagebootst worden en het zou mogelijk moeten zijn om soortgelijk gedrag na te bootsen of te genereren in kunstmatige systemen. Kunstmatige neurale netwerken (Artificial Neural Networks, ANN) kunnen worden omschreven als verwerkingsapparaten die gebaseerd zijn op de neurale hersenstructuur. Het grootste verschil tussen de twee is dat ANN misschien honderd tot duizend neuronen heeft, terwijl de neurale hersenstructuur van een dier of mens er miljarden heeft.

Figuur 4: Grafische representatie van een biologische neuron (links) en een kunstmatige neuron (rechts)

Het basisprincipe van een neurale structuur is dat elke neuron met een bepaalde sterkte aan andere neuronen verbonden is. Gebaseerd op de inputs die worden genomen van de output van andere neuronen (waarbij ook rekening wordt gehouden met de verbindingskracht), wordt er een output gegenereerd die weer gebruikt kan worden als input door andere neuronen, zie Figuur 4 (links). Dit eenvoudige idee is vertaald naar een kunstmatig neuraal netwerk waarbij gebruik wordt gemaakt van gewichten die de sterkte van de verbinding tussen neuronen weergeeft. Bovendien neemt elke neuron de output van de verbonden neuronen als input en gebruiken ze een wiskundige functie om diens output te bepalen. Deze output wordt dan weer gebruikt door andere neuronen.

In het biologische brein wordt leren tot stand gebracht door de verbinding tussen verschillende neuronen te versterken of te verzwakken, terwijl in ANN leren tot stand wordt gebracht door het gewicht tussen de neuronen te veranderen. Door het neurale netwerk een groot aantal sets trainingsdata met bekende eigenschappen te geven, kunnen we berekenen wat de beste gewichten zijn tussen de kunstmatige neuronen, zodat het neurale netwerk de eigenschappen optimaal herkend.

De neuronen van het ANN kunnen worden gestructureerd in verschillende lagen. Figuur 5 geeft een overzichtelijk schema weer van dit soort lagen. Het netwerk bevat een inputlaag waarin alle inputs worden ontvangen en verwerkt, en vervolgens omgezet worden naar outputs voor de volgende lagen. De verborgen lagen bevatten een of meerdere lagen van neuronen die elk door inputs en outputs gaan. Uiteindelijk ontvangt de outputlaag de inputs van de laatste verborgen laag en zet de outputlaag de inputs om in de output voor de gebruiker.

Figuur 5: Schematische weergave van een verbonden ANN

Figuur 5 geeft een voorbeeld weer van een netwerk waarin alle neuronen in een laag verbonden zijn met alle neuronen in de volgende laag. Zo’n netwerk wordt volledig verbonden genoemd. Afhankelijk van het soort probleem dat je wilt oplossen, zijn er verschillende verbindingspatronen beschikbaar. Voor beeldherkenning worden normaal gesproken convolutienetwerken (convolutional networks) gebruikt, waarin enkel neuronen van één laag verbonden zijn met groepen neuronen in de volgende laag. Voor spraakherkenningsdoeleinden worden normaal gesproken teruggekoppelde netwerken (recurrent networks) gebruikt waarin neuronen in een latere laag in een loop terug kunnen gaan naar een eerdere laag.

Markov beslissingsproces

Een Markov beslissingsproces (Markov Decision Process, MDP) is een raamwerk voor besluitvormingsmodellen waar in sommige situaties het resultaat gedeeltelijk wordt gebaseerd op de input van de besluitvormer. Een andere toepassing waar MDP gebruikt wordt is optimale planning. Het fundamentele doel van een MDP is het vinden van een beleid voor de besluitvormer waarin wordt aangegeven in welke toestand welke specifieke actie ondernomen moet worden. Een MDP-model bestaat uit de volgende onderdelen:

  • Een set van mogelijke toestanden: dit kan bijvoorbeeld verwijzen naar een rasterwereld van een robot of de staat waarin een deur verkeerd (open of dicht).
  • Een set van mogelijke acties: een vastgestelde set van handelingen die een robot bijvoorbeeld kan nemen, zoals naar het noorden, oosten, zuiden of westen gaan. Of, in het geval van een deur, het open en dicht doen.
  • Overgangskans: dit is de waarschijnlijkheid dat de ene toestand naar de andere overgaat. Bijvoorbeeld: wat is de waarschijnlijkheid dat de deur dicht is nadat de handeling van het dichtdoen van de deur is uitgevoerd?
  • Beloningen: deze worden direct gebruikt bij de planning. Bijvoorbeeld: een robot kan naar het noorden toe willen gaan om zijn bestemming te bereiken. Het daadwerkelijk naar het noorden gaan zal resulteren in een hogere beloning.

Zodra de MDP vastgesteld is, kan er een beleid worden getraind door gebruik te maken van “waarde-iteratie” of “beleidsiteratie”. Deze methoden worden gebruikt om de verwachte beloningen te berekenen voor elk van deze toestanden. Het resulterende beleid levert dan van elke toestand de beste actie die genomen kan worden.

Om een voorbeeld te geven zullen we een raster maken dat een ideale, beperkte wereld voor een robot voorstelt. Dit voorbeeld wordt weergegeven in Figuur 6.

Figuur 6: Voorbeeld – roosterwereld van een robot

De robot kan van elke positie in het raster (toestand) in vier richtingen bewegen (actie): noord, oost, west en zuid. De waarschijnlijkheid dat de robot naar de gewenste richting gaat is 0,7 en 0,1 als het naar een van de overige drie richtingen gaat. Een beloning van -1 (bijvoorbeeld een strafpunt) wordt gegeven als de robot tegen een muur stoot en als hij niet beweegt. Er zijn tevens bijkomende beloningen en straffen als de robot cellen bereikt die respectievelijk groen en rood gekleurd zijn. Gebaseerd op de waarschijnlijkheid en de beloningen kan er een beleid (functie) gemaakt worden door de oorspronkelijke en laatste toestand te gebruiken.

Een ander voorbeeld waarin gebruik wordt gemaakt van MDP is het probleem van voorraadplanning – een voorraadbeheerder  of manager moet bepalen hoeveel eenheden elke week besteld moeten worden. De voorraadplanning kan gemodelleerd worden als een MDP, waar de toestanden beschouwd kunnen worden als een positieve inventaris en tekorten. Mogelijke acties zijn bijvoorbeeld het bestellen van nieuwe eenheden of het verwerken van de achterstand voor de aankomende week. Beloningen – of in dit geval, kosten – zijn normaal gesproken bestelkosten voor eenheden en inventariskosten.

Natuurlijke taalverwerking

Natural Language Processing ofwel NLP wordt gebruikt om te verwijzen naar alle technieken die te maken hebben met natuurlijke taalverwerking; van spraakherkenning tot taalgeneratie, waarbij elk van deze onderdelen een andere techniek vereist. Een aantal van de belangrijke technieken zullen hieronder uitgelegd worden, bijvoorbeeld Part-of-Speech tagging, Named Entity Recognition en Parsing.

Laten we de volgende zin eens nader bekijken: ‘John hit the can’ (Jan aait de hond). Een van de eerste stappen van NLP is lexicale analyse, waarbij gebruikt wordt gemaakt van Part-of-Speech (PoS) tagging. Met deze techniek wordt elk woord gemarkeerd om een overeenkomst te vinden met een categorie woorden die vergelijkbare grammaticale eigenschappen hebben. Hierbij wordt uitgegaan van de relatie van dat woord met aansluitende en gerelateerde woorden. Niet alleen woorden worden gemarkeerd, maar ook alinea’s en zinnen.

Part-of-Speech tagging wordt hoofdzakelijk uitgevoerd met statistische modellen die leiden tot probabilistische resultaten in plaats van deterministische “wat-als”-regels en wordt daarom gebruikt voor het verwerken van onbekende tekst. Ook kunnen deze statistische modellen omgaan met de mogelijkheid dat er in plaats van slechts één antwoord meerdere antwoorden mogelijk zijn; een techniek die vaak gebruikt wordt voor het markeren is het Hidden Markov-model (HMM).

Een HMM is vergelijkbaar met het Markov beslissingsproces, waar elke toestand een gedeelte is van de uiting en de uitkomst van het proces de woorden in de zin zijn. Een HMM ‘herinnert zich’ de volgorde van de woorden die vooraf gingen. Hierdoor kunnen zij beter inschatten welk deel van de uiting (Part-Of-Speech) een woord is. In het eerder genoemde voorbeeld is het waarschijnlijker dat het woord “dog” in “hit the can” een zelfstandig naamwoord is dan een werkwoord. Het eindresultaat is dat de woorden als volgt gemarkeerd zijn: ‘John” als zelfstandig naamwoord (Engels: noun, N), ‘hit’ als werkwoord (Engels: verb, V), ‘the” als determinator (Engels: determiner, D) en ‘can’ tevens als zelfstandig naamwoord (N).

Named Entity Recognition of NER is vergelijkbaar met POS-tagging, maar in plaats van het markeren van woorden met de functie die zij innemen in een zin (POS), worden de woorden gemarkeerd met het soort entiteit dat zij voorstellen. Deze entiteiten kunnen bijvoorbeeld personen, bedrijven, tijd of locatie zijn. Maar ook meer gespecialiseerde entiteiten zoals gen of proteïne. Hoewel een HMM ook gebruikt kan worden voor NER is de aangewezen techniek voor NER een Recurrent Neural Network (RNN). Een RNN is een van de type neurale netwerken zoals al eerder besproken werd, maar dit netwerk neemt sequenties als input (een aantal woorden in een zin of complete zinnen) en herinnert zich de output van de vorige zin. In de zin ‘John hit the can’ zal RNN het woord John herkennen als de entiteit ‘persoon’.

Een laatste techniek om te bespreken is Parsing (syntactische analyse) – het analyseren van de grammatica en de manier waarop de woorden worden geordend zodat de relaties tussen woorden duidelijk zijn. De Part-of-Speech-tag van de lexicale analyse wordt gebruikt en daarna ingedeeld in kleinere gedeeltes die dan weer gecombineerd kunnen worden met andere zinnen of woorden om een iets langere zin te maken. Dit wordt herhaald totdat het doel is bereikt: elk woord in de zin is gebruikt. De regels over hoe de woorden kunnen worden ingedeeld noemt men grammatica en kan er als volgt uitzien: D+N=NP waar D voor determinator staat en N voor zelfstandig naamwoord. Samen wordt het beschouwd als een naamwoordgroep. Het uiteindelijke resultaat wordt weergegeven in onderstaande figuur.

Bovenstaande toepassingen zijn geen toekomstmuziek. Een combinatie daarvan wordt reeds gebruikt binnen de zes AI-projecten van Deloitte, waaronder de automatisch gegenereerde Risk- en Strategierapporten van DeloitteSmartReports.com. AI wordt tevens gebruikt om de kwetsbaarheden binnen digitale omgevingen bloot te leggen middels de Security Quickscan, die binnen een minuut een volledig beeld van de veiligheid van je website geeft.

Conclusie

De technieken die gebruikt worden binnen het domein van kunstmatige intelligentie zijn eigenlijk enkel geavanceerde vormen van statistische en wiskundige modellen. Als al deze modellen slim in elkaar gezet worden, kunnen ze ons de tools aanbieden om taken te berekenen die we voorheen zouden beschouwen als enkel weggelegd voor mensen. In volgende blogs zullen we dieper ingaan op zakelijke toepassingen, enkele geassocieerde technologische trends en de vijf belangrijkste risico’s en zorgen.

*) Lees ook Deel 1: De meest gebruikte terminologie binnen AI.
**) Dit artikel is geschreven in samenwerking met Titus Sloet tot Everlo & Hicham el Bouazzaoui.



Lees het volledige bericht op Emerce »

Vakantiepiraten.nl test nieuwe look

Posted 06 dec 2017 — by Emerce
Category nieuws

Bij de website van het jaar-verkiezing is Vakantiepiraten.nl voor het derde jaar op rij uitgeroepen tot beste website in de categorie Vakantie & Toerisme. Toch is de dealsite een nieuwe look aan het AB-testen. “We zijn volledig mobile-first geworden.” 

Vanuit Berlijn, Londen, Lyon, Sevilla, Boston en Belgrado worden de tien markten van HolidayPirates door tweehonderd mensen dagelijks op de hoogte gebracht van reisdeals. Voor de Nederlandse markt speuren zes mensen online naar aanbiedingen en zorgen voor de verspreiding daarvan, vertelt Jeroen Van Boxem, Chief Online Editor. “In totaal hebben we 9 miljoen Facebookfans. We geven geen cijfers over subsites, maar we zijn in 2014 met Nederland gestart en het loopt goed.”

Wat is jullie verdienmodel?

“Het begon vooral met affiliate inkomsten, maar nu gaan we meer richting media fees. Daarnaast hebben we ads op de website en recent lanceerden we ons white label zonvakanties.vakantiepiraten.nl. Kwaliteit komt altijd eerst maar dankzij deze media fees kunnen we exclusieve deals afspreken met partners.”

Vanwaar de nieuwe look?

“We hebben net een nieuwe frontend gelanceerd met een mobile-first focus. Het oogt rustiger en de mogelijkheid om via WhatsApp of e-mail onze deals te ontvangen is overzichtelijker gepresenteerd. Verder hebben we de content die voorheen aan de zijkant stond weggelaten. Uit AB-tests blijkt dat bezoekers deze opzet beter waarderen. Slechts 1 procent klikte verder op de opties aan de zijkant, het leidde eerder af dan dat het voor een positieve ervaring zorgde.”

Jeroen Van Boxem, Vakantiepiraten.nl

Wat opvalt, is dat je niet op budget kunt zoeken, terwijl jullie je toch op prijsbewuste reizigers richten. Staat dat op de roadmap?

“Nee, daar veranderen de prijzen te snel voor. Het is lastig om correct te filteren als de prijzen fluctueren dus om irritatie bij de gebruiker te voorkomen, is het niet mogelijk om op budget te zoeken. Wel is het in de app mogelijk om reisalarmen in te stellen. Zo krijgen gebruikers telkens een notificatie wanneer er een deal is naar hun favoriete bestemming voor een bepaalde prijs. Op zonvakanties.vakantiepiraten.nl is het overigens wel mogelijk om een reis voor een bepaald budget te zoeken.”

Hoe stellen jullie het aanbod samen?

“We zoeken alle websites en blogs af van reisbedrijven. We hebben daarnaast de technologie om goede vluchten te vinden. Kwaliteit staat zoals gezegd voorop: we plaatsen alleen deals die we zelf ook zouden willen boeken. Ook werken we samen met touroperators die ons bereik willen benutten om een aanbieding onder de aandacht te brengen. We verzamelen de content dus op verschillende manieren. Bij ons gaat het allemaal handmatig, behalve de data en vluchtprijzen die worden via algoritmen gevonden. Maar vervolgens selecteren, schrijven en plaatsen we de aanbieding zelf. Of automatiseren op de agenda staat? Nee. Wij vinden onze persoonlijke touch juist een concurrentievoordeel.”

Grootste irritatie is natuurlijk dat een mooie aanbieding niet meer te boeken valt. Hoe gaan jullie daarmee om?

“Het is inderdaad spijtig dat goedkope deals snel uitverkocht raken. Als iets niet meer beschikbaar is, halen we de aanbieding zo snel mogelijk van de site af. Vaak doen we dat na feedback van een klant. Bij vluchten is het lastiger – die prijzen veranderen razendsnel en daardoor zijn teleurstellingen moeilijk te voorkomen.”

Jullie versturen de deals via e-mail maar ook via WhatsApp. Waarom?

“Onze doelgroep is heel jong en Facebook is daardoor een belangrijk kanaal voor ons. WhatsApp is natuurlijk even interessant als platform, gezien het feit dat het de hele dag door wordt gebruikt. Daarom is het mogelijk om via WhatsApp een keer per week de drie beste deals te ontvangen of elke avond de deal van de dag. Op die manier verwachten we onze doelgroep beter te bereiken. De reacties zijn in elk geval positief.”

Is het ook mogelijk om vragen te stellen via WhatsApp zoals bijvoorbeeld bij Transavia?

“Dat kan wel, maar het is niet de bedoeling. Ook bij WhatsApp geldt: we zetten zelf de aanbiedingen klaar en versturen die. Dat is geen chatbot. Er komen weleens vragen binnen van mensen, die zien we uiteraard en handelen we bewust af via e-mail. Het is namelijk niet onze bedoeling om WhatsApp als klantenservicekanaal in de markt te zetten.”



Lees het volledige bericht op Emerce »

Booking.com zet acceleratorprogramma voort in 2018

Posted 05 dec 2017 — by Emerce
Category nieuws

Booking.com gaat in 2018 door met het Booking Booster Programma, een accelerator voor start-ups. Verder kondigt de boekingssite twee nieuwe initiatieven aan die ontwikkelingen in duurzaam toerisme moeten stimuleren. Hiervoor stelt Booking 4 miljoen euro beschikbaar.

Booking Booster houdt in dat de reissite een kleine groep sociale ondernemingen die zich richten op toerisme uitnodigen voor een acceleratorprogramma waarmee ze hun businessplan kunnen opschalen. Uiteindelijk kunnen ze een prijs winnen van maximaal 500.000 euro. Inschrijven kan hier.

Booking Labs is bedoeld voor start-ups in duurzaam toerisme die net zijn begonnen. Tijdens een weekend worden voor tien tot vijftien bedrijfjes workshops en lezingen gehouden waarmee ze inzichten, tools en vaardigheden verkrijgen die nodig zijn om te kunnen groeien. Aan het einde van het weekend geven ze een pitch en kunnen ze 10.000 tot 25.000 euro winnen. Het eerste Booster Lab-weekend heeft net plaatsgevonden in Barcelona en het volgende staat gepland voor 1 tot 3 maart 2018 in Tel Aviv.

Het Booking Cares Fonds omvat 2 miljoen euro die Booking beschikbaar stelt aan non-profitorganisaties ‘met disruptieve potentie in duurzaam toerisme’. De kandidaten hebben baanbrekende, innovatieve projecten en zijn op zoek naar ondersteuning. Ambitieuze ideeën die het verschil kunnen maken worden beloond met fundings tussen de 100 euro en 250.000 euro. Inschrijven kan hier: Booking Cares Fonds.

 



Lees het volledige bericht op Emerce »

Airtrade breidt uit naar België

Posted 05 dec 2017 — by Emerce
Category nieuws

Technologiebedrijf Airtrade Holland BV breidt uit naar België en gaat daar dus haar producten ten aanzien van fulfilment en boeken in de markt zetten.

Het bedrijf is in oktober door de International Air Transport Association (IATA) geaccrediteerd voor de Belgische markt en heeft daarop een vestiging geopend in Antwerpen. Volgens Airtrade bestonden er al langer plannen voor expansie en heeft de toenemende vraag van België ertoe geleid dat deze concreet zijn gemaakt. Tegelijkertijd kunnen Nederlandse klanten hiermee gebruikmaken van tarieven uit de Belgische markt.

De volgende stap voor Airtrade Belgium is het aantrekken van een Belgische countrymanager die het Airtrade-merk moet gaan uitbouwen.

Airtrade lanceerde onlangs de Airtrade Hub, een platform dat vliegtarieven uit verschillende bronnen combineert tot een compleet overzicht.



Lees het volledige bericht op Emerce »

Expedia helemaal over op AWS

Posted 05 dec 2017 — by Emerce
Category nieuws

Alle internationale labels van het reisconcern Expedia gaan over op Amazon Web Services als basisinfrastructuur voor IT.

Expedia werkt al jaren op AWS maar maakte deze week bekend alle andere IT-systemen en clouddiensten te verlaten om zich helemaal op Amazon toe te leggen. De plukjes Microsoft SQL Server en Oracle worden ook verlaten.

De techneuten van het reisbedrijf kunnen zich zo helemaal toeleggen op één ecosysteem. Niet onbelangrijk daarbij is het gegeven dat Amazon veel investeert in kunstmatige intelligentie. Dat kan nieuwe, diepere inzichten opleveren in het gedrag van klanten en leveranciers. Dat omvat slim bieden op kenword in zoekmachines en natuurlijk ook contextueel relevante aanbevelingen doen nadat iemand een verblijf boekte.

In praktische termen, gekeken naar het nu, is Expedia op de cloud in staat om duizenden applicaties te draaien en updaten per dag. “Voordat we analytics bij AWS deden kostte het ons drie uur om de data van vijf dagen te analyseren. Nu kost het ons dertig seconden om zeven dagen te doen”, aldus CTO Tony Donohoe, van Brand Expedia Group.

Foto: Daria Nepriakhina (cc)



Lees het volledige bericht op Emerce »

CEO AdBirds: ‘Alles draait om Google’

Posted 02 dec 2017 — by Emerce
Category nieuws

AdBirds-oprichter Rens den Hollander kent de ins en outs van Google als geen ander. De relatie van zijn bedrijf met de techreus noemt hij symbiotisch. Met enkel ex-Google-mensen levert de organisatie wereldwijde support voor e-commerce. “We zetten de aanval in op de grote zes van de bureauwereld.”

Momenteel biedt Den Hollander met zo’n driehonderd mensen wereldwijde ondersteuning voor grote internationale klanten als Carhartt, Lacoste en Puma, alsook het Nederlandse Rituals. “Maar dan doen we wel hun zaken over de grens. Hier heb je wel duizend agencies die vaak hetzelfde doen.” Waarmee hij refereert aan de toplijstjes die ieder jaar worden gepubliceerd. “Dezelfde namen wisselen van positie. Wij hebben in de regio’s LATAM, APAC, MENA en EU lokaal onze mensen zitten. De combinatie van deze expertise en implementatiekracht ontbreekt bij de oude namen als Havas, IPG, Omnicom, Publicis, Dentsu en WPP. Zo concurreren we met deze zes grootste bureaus op aarde en niet met de Nederlandse bureaus.”

Filosofie
AdBirds startte zes jaar geleden. Tijdens zijn periode bij Google merkte Den Hollander dat veel kennis over de producten ontbrak bij de marketingbureaus. “Dat ze bijvoorbeeld niet goed kunnen werken met analytics en vaak verkeerde conclusies trekken uit de beschikbare data.”

Hij vindt niet dat de producten en diensten van Google te moeilijk zijn, maar ziet wel dat er specifieke kennis voor nodig is. “Ze worden bedacht door programmeurs. Die brengen iets op de markt en dan moeten bedrijven het maar uitzoeken. Daar komen wij in beeld om een vertaalslag te maken.”

Daarom werkt Den Hollander met louter ex-Google-werknemers. “De meesten willen na een paar jaar iets anders. Ze zijn slim, hebben een goede opleiding én hebben een kijkje in de keuken gehad.” Waarbij zij werknemers van internationale bedrijven in Google-kantoren wereldwijd of bij andere agencies trainen in het vergroten van hun e-commercebusiness. Met name door middel van juiste inzet van analytics, SEO en display advertising.
AdBirds heeft dan ook geen fysieke kantoren buiten Nederland, maar werkt met lokale mensen die zelf de klant bezoeken. “Zo kunnen we blijven werken volgens onze filosofie. Veel andere bureaus zeggen dat ze ook over de grens werken, maar dat zijn altijd whitelabels. Dan zit je er dus niet écht. Door te werken met de lokale partners ken je de lokale e-commercebusiness goed. En kunnen we er actief zijn zonder dat we kantoren in alle landen hoeven te hebben.”

Monopolie
Belangrijk aandachtspunt van AdBirds is dat alles meetbaar moet zijn. “Waarom zou je een grote campagne doen op televisie? Hoe meet je daar het effect? We kunnen tegenwoordig zoveel inzichtelijk maken, dat je gek bent als je niet alles zo goed mogelijk meet.” Volgens Den Hollander is zijn bedrijf daarin anders dan ‘the same old’. “Wij sturen echt op resultaat, en als we geen resultaat boeken, mag je op ieder moment van ons af. No cure, no pay.”

Dat de relatie met Google en zijn bedrijf hecht is, erkent Den Hollander. “We werken echter ook voor andere zoekmachines in lokale markten. Zoals Yahoo in Japan, Yandex in Rusland of Naver voor Zuid-Korea. Maar de hegemonie van Google zal niet doorbroken worden en zelfs wel groter kunnen worden.”

Toch is hij niet bang voor een monopolie. “De slimste mensen van de wereld werken daar en ze hebben een onbeperkt budget. Als ze het niet kunnen bedenken, dan kopen ze het wel. Dat is bijna niet meer in te halen door een andere partij. Klopt, ik ben een groot fan. De cijfers geven me ook steeds gelijk.”

* Dit artikel verscheen eerder in het novembernummer van Emerce magazine (#162).

Foto: Frank Ruiter (in opdracht van Emerce)



Lees het volledige bericht op Emerce »

Goedheiligman kocht voor 358 miljoen euro online

Posted 02 dec 2017 — by Emerce
Category nieuws

In de vijf weken voorafgaand aan pakjesavond heeft de goedheiligman 358 miljoen euro online aan sinterklaasproducten besteed, 31 procent meer dan vorig jaar. Dat maakte branchevereniging Thuiswinkel.org zaterdag bekend.

Tussen 1 november en 5 december lag de gemiddelde weekomzet mede dankzij Sinterklaas 31 procent hoger dan het gemiddelde, namelijk 302,6 miljoen euro. Wanneer de reguliere omzet en de extra bestedingen aan sinterklaasproducten bij elkaar worden geteld, komt de online omzet zelfs uit op 1,51 miljard. Ook dat is fors hoger, namelijk 19 procent, dan vorig jaar.

Ook dit jaar deden Nederlanders hun feestdagenaankopen eerder in het jaar. Nederlandse acties rond Black Friday en Cyber Monday eind november hebben daartoe zeker bijgedragen, zegt Thuiswinkel.org.

Nieuw dit jaar was het uit China overgewaaide Singles Day op 11 november. Voor veel consumenten heeft de publiciteit rond deze dagen hen eraan herinnerd om tijdig hun sinterklaasaankopen te doen.

Populair dit jaren waren games (FIFA 18), gezelschapsspellen (Penoza: het misdaadspel), muziek (Marco Borsato, Ed Sheeran), boeken (Dan Brown en Astrid Holleeder), parfum (Gabrielle Chanel) en films (Harry Potter).



Lees het volledige bericht op Emerce »

Mediahuis krijgt TMG volledig in handen

Posted 02 dec 2017 — by Emerce
Category nieuws

John de Mol verkoopt zijn belang in de Telegraaf Media Groep (TMG) aan het Belgische Mediahuis voor 81 miljoen euro. Mediahuis had al meer dan 60 procent in handen.

Hoewel De Mol zijn belang met verlies verkoopt, hij kocht de aandelen tegen een hoger bedrag, krijgt hij wel Talpa Radio volledig in handen. Het levert TMG een boekwinst van 8 miljoen euro op.

TMG-topman Marc Vangeel zegt dat de overeenkomst de rust weer bij het bedrijf terugbrengt en er vooruitgekeken kan worden.

Aanvankelijk wilde De Mol TMG uit handen van de Belgen redden, maar het krantenbedrijf voelde toch meer voor Mediahuis. Nu De Mol zich wil concentreren op zijn nieuwe mediabedrijf, heeft het aanhouden van een belang in TMG weinig zin meer.



Lees het volledige bericht op Emerce »

Politie Colombia gebruikt boek van Derk Bolt over ontvoering in onderzoek

Posted 01 dec 2017 — by Villamedia
Category nieuws

De journalisten Derk Bolt en Eugenio Follender zijn de afgelopen twee dagen ondervraagd door vijf afgevaardigden van de Colombiaanse justitie, dat meldt de uitgeverij van Bolt.

Lees het volledige bericht op Villamedia »

Wehkamp gaat ook boeken verkopen

Posted 01 dec 2017 — by Emerce
Category nieuws

Wehkamp heeft op veler verzoek ook boeken toegevoegd aan het assortiment om een nog completer aanbod aan de klant te kunnen aanbieden.

In eerste instantie worden ruim 5.000 Nederlandse titels aangeboden, waaronder de genres Kinderboeken, Literaire fictie en Non-fictie vrije tijd. De komende maanden zal het assortiment groeien naar zo’n 30.000 boeken. Ook worden e-books toegevoegd.

Het gaat om een samenwerking met het Centraal Boekhuis. De klant bestelt bij wehkamp en krijgt het boek geleverd door het Centraal Boekhuis via Post.nl.

De eerste duizenden bestellingen zijn volgens de retailer al binnen.



Lees het volledige bericht op Emerce »

Datagebruik: Vertrouwen van consument is valuta van de toekomst

Posted 01 dec 2017 — by Emerce
Category nieuws

Welke marketeer kan nog zonder data? Het inzetten van klantdata voor marketingactiviteiten is belangrijker dan ooit. Het zorgt ervoor dat je je consument leert kennen en actief de customer journey kunt vormgeven, om de juiste boodschap op het juiste moment bij de juiste persoon te bezorgen. De technologische ontwikkelingen maken het mogelijk om deze consument persoonlijk te benaderen. Maar staat het belang van de consument ook voorop?

Eind november vond de DDMA Data Dag plaats, een inspirerende dag die volledig draaide om data, nieuwe technologieën zoals AI en inzet voor een relevante klantinteractie. Uiteraard was de AVG, oftewel de Algemene Verordering Gegevensbescherming die vanaf mei 2018 ingaat, een veel besproken onderwerp. Een overview van de belangrijkste ontwikkelingen op dit gebied.

Algoritmes worden slimmer

Vooruitgang hebben we in de afgelopen jaren geboekt: van eenzijdige communicatie via radio en televisie naar interacties online. Deze interacties verbeteren niet alleen het klant contact, maar maken het ook mogelijk om (bedrijfs)processen te optimaliseren. Deze vooruitgang is mogelijk omdat algoritmes steeds slimmer en slimmer worden. Een kleine kanttekening zet Sagar Savla van Google, in zijn keynote over machine learning en artificial intelligence, hierbij: “In de basis zijn computers dom. Kijk,” zegt hij “we kunnen toffe dingen, maar we moeten wel 15.000 stukjes code schrijven om de computer een verkeersbord te laten herkennen”.

Wat kunnen we dan al wel? Simon James van SapientRazorfish haalt tijdens zijn wervelende keynote, over algoritmes en ethiek, een aantal voorbeelden aan waaruit blijkt wat we wel al kunnen met (geassisteerde) machine learning. Zo kunnen bedrijven met AI technologie van HireVue, op basis van video interviews, bepalen of kandidaten geschikte sollicitanten zijn. Olievoorraden kunnen worden ingeschat door de hoogte van de olie tanken te analyseren met behulp van satelliet beelden. Ook maken die beelden het mogelijk de productiviteit van fabrieken te berekenen aan de hand van het aantal geparkeerde auto’s voor de deur. Dat laatste is kenmerkend voor de huidige staat van technologie: zoveel kunnen machines nog helemaal niet, maar op basis van GPS kunnen behoorlijke inschattingen worden gemaakt.

Deze nieuwe technologieën bieden kansen voor online marketeers. Dankzij de integratie van een Data Management Platform (DMP) wordt het mogelijk om data uit diverse bronnen (van zowel eerste, tweede als derde partij gegevens) te combineren tot een 360 graden klantbeeld. Volgende stappen worden gemaakt door te onderzoeken of we kunnen voorspellen, dankzij geassisteerde machine learning en op basis van de data in de DMP, hoe groot de kans is op een cross-sell binnen een bepaalde doelgroep. Wat ons weer inzichten geeft in de behoefte van de consument, zodat we daar beter op in kunnen spelen.

Privacy van de consument

Prachtige ontwikkelingen en voor data liefhebbers is deze vooruitgang om van te smullen. Maar er is ook een keerzijde. “Ik heb toch niks te verbergen”, is het vaak gehoorde argument tegen privacy wetgeving, zoals beschreven in het boek van de Correspondent journalisten Maurits Martijn en Dimitri Tokmetzis. Maar je weet helemaal niet wie er precies allemaal toegang tot jouw data heeft, onderstreept ook Simon James. Het beeld dat de consument zich niet bewust is van de privacy gevaren die om de hoek luren, is niet in lijn met de bevindingen van het privacy onderzoek van de DDMA.

In de conclusie van het rapport komt de privacy paradox duidelijk naar voren: Ja, de consument hecht waarde aan haar privacy. Nee, het online gedrag past zij (nog) niet aan. Zij komt massaal in de actie tegen de sleepwet (de vernieuwde Wet op de inlichtingen- en veiligheidsdiensten), maar accepteert zonder er verder over na te denken de vernieuwde voorwaarden voor de software van haar smartphone. Dat laatste duidt deze paradox: Komt het niet gewoon om dat de consument niet op de hoogte is wie de gegevens te zien krijgt en wat ze er allemaal mee kunnen?

In dialoog gaan met jouw consument

Marketing verandert door technologie en daarmee verandert ook haar impact op mens en maatschappij. Voor marketeers is data een grotere rol in onze (bedrijfs)processen gaan spelen. Wat we daarnaast moeten doen, meent Simon James, is ons vragen of dat wat we doen met data of we dat ook moeten doen. Je netjes houden aan de wetgeving, de AVG, door de regels te volgen is niet hetzelfde als bereid zijn om ethisch om te gaan met jouw klantdata. Dit is hét moment, meent Simon James, dat de online marketeer bewust omgaat met de ethiek van haar professie en de belangen van de consument hierbij voorop stelt. Wij willen zo graag die data verwerken, analyseren, en het gebruiken om klant contact en (bedrijfs)processen te optimaliseren. Dan moeten wij ook onze verantwoordelijkheid nemen. Stel de klant centraal, leg uit waarvoor je haar data verzamelt en verwerkt, door wie en waarom, en dat ze daar bewuste keuzes in kunnen maken. Stel je als online marketeer in dienst van de consument om haar de optimale gepersonaliseerde ervaring te bieden. Het vertrouwen van de consument is de valuta van de toekomst.



Lees het volledige bericht op Emerce »

Eerste stap met ‘instant payments’ moet snelheid betaalverkeer verhogen

Posted 01 dec 2017 — by Emerce
Category nieuws

ABN AMRO introduceerde ‘instant payments’. Het is de eerste Nederlandse bank die deze vorm van directe betalingen beschikbaar maakt. Daardoor is de service nu alleen nog bij grensoverschrijdende betalingen te gebruiken. Welke (Europese) ontwikkeling schuilt er achter? En wat gaat er op dit vlak in Nederland nog gebeuren?

Het is één van de grotere betaalergernissen: wie geld overmaakt van de ene bank naar een andere moet er doorgaans op rekenen dat het geld pas een hele werkdag later is bijgeschreven. Met ‘instant payments’ moet dat tot het verleden gaan behoren. Bij ABN AMRO en een aantal andere Europese banken is nu het snelle overmaken gelanceerd. Als zowel de afzender en ontvangende bank meewerken is het bedrag binnen een paar tellen af- en bijgeschreven.

In totaal zijn er bijna zeshonderd Europese betalingsverwerkende partijen (PSP’s) uit acht landen met ‘Sepa Instant Credit Transfer’ gestart. Een initiatief van de Europese Payment Council voor één snelle betaalstandaard. De bedrijven die hier hun technische systemen op aanpassen kunnen bedragen tot vijftienduizend euro binnen tien seconden overboeken naar andere bedrijven uit de Sepa-landen. Op lokaal niveau zijn er afspreken te maken over het nog verder opvoeren van de snelheid of maximale bedrag.

Vanuit Nederland heeft zich tot nu toe alleen ABN AMRO aangesloten. Daarnaast gaan er betalingsverwerkers uit onder meer Oostenrijk, Duitsland, Italië en Spanje mee werken. De verwachting is dat nog meer bedrijven zich aansluiten in de loop van 2018.

Nederland volgt in 2019

Dat zich behalve ABN AMRO geen andere banken uit ons land hebben aangemeld, komt niet helemaal als een verrassing. In Nederland wordt namelijk al enige tijd gewerkt aan een eigen lokale variant. De verwachting is dat daarmee zich in één klap meerdere toonaangevende banken aansluiten. Betaalvereniging Nederland mikt op een hogere minimumsnelheid – binnen vijf seconden – en het snelle overboeken voor onbeperkte bedragen.

Deze infrastructuur voor ‘instant payments’ is in de loop van komend jaar gereed voor de eerste tests. De hoop is dat de eerste real-time betalingen vanaf mei 2019 worden verwerkt. Er is hier volgens Betaalvereniging Nederland bewust gekozen voor een ambitieuzer plan. De doelstelling is namelijk om in één klap een groot bereik te creëren. Het Nederlandse initiatief is door de hoger gelegde lat door een groot aantal banken omarmd – 90 procent van de rekeninghouders beschikt straks over ‘instant betalen’.

De noodzaak om hier in de tussentijd met de Europese variant te werken, zou hier ook niet zo hoog zijn. Algemeen wordt aangenomen dat de Nederlandse betaalmarkt beter is ontwikkeld dan die van veel andere Europese landen. Overboekingen bij dezelfde bank worden al direct verwerkt. En winkeliers krijgen hun pinomzet de volgende dag uitbetaald. Desalniettemin gaat men ervan uit dat de komst van ‘instant payments’ hier wel voor wat welkome innovatie gaat zorgen. Directe betalingen versnellen bijvoorbeeld de handel op marktplaatsen, bij een veiling kan er direct worden uitgeleverd.



Lees het volledige bericht op Emerce »

De realiteit van NDC: wat is de commerciële impact op de reisbranche?

Posted 01 dec 2017 — by Emerce
Category nieuws

De stap van luchtvaartmaatschappijen naar direct connect en het omzeilen van de reisdistributiesystemen (GDS’en) heeft niet alleen grote technologische implicaties, maar ook een enorme impact op de business. Deel twee van de analyse van Michael Strauss, CEO van PASS Consulting Corporation.

Het technische landschap dat ontstaat door direct connect is al complex, maar als we naar de commerciële aspecten kijken wordt het plaatje nog zorgwekkender:

Bron: PASS Consulting Group

Er is immers een aantal overeenkomsten nodig voor elke direct connect. Voor Lufthansa bijvoorbeeld is een deal met hun technologieprovider Farelogix noodzakelijk, maar ook een met Lufthansa zelf om technisch toegang te verkrijgen tot hun systeem. Onze klanten moeten daarnaast een contentovereenkomst hebben met Lufthansa, om de inventaris te bekijken en boeken via ons. Agent Desktops zijn niet gemakkelijk om te ontwikkelen – we doen dit al dus dit we weten dit uit eigen ervaring.

Zakenreisagenten hebben in het verleden veel geld weggegooid bij dergelijke projecten. CWT’s Symphonie kostte naar schatting 15 tot 20 miljoen dollar per jaar. Travelbaan van American Express kostte naar verluidt 100 miljoen dollar en het prijskaartje van Renaissance van BCD Travel was 20 miljoen dollar en kostte daarnaast miljoenen per jaar om te onderhouden. Al deze Agent Desktops bestaan niet meer. Natuurlijk is de moderne technologie beter commercieel inzetbaar maar het is nog altijd een uitdaging. Daar komt bij dat sommige GDS’en het niet toestaan dat Agent Desktops hun tarieven vergelijken met andere content.

Ofschoon ik er zeker van ben dat bepaalde reizen beter geboekt kunnen worden via NDC, zijn er ook reizen waarbij het een nachtmerrie wordt als de segmenten afkomstig zijn uit verschillende bronnen, zoals van A naar B geboekt via de GDS, van B naar C via direct connect en van C terug naar A via een low-cost carrier. Hoe kun je appels met appels vergelijken? Waar worden die reizen geticket? Waarschijnlijk in verschillende systemen. En hoe zit het met robot ticketing en interline- en codeshareboekingen? Ik weet niet of dat allemaal al is getest.

Maar zelfs als het allemaal werkt, wens ik je veel plezier als de reiziger zijn ticket wil wijzigen. Het zal interessant worden om te zien in hoeverre de uitwisseling van verschillende bronnen kan worden geautomatiseerd. En dan moet je dit ook nog via verschillende kanalen ondersteunen. De boekingen kunnen gemaakt zijn in een online booking tool, terwijl het verzoek tot wijzigen mobiel wordt gedaan. Dat wordt allemaal afgedekt door artificial intelligence? Succes ermee! Een andere zorg is snelheid. ATPCo is snel en effectief – API’s zullen dezelfde snelheid en uptime van 99,9 procent of hoger moeten hebben.

Dan is er nog de kwestie van het businessmodel. Al deze nieuwe technologie moet worden ontwikkeld en dat kost geld. Terwijl de airlines zeggen dat ze hetzelfde bedrag zullen inleggen maar dat het anders wordt verdeeld, kan dit toch een uitdaging zijn. Het lijkt erop dat er meer spelers zullen zijn (zoals de aggregators maar ook de technologieprovider van de API van de airlines) wat neerkomt op minder geld voor meer entiteiten. American Airlines zegt dat het in 2017 al vier miljoen tickets heeft gedistribueerd via NDC (wat 2 procent is van het totale aantal passagiers dat ze jaarlijks vervoeren). Maar zelfs als dit aantal flink stijgt, dan bereiken ze toch nooit 100 procent.

Laten we er vanuit gaan dat 80 procent van de tickets direct wordt verkocht. Dan wordt de distributie van de overige 20 procent erg duur om deze legacy technologie (die nog steeds werkt) in de lucht te houden. Ik denk niet dat GDS’en hun kosten met 80 procent omlaag zullen krijgen. Of misschien moet de PNR in het PSS duurder worden. De PSS’en zijn immers vaak gebouwd door GDS’en. Reisagenten krijgen ook een probleem als zij targets hebben afgesproken met GDS’en. Als zij die niet realiseren krijgen ze minder bonussen in de vorm van incentives, commissies en/of overrides van de GDS’en. De shift naar NDC brengt dus hun GDS-omzet in gevaar. Dat kan riskant zijn en ze hebben mogelijk technologie nodig om hun winsten te maximaliseren (of de verliezen te beperken).

En tot slot: het hangt er allemaal vanaf wat de airlines en GDS’en afspreken. Stel, we vinden de oplossing voor deze distributiepuzzel waarbij het voor iedereen lucratief is en opeens gaan airlines en GDS’en rond de tafel zitten en komen overeen dat GDS’en aangesloten worden op NDC. Alle andere spelers worden dan weggevaagd. Lufthansa heeft bijvoorbeeld gezegd dat hun strikte opstelling bedoeld is om GDS’en te dwingen hun technologische achterstand in te lopen. Delta Air Lines blijft full content-overeenkomsten sluiten met GDS’en omdat zij vinden dat het bouwen van directe connecties neerkomt op het wiel opnieuw uitvinden (wat een compleet ander standpunt is dan in 2011).

Oplossingen in plaats van protectionisme

Ik ben een groot voorstander van het doorbreken van de GDS-oligopolie maar het moet wel logisch zijn en niet een idiote hoeveelheid extra werk creëren. Ik geloof dat we orde op zaken moeten stellen en aan oplossingen moeten werken in plaats van aan protectionisme. Het lijkt erop dat we de macht van een paar grote online spelers totaal onderschatten (Amazon, Apple, Google, Facebook en Microsoft). Een simpele vergelijking: GDS’en zien het eigendom van de PNR’s als een enorm concurrentievoordeel – en tot op zekere hoogte eten ze van twee walletjes omdat ze geld rekenen voor dezelfde PNR in zowel het PSS als de GDS en mogelijk op andere locaties. En wat is een PNR? Een tekstbestand van nog geen 1 KB? Je kunt bij elke cloudprovider tot 5GB gratis opslag krijgen. Ik kan dus heel gemakkelijk meer dan vijf miljoen reizen opslaan bij één cloudprovider – meer dan ik ooit zal maken – en dan blijft buiten beschouwing dat ik alleen de komende reizen opgeslagen moet hebben en de afgeronde trips kan weglaten.

Misschien zou het verstandig zijn om ons te realiseren dat een PNR niet het eigendom is van de GDS maar van de reiziger. Nog verstandiger is het om iets te doen met al die data die worden verzameld en/of start-ups aan te moedigen om uit te vogelen hoe we daar ons voordeel mee kunnen doen (geanonimiseerd natuurlijk, conform de security- en privacyregels). Mobiel, chatbot, artificial intelligence – ze zijn niet terug te vinden in mijn weergave van het distributielandschap, maar dit is wel de toekomst. Je gaat Alexa of Siri vragen om een hotelkamer te boeken voor je volgende reis en in virtual reality de faciliteiten te laten zien zodat je een geïnformeerd besluit kunt nemen. Een CRS, GDS of zelfs PSS mag door sommigen als ‘rocket science’ worden gezien, maar denk niet net als de muziekindustrie dat de wereld nooit zal veranderen.

Dit artikel is eerder verschenen op Travel Industry Blog.



Lees het volledige bericht op Emerce »