Hoe verleidt Booking.com je snel een hotelkamer te boeken?

De Formule Booking.com is er niet op uit klanten op te jagen of ze een hotel door de strot te drukken. Maar ze geven de reiziger wel een duwtje in de rug.

Illustratie Midas van Son

‘Er zijn 16 mensen die momenteel naar dit hotel kijken.”

„Drie mensen boekten net een kamer bij deze accommodatie”.

„We hebben nog maar 2 kamers beschikbaar in dit hotel.”

„Je kunt gratis annuleren.”

Als geen ander bedrijf slaagt Booking.com erin om je het gevoel te geven dat je nu – onmiddellijk, meteen – moet boeken. Anders gaat jouw hotel, dat blijkbaar anderen ook de moeite waard vinden, aan je neus voorbij.

Deze aanpak werkt. Booking.com verkoopt een half miljard kamernachten per jaar – ongeveer anderhalf miljoen per dag. Hotels betalen gemiddeld 15 procent commissie. De website wordt ontwikkeld door een groep van 1.800 data-analisten, gedragswetenschappers en ontwerpers. Samen proberen ze de psyche van de reiziger te doorgronden.

„Data bepalen wat werkt en wat niet werkt, niet onze mening”, zegt marketingdirecteur Pepijn Rijvers. Elk plaatje, elk zinnetje, elk onderdeel van Booking.com is gebaseerd op het testen van enorme hoeveelheden klikpatronen van klanten.

Wat is een algoritme eigenlijk? In deze animatie leggen we het uit.

Signalen en modellen

Hoe verandert Booking.com bezoekers in boekers? Rijvers gaat achter mijn laptop zitten, waar ik Booking.com open. Er is een plaatje van Berlijn te zien, daaronder Hamburg, Praag en Dresden. Bovenin het scherm staat mijn naam. „Een soft-login op basis van een cookie”, zegt Rijvers.

„We weten in dit stadium nog weinig van je, maar passen toch al datamodellen toe. Omdat je net in Berlijn was, tonen we je die stad nog een keer. Frequente reizigers gaan vaak terug naar dezelfde plek. De links naar de andere steden zie je waarschijnlijk omdat mensen die onze site vanuit Amsterdam bezoeken, vaak naar dit soort steden gaan.”

Deze beginpagina is niet zo’n best voorbeeld, vindt Rijvers: „Er zijn nog geen reisdata bekend en we kunnen je dus geen prijsaanbod doen. De meeste bezoekers komen via een zoekopdracht binnen, daar kunnen we adequater op reageren.”

Een voorbeeld: je zoekt naar een hotel in Amsterdam en klikt op het eerste hotel in de resultatenlijst. Rijvers: „Als dat een viersterrenhotel was, met een centrale locatie, à 350 euro voor 2 nachten, ben je bereid veel geld te betalen. Dus ik moet niet als volgende een hostel van 15 euro aanbieden of een hotel buiten het centrum.”

Je klikgedrag wordt niet in je Booking.com-profiel bewaard. Dat heeft geen zin, zegt Rijvers: „Mensen zijn travel chameleons: de ene keer een romantisch weekendje weg, de andere keer zon, zee en strand met het hele gezin, en de volgende keer ga je met vrienden naar een stad.”

„Data bepalen wat werkt en wat niet werkt, niet onze mening” - Pepijn Rijvers

Verleidingstechnieken

Een reis door Booking.com is een spel van aantrekkingskracht (kortingen, voordelen, ruime keuze), duwtjes in de rug (wees er snel bij!) en geruststelling (u kunt gratis annuleren). „We zijn de de facto standaard van hoe je iets op internet toont”, zegt Pepijn Rijvers niet zonder trots.

Booking.com bouwde twaalf jaar geleden de infrastructuur om continu te experimenteren met nieuwe variaties van de webpagina. Data geven daarbij altijd de doorslag. Rijvers: „Het klantgedrag moet bepalen wat werkt en niet werkt. Mensen zijn doorgaans slecht in het voorspellen van consumentengedrag.”

Rijvers opent een pagina over Ibiza. „Je ziet een grote afbeelding voor mensen die visueel ingesteld zijn, en Ibiza in koeienletters voor mensen die liever lezen. Een kaart, populaire locaties en gerelateerde bestemmingen… Misschien krijg ik mensen nog meer in de vakantiestemming als ik het actuele weerbericht zou tonen. Dat gaan we dan testen, met een aantal variaties die aan willekeurig geselecteerde klanten worden vertoond.”

Voor deze zogeheten A/B-testen selecteert Booking.com meestal zo’n miljoen klanten in elke variant. Zulke grote, on-Nederlandse aantallen maken het finetunen van de site een stuk makkelijker.

Niet om je op te jagen

Een van de verbeteringen was de ‘urgency message’, zoals Rijvers het noemt: het tonen van de interesse van anderen. „Die aanpak ontstond in 2008. We waren eerst bang dat het tot meer annuleringen zou leiden, maar we zagen het tegenovergestelde effect. Het voorkomt dat het hotel dat jij vond, opeens volgeboekt blijkt. Daarom laten we zien hoeveel mensen er geïnteresseerd zijn.”

Het is niet de bedoeling je een opgejaagd gevoel te geven of schaarste te suggereren, zegt Rijvers. „Het gaat ook om sociale validatie, een belangrijk gedragsprincipe bij het nemen van beslissingen. Mensen vertrouwen erop dat iets goed is als anderen het ook doen. Als je moet kiezen tussen een vol restaurant en een leeg restaurant, waar ga jij dan zitten?”

Waarop zijn die urgentie-cijfers gebaseerd? Wie aast er op hetzelfde moment op diezelfde kamer op dezelfde nacht in hetzelfde hotel? Waarschijnlijk niemand. Als er staat ‘Iemand heeft net deze accommodatie geboekt’ heeft er in het afgelopen uur iemand een kamer gereserveerd in hetzelfde hotel, maar niet perse in dezelfde periode. Dat vermeldt Booking.com er niet bij.

Rijvers heeft vaker uit moeten leggen dat Booking.com er niet op uit is om klanten op te jagen

Het aantal mensen dat naar dezelfde accommodatie kijkt, is gebaseerd op een meting in de afgelopen tien minuten. Ook hierbij geldt: het gaat niet per se om dezelfde data als jouw verblijfsperiode.

De boodschap „er zijn nog maar x kamers beschikbaar” heeft Booking.com op aangeven van de Reclame Code Commissie aangepast. Er staat nu dat het alleen om kamers van Booking.com gaat – hoteliers kunnen zelf nog ruimte genoeg hebben.

Rijvers heeft vaker uit moeten leggen dat Booking.com er niet op uit is om klanten op te jagen of ze een hotel door de strot te drukken. „Het is onwijs duur om klanten te winnen”, zegt hij doelend op advertentiekosten en kortingsacties. „Als ik het binnen een maand verpest, is het weggegooid geld geweest. We willen een langdurige relatie en moeten ons telkens weer bewijzen.”

Hoe algoritmes ons dagelijks leven bepalen

Ons leven wordt bestuurd door algoritmes, regeltjes achter de schermen. Deze wiskundige formules, gevoed door grote hoeveelheden data, sturen onze selectie van nieuws, entertainment en aankopen, vissen automatisch dieven en verdachten uit de massa. Lees de inleiding: Hoe algoritmes ons dagelijks leven sturen ›

Vervoer

Techbedrijven zijn dol op locatiedata en bewegings­gegevens, hoe gedetailleerder hoe beter. Zo ‘ziet’ Google hoe lang mensen op zoek zijn naar een parkeerplaats en leert Apple van je iPhone waar je werkt. Je kunt bewijzen dat je veilig rijdt en erop vertrouwen dat je om de file geleid wordt, of de snelste liftcabine voorgeschoteld krijgt. Maar welke algoritmes bepalen wat veilig is of wie er voorrang krijgt in de de file of in lift?

Lees ook:

  1. Hoe omzeilt TomTom de files?

  2. Hoe bepaalt de verzekeraar hoe veilig jij rijdt?

  3. Hoe bepaalt de lift wie voorrang krijgt?

  4. Hoe weet Google hoe lang je moet wachten?

Media

Kun je smaak in statistiek vatten? De grote streaming-diensten doen niet anders. Ze proberen een breed publiek inhoud op maat aan te bieden met behulp van algoritmes. Spotify en Netflix doen het door mensen met dezelfde voorkeuren te clusteren. Nieuwsdienst Blendle probeert er juist voor te zorgen dat je andere dingen ziet dan je zou verwachten. Apple laat personificatie grotendeels achterwege: Apple News is gebaseerd op locatie, niet of nauwelijks op je klikgedrag.

Lees ook:

  1. Hoe weet Netflix welke serie je wilt zien?

  2. Hoe weet Blendle wat jij wilt lezen?

  3. Hoe stelt Apple jouw nieuws samen?

  4. Waarom is dit het volgende liedje dat Spotify je laat horen?

Shoppen

Amazon is de webwinkel die groot werd met het doen van aanbevelingen op basis van wat anderen kochten. Wat zijn de trucs waarmee online winkels en reisbureaus je tot een aankoop verlokken? Achter de schermen wordt consumentengedrag in datapatronen gegoten, om beter in te schatten wat je wilt of hoe je te beïnvloeden bent. Ieder mens is uniek, maar bij elkaar zijn we toch redelijk voorspelbaar.

Lees ook:

  1. Hoe verleidt Booking.com je snel een hotelkamer te boeken?

  2. Hoe weet Bol.com wat je wilt kopen?

  3. Retargeting: hoe lang blijven mijn schoenen me achtervolgen?

  4. Hoe Facebook advertenties héél precies op maat maakt

Fraude

Algoritmes zijn bij uitstek geschikt om conclusies te trekken uit grote hoeveelheden data. Daardoor kunnen ze sneller ‘verdachte’ elementen opsporen, of het nou gaat om betalingsverkeer, uitkeringsgerechtigden of winkeldiefstal. De regels voor wat nou eigenlijk verdacht gedrag is, worden echter wel door mensen bepaald.

Lees ook:

  1. Hoe beschermt de bank je tegen oplichters?

  2. Hoe controleert de gemeente of jij fraudeert?

  3. Hoe bepaalt de zelfscankassa welke klanten gecontroleerd worden?

Naar aanleiding van deze productie organiseerde NRC op donderdag 12 april een avond in Pakhuis de Zwijger in Amsterdam. Terugkijken kan hier.

Redactie Marc Hijink en Eva de Valk, animatie Midas van Son, Harrison van der Vliet en Elze van Driel, illustraties Midas van Son, vorm Koen Smeets.

    • Marc Hijink