エグゼクティブ・サマリー
- 旅行業のパーソナライズは「閲覧履歴に基づくおすすめ表示」の域を出ないケースが多く、予約後・旅行後の行動データが次の提案に活かされていない。
- 検索・閲覧・予約・キャンセル・レビュー・ロイヤルティ利用といった行動データを一つの顧客像に統合できなければ、どれほど優れたレコメンドアルゴリズムを導入しても精度は頭打ちになる（目安：統合前後でCTRが1.5〜3倍変動するケースが多い。業種・商材で変動）。
- アップセル・クロスセルの成否は「値引き幅」ではなく「タイミングと文脈の一致」で決まる。座席アップグレードは搭乗72時間前、次の旅提案は帰国後6〜8週間後など、シグナルに応じた提案設計が収益を左右する。
- Domoが提唱する「AI Ready Enterprise」フレームで見ると、多くの旅行企業は「データは蓄積しているがガバナンスが追いつかない（Data-Rich but Uncontrolled）」象限にとどまり、AIが提案理由を説明できず現場が使いこなせていない。
- Orchestrixは、ビジネス・ソリューション・テクニカル・AIの4アーキテクトを一体で投入し、顧客データ基盤の設計からレコメンドロジックの実装、そして「人が判断しAIが実行する」運用体制の定着までを一気通貫で支援する。
背景・問題提起
旅行業における「パーソナライズ」という言葉は、この10年で急速に一般化した。OTA（オンライン旅行代理店）のトップページに並ぶ「あなたへのおすすめ」、航空会社アプリのプッシュ通知、ホテルチェーンのロイヤルティメール——どれも「パーソナライズされている」体裁を取っている。しかし現場の実態を精査すると、多くの企業でこれは「セグメント配信」の域を出ていない。年齢層・居住地・過去の予約先という粗い属性でグループ分けし、同じグループには同じ内容を配信する。これは1990年代のダイレクトメール手法をデジタルチャネルに移植しただけであり、「その人の次の旅」を提案しているとは言い難い。
問題の根源は三つある。第一に、顧客の行動データが組織内に分散していることだ。検索エンジンの閲覧ログはマーケティング部門、予約データは予約システム、コールセンターへの問い合わせ履歴はカスタマーサポート部門、現地でのオプション購入履歴は現地法人やDMC（デスティネーション・マネジメント・カンパニー）——それぞれが別のシステムに、別のIDで、別の粒度で保持されている。顧客一人ひとりについて「この人がいつ何を検索し、何を予約し、何をキャンセルし、現地で何を追加購入し、旅行後に何を評価したか」を一望できる企業は驚くほど少ない。
第二に、レコメンドロジックが「過去に売れたもの」の再提示にとどまっている。協調フィルタリング（似た顧客が買ったものを薦める）やコンテンツベースフィルタリング（似た商品を薦める）は有効な手法だが、これらは本質的に「過去の集計」であり、その顧客固有の文脈——今回の旅の目的、同行者の変化、直近のキャンセル理由、価格感度の変化——を織り込めない。結果として「先月ハワイに行った人にまたハワイを薦める」といった的外れな提案が量産される。
第三に、アップセル・クロスセルが「値引き」に偏重していることだ。座席アップグレードやオプション追加を、ポイント消化や割引クーポンで押し込む施策は短期的な売上には寄与するが、粗利を毀損し続ける。本来アップセルは「その人が今、価値を感じるタイミングで、価値を感じる文脈の提案をする」ことで成立するものであり、値引きは最後の手段であるべきだ。
こうした構造的課題を放置したまま「AIでレコメンドを強化する」と謳っても、投入するAIモデルが変わるだけで、土台となるデータとガバナンスが伴わなければ効果は限定的だ。本稿では、行動データの統合設計から、レコメンドとアップセルの実装パターン、そしてAIを安全に業務へ組み込むための成熟度モデルまで、旅行業に特化して具体的に論じる。