Van 6.000 versnipperde reviews naar één gedeeld klantbeeld
Blue Bay wilde klantbeleving structureel centraal zetten. Wat ontbrak was overzicht, dat bestond letterlijk nergens. Binnen een week draaide er een werkende versie.
Meer dan een resort
Blue Bay is een van de toonaangevende resorts op Curaçao. Met een paar honderd medewerkers bieden ze een complete beleving: van 18-holes golfen tot dineren, verblijven en ontspannen aan de Caribische Zee.
Blue Bay bedient een internationaal publiek met hoge verwachtingen. Gasten komen terug voor de kwaliteit, die structureel bewaken vraagt om scherp inzicht in wat gasten écht ervaren. Dat inzicht ontbrak.
Duizenden reviews. Geen enkel overzicht.
Het volledige beeld van wat gasten meemaken stond verspreid over zeven platforms tegelijk.
Versnipperde bronnen
Reviews stonden op Google, Booking.com, TripAdvisor, Expedia en meer. Niemand kon alle bronnen actief bijhouden.
Geen holistisch klantbeeld
Een golfer ervaart security, de baan én het restaurant. Dat complete beeld bestond nergens.
Inzichten bereikten managers niet
Waardevolle feedback kwam niet structureel bij de juiste afdeling terecht.
Geen kwantitatief fundament
Klantervaring werd op gevoel en incidenten besproken, niet op basis van data.
Silo per afdeling
Iedere afdeling keek naar haar eigen klanten. Een gedeeld beeld over de hele journey ontbrak.
Klaar voor de volgende stap
Blue Bay wilde weten welke rol AI kon spelen om gastinzichten sneller en structureler te ontsluiten.
Eén platform voor alle gastinzichten
NewTonic bouwde de Hospitality First Review Extractor: reviews binnenhalen, analyseren en direct vertalen naar iets dat het management kan gebruiken.
- 01
Reviews van 7 platforms samengebracht
Google, Booking.com, TripAdvisor, Expedia, Travelocity, Leading Courses en meer, automatisch verzameld in één systeem.
- 02
Herkenning per dienst
Het systeem plaatst elke review bij de juiste dienst: golf, security, horeca, verblijf of algemeen. Elke afdeling ziet wat voor haar telt.
- 03
AI-ingeschatte NPS
Op basis van reviewteksten berekent het model een NPS-inschatting per dienstverlening. Zo ontstaat een meetbaar beeld van gasttevredenheid.
- 04
AI Vraagbank met bijna 6.000 gasten
Medewerkers stellen vragen aan het volledige gastenarsenaal. Geen enquête, maar directe antwoorden uit bestaande reviewdata.
- 05
Automatische MT-rapportage
Elke week een rapportage met de belangrijkste verbeterpunten én positieve signalen. Klaar voor het overleg zonder handwerk.
- 06
Werkende versie binnen één week
Dag 1 een eerste prototype, binnen een week een volledig draaiende versie. Geen lang traject, direct aan de slag.
Klantbeleving is nu onderbouwd en gedeeld
Het doel was geen kostenbesparing of omzetgroei. Het doel was klantbeleving structureel centraal stellen. Dat doel is bereikt.
- Reviews verspreid over 7 platforms
- Geen compleet beeld per gast
- Inzichten bereikten managers niet structureel
- Klantervaring op gevoel besproken
- Geen gedeeld klantoverzicht voor het MT
- Alle reviews in één dashboard
- Holistisch beeld over de hele customer journey
- Automatische rapportage voor elke afdeling
- Kwantitatief onderbouwde gesprekken over service
- Klantervaring vaste plek in MT- en directieoverleg
“Een verrassend creatieve oplossing die onze klant met IT centraal stelt.”
Waar zit bij jullie de grootste kans?
Laten we samen ontdekken waar AI direct waarde kan toevoegen.