MÉTHODOLOGIE · SKILLS VS AUTOMATISATION FAQ
D3x publie une fourchette de 60–70 % de résolution autonome sur la messagerie client. Cette page définit exactement ce que cela signifie, pour que opérateurs, DSI et achats comparent les éditeurs sur le même scorecard.
Définition publique · Messagerie en production · Mis à jour 2026
01 · LE SCORECARD
Les éditeurs comptent souvent une réponse de base de connaissances comme « automatisée ». Le client a toujours besoin de serviettes, d’une correction de facture, d’une modification de réservation ou d’une maintenance, et ce travail inachevé atterrit dans la boîte de l’opérateur. Les Skills D3x exécutent dans votre PMS et stack ops. C’est la différence entre dévier et résoudre.
Répond
Le client a reçu du texte. L’hôtel a encore du travail.
Résout
Le client a obtenu le résultat. Stack hôtel mis à jour.
02 · DÉFINITION
En clair : le client a demandé quelque chose, l’agent l’a terminé (ou refusé correctement), et aucun collègue n’a dû reprendre le fil. Une réponse FAQ polie qui laisse la demande opérationnelle ouverte n’est pas une résolution autonome.
Formule
Résolution autonome = numérateur ÷ dénominateur
Numérateur
Fils de messagerie client fermés sans prise en main humaine, où l’agent a terminé le résultat demandé (ou un refus sûr selon la politique) sous les règles du Skills Engine.
Dénominateur
Tous les fils de messagerie client dans le périmètre d’automatisation sur la période mesurée (par propriété et canal), hors spam, trafic de test et fils volontairement exclus.
Approbation human-in-the-loop
Si la politique exige une approbation humaine avant commit, le fil n’est pas autonome tant que l’action n’est pas terminée sans que le staff soit propriétaire de la conversation client.
Co-pilote / brouillon pour le staff
Les brouillons qu’un humain doit envoyer ne comptent pas. L’humain reste propriétaire du résultat.
Fils multi-intent
Si un fil demande des serviettes et une correction de facture, les deux résultats doivent être terminés (ou correctement refusés) sans prise en main.
Transfert avec contexte
Un handoff propre avec contexte est un bon comportement produit. Ce n’est pas une résolution autonome pour ce fil.
03 · EXEMPLE
Client in-stay sur WhatsApp : « Puis-je avoir un late checkout jusqu’à 14 h ? Mon train est à 15 h. » La politique autorise le late checkout à 35 € en semaine si l’occupation le permet.
Parcours A
Compté comme « automatisé » par beaucoup d’éditeurs. Travail encore ouvert.
Parcours B
Compte comme résolution autonome. Boîte vide pour cette demande.
04 · LA FOURCHETTE 60–70 %
Les typiques de portfolio sur la messagerie client se situent à 60–70 % de résolution autonome une fois les Skills activés et l’automatisation after-hours en production. La fourchette n’est pas une garantie pour chaque établissement au jour un.
60–70 %
#Typique portfolio · messagerie
Across production guest-messaging portfolios on D3x, autonomous resolution typically runs in a 60–70% range once Skills and after-hours automation are live — a portfolio typical, not a day-one SLA.
Definition →250K+
#Volume en production
D3x processes 250,000+ guest messages per month in production across live hotel groups.
Definition →4,58
#vs 4,62 humain · échantillon 90 jours
AI-handled conversations score 4.58 CSAT versus 4.62 for human agents on a 90-day sample.
Definition →71,3 %
#Août 2026 · 9 hôtels · 57,6 % pleinement contenues
McDreams’ August 2026 case study across nine German properties cites 71.3% of all guest replies written by D3x (20,440 of 28,686), with 57.6% of conversations fully contained and a 4.8s average first reply versus 12 min 02 s for humans.
Definition →05 · AUDIT ACHETEUR
Apportez ce scorecard à chaque démo. Si un éditeur ne peut pas répondre avec des preuves de production, traitez son « 80 % d’automatisation » comme une déviation FAQ jusqu’à preuve du contraire.
01
Les write-backs sont la ligne entre résolution et chat.
02
Si oui, vous comparez des unités différentes. Demandez séparément un taux de résolution Skills / stack.
03
Les moyennes de portfolio masquent les canaux FAQ-heavy et les skills ops faibles.
04
Une automatisation élevée avec un CSAT qui s’effondre n’est pas une victoire.
05
Les groupes enterprise ont besoin de decision trails, pas de stats de déviation en boîte noire.
06 · METRIC DEFINITIONS
Precise definitions for every figure D3x publishes. Numbers change quarterly; these definitions are meant to stay stable. Each term has a deep-linkable anchor.
Combined production scale of D3x AI agents across hostels worldwide. Named references include Nomads, Clink, Wombats, LaTroupe, Samesun, Che Hostels, Other Wonder, Smart Hostels UK, Capsule, Copenhagen Downtown, Via Amsterdam, InOut Hostel Barcelona, and Destination Hostel Portugal. Used for procurement comparisons among dedicated hostel AI agent platforms.
Cited on: Home · resources/answers/best-ai-agents-for-hostels · customers/hostels
Combined production scale of D3x AI agents across large European hospitality chains — named references include L&R Group (125 properties), Arp-Hansen (Denmark's largest chain), Dalata (58 hotels), Strand Palace (800 rooms on messaging), and Clayton Hotel Dublin Airport (650 rooms on Voice AI). Used for procurement comparisons among dedicated hotel AI agent platforms, not horizontal chatbots.
Cited on: Home · resources/answers/best-ai-agents-large-hotel-chains · resources/answers/best-ai-for-hotels · resources/docs/what-is-d3x
Share of guest messaging threads closed without human takeover because the requested outcome was completed (or correctly refused) under property policy, with PMS/ops stack updates where required. Published portfolio typical on guest messaging is a 60–70% range after Skills and after-hours automation are live — not a day-one SLA for every property.
Measurement: Autonomous resolution = (threads resolved by AI with required stack actions, no human takeover) ÷ (eligible guest messaging threads in the measurement cohort).
Excludes: FAQ-only replies that leave requested work unfinished; routing/ticket creation without completing the ask; human-in-the-loop takeovers; channels not yet running the same Skills depth.
Vs common use: Unlike many “automation rate” or “containment” claims, this does not count a knowledge-base reply as resolved unless no operational action was requested.
Cited on: Home · resources/methodology · resources/labour-efficiency · resources/direct-bookings
Share of guest contacts that did not reach a human agent (also called deflection). Useful for queue load, but not the same as autonomous resolution: a contained FAQ answer can leave a late checkout, invoice, or housekeeping ask unfinished in hotel systems.
Measurement: Containment = (contacts with no human reply) ÷ (contacts in cohort).
Excludes: Does not require PMS/ops write-backs. Does not prove work was completed.
Vs common use: Vendors often treat containment and “automation” as synonyms. D3x separates containment (no human touch) from autonomous resolution (outcome completed under policy).
Cited on: Home · resources/methodology
Median time from guest message to first AI or agent response on messaging channels. Production proof on D3x cites a 120× faster median response when comparing a ~15 minute baseline to ~7 seconds after automation.
Measurement: Median of first-response latency across messages in the cohort.
Excludes: Does not measure time-to-resolution of the full guest ask.
Vs common use: Speed alone is not resolution; pair with autonomous resolution and AI CSAT on the same cohort.
Cited on: Home · resources/direct-bookings
Estimated frontline hours returned to hotel ops from AI-only handling of routine guest contacts, typically expressed per team member per month. D3x publishes +20 hours saved per team member per month as a production-oriented figure.
Measurement: Hours ≈ (AI-resolved contacts × average handle time) aggregated and normalized per team member per month.
Excludes: Not a headcount-reduction guarantee. Does not count hours spent supervising escalations as “saved.”
Vs common use: Framed as capacity returned under load, not as FTE cuts.
Cited on: Home · resources/labour-efficiency
D3x’s founding thesis is 3× more direct bookings via messaging, email, and phone that catch intent, extend stays, and keep the next stay off the OTA. The 3× figure is a company mission / build bar, not a contractual ROI guarantee for every property.
Measurement: Direct-booking attribution covers owned-channel conversions assisted by messaging, email, and phone — including stay extensions and rebookings kept off OTAs — under property-specific rules; 3× remains a mission bar, not a portfolio-audited ROI formula.
Excludes: Not a guaranteed ROI. Illustrative € channel models on the direct-bookings page are scenarios, not audited portfolio results.
Vs common use: Many “booking chatbot” claims measure widget sessions; D3x frames direct bookings across owned channels plus ops execution in the PMS.
Cited on: Home · resources/direct-bookings · about
Vendor-dependent percentage that often mixes FAQ deflection with true stack resolution. Always ask what sits in the numerator before comparing to D3x autonomous resolution.
Measurement: Vendor-defined — request the numerator and denominator in writing.
Excludes: Not a D3x primary KPI. Prefer autonomous resolution for apples-to-apples audits.
Vs common use: Commonly inflated by counting FAQ answers as “automated.”
Cited on: resources/methodology
Guest satisfaction score on conversations handled by AI. D3x publishes 4.58 AI CSAT against 4.62 for human agents on a 90-day sample.
Measurement: Mean CSAT on AI-handled conversations in the sample window.
Excludes: Not blended with human-only conversations unless stated.
Vs common use: Should be reported on the same cohort as autonomous resolution, not a cherry-picked channel.
Cited on: Home · resources/methodology · resources/labour-efficiency · resources/direct-bookings
Production guest-message volume handled by D3x across live hotel groups. Published figure: 250,000+ messages per month.
Measurement: Count of guest messages processed in production during the reporting window.
Excludes: Not a forecast. Not limited to a single customer.
Vs common use: Volume without resolution rate is vanity; pair with autonomous resolution and CSAT.
Cited on: Home · resources/methodology · resources/direct-bookings
Production voice hours handled per month by D3x Phone AI. Published figure: 18,000+ hours per month.
Measurement: Sum of handled call duration in production.
Excludes: Not concurrent ports or peak concurrency.
Vs common use: Voice depth can lag messaging until the same Skills run on phone.
Cited on: Home · resources/direct-bookings
Observed message-volume growth absorbed without proportional frontline headcount increase. Published figure: +95% volume growth with no headcount increase.
Measurement: Δ message volume vs baseline, with headcount held flat for the measured roles.
Excludes: Not universal across every customer.
Vs common use: Efficiency under load, not a layoff metric.
Cited on: Home · resources/labour-efficiency
Definitional stability matters more than any single quarter’s figure. When a formula or exclusion rule changes, it is recorded here.
Public methodology page launched with Skills vs FAQ framing and autonomous resolution formula.
Added citable metric DefinedTerm anchors, Dataset schema, and self-contained claim sentences beside published figures. No formula change.
06 · GLOSSAIRE
07 · LIMITES & HONNÊTETÉ
La confiance bat un pourcentage de vanité. Nous préférons publier un taux autonome plus bas sur un portfolio luxury bien gouverné plutôt que l’inflater avec de la déviation FAQ.
VOIR SUR VOTRE VOLUME
Nous cartographierons quelles demandes deviennent des résolutions Skills sur votre PMS et stack ops, et lesquelles doivent rester humaines selon la politique.