Ceresus 觀點
​飯店內的AI應用--預測模型篇

2018年某葡萄牙四星級連鎖飯店品牌,同意與里斯本大學(ISCTE-IUL)團隊合作,提供旗下兩家渡假飯店與商務飯店的PMS資料,讓大學團隊以機器學習建立「取消訂房預測模型」。這個模型可以協助飯店預測每日有哪些訂單可能被取消、能有多少空房數,進而採取最佳的訂價與銷售策略,同時配合飯店人員的努力,也降低取消率,達到更好的收益管理。

模型應用
(1)數據科學家團隊利用PMS中各種資料,建立以日為單位的預測模型,計算出每一筆訂單可能被取消的機率。
(2)從取消機率高的訂單中,配合其他條件,例如房價、抵達日期、停留天數等,找出預期收益較高的的訂單,由飯店人員加以聯繫。
(3)飯店人員根據訂單的特性,提供客製化的服務或適度優惠,降低客人取消訂房的機率。

實質影響
(1)財務面: 飯店人員沒有聯繫的訂單取消率為45%,但有聯繫的訂單取消率大幅降低至8%。在三個月時間內,避免因取消訂房造成的損失接近39,000歐元。因人力有限,有聯繫的訂單只占總量的5%,若行動範圍更擴大,勢必能創造出更多收入。
(2)管理面: 飯店利用每日的預測空房數,來決定要繼續或停止銷售房間。例如該商務飯店在晚上六點左右,走進兩位客人。當天訂房系統是滿房,但因為預測模型指出,還未入住的四張訂單有很高的機率會取消,所以飯店決定提供住宿給這兩位客人。最後這四張訂單有一半真的取消了,飯店也因此提高了收入。

資料來源:Antonio, N, et al. 2019. An Automated Machine Learning Based Decision Support System to Predict Hotel Booking Cancellations. Data Science Journal, 18: 32, pp. 1–20.

延伸閱讀: 飯店內的AI應用--網路評價篇

回文章列表