Сеть отелей "Точка на карте"
Туризм и индустрия гостеприимства
Сеть отелей "Точка на карте"
Шорт-листСеть отелей "Точка на карте"
Туризм и индустрия гостеприимства
Внедрение платформы предиктивной аналитики для увеличения продаж в туризме благодаря технологиям ИИ (на примере сети отелей "Точка на карте"). В феврале 2023 г. учёные Центра искусственного интеллекта НИУ ВШЭ совместно с АО «Новое сервисное бюро» (управляет отелями «Точка на карте») разработали веб-платформу предиктивной маркетинговой аналитики Data.Forecast, учитывающей более 480 значимых факторов. Платформа ежедневно автоматически объединяет и обрабатывает на базе ML-алгоритмов данные из внешних источников о динамике бронирований, их свойств, посетителей сайтов, конверсии кликов, маркетинговых активностей, погодной обстановки, решая проблему различной природы информации. Прогноз различных целевых переменных, таких как число бронирований, число номеро-ночей реализован с помощью ML-алгоритмов с учетом трендовой и сезонной декомпозиции временных рядов. Внутри решения реализован сервис анализа чувствительности изменений целевых переменных по отношению к управляющим параметрам: тарифам и объему посетителей через официальный интернет-сайт отелей. Всего в процессе разработки было обучено 756 ML-моделей на 7 различных временных периодах, сконструировано и изучено более 2600 факторов, проведено 2268 экспериментов с замером точности моделей на различных горизонтах прогнозирования. Точность предсказаний платформы сейчас достигает 94%. В ходе анализа были выявлены четыре фактора, определяющие вероятность заезда: доля предоплаты, глубина и канал бронирования, а также способ оплаты. Например, при бронировании через официальный сайт отеля вероятность поездки на 23% выше, чем при бронировании на OTA агрегаторах. При прочих равных доля предоплаты от 70% и выше даёт в среднем вероятность поездки в 92%, а доля предоплаты в 10% — в 57%.Решение дает рекомендации относительно подходящих временных периодов для усиления маркетинговых мероприятий, предупреждает об ошибках в системе динамического ценообразования.
Вклад организации в развитие Рунета / цифровой экономики
После ухода с российского рынка зарубежных платформ для бронирования (Online Travel Agencies, OTA) каналы продаж в отельном бизнесе стали перераспределяться. Команда поставила перед собой задачу разработать и внедрить платформу, основанную на предиктивных моделях в области искусственного интеллекта, которая позволила бы точнее прогнозировать спрос, оценку вероятности отмен и оптимизировать ценовую и маркетинговую стратегии. Следовательно, перед командой были поставлены следующие бизнес-задачи при разработке платформы:1. Планирование маркетинговых активностей и коррекция настроек рекламных кампаний: учет аналитических данных факторов глубины, дней бронирований, сезонности, частотных периодов, волатильности спроса.2. Создание рекомендательной системы для ценообразования: минимизация резких скачков динамического ценообразования, своевременный переход в будние дни на тарифы выходного дня, учет эластичности спроса, рост конверсии на сайте.3. Обнаружение факторов, из-за которых бронь имеет высокую вероятность «не закрыться».4. Минимизация % отмен по бронированиям за счет опережающего реагирования на предикт вероятности заезда в условиях, когда гость еще не отменил бронь.
Взаимодействие с органами власти / GR-достижения организации
Центр искусственного интеллекта НИУ ВШЭ
Технологии и решения
В феврале 2023 г. учёные Центра искусственного интеллекта НИУ ВШЭ совместно с АО «Новое сервисное бюро» (управляет отелями «Точка на карте») разработали веб-платформу предиктивной маркетинговой аналитики Data.Forecast, учитывающей более 480 значимых факторов.
Платформа ежедневно автоматически объединяет и обрабатывает на базе ML-алгоритмов данные из внешних источников о динамике бронирований, их свойств, посетителей сайтов, конверсии кликов, маркетинговых активностей, погодной обстановки, решая проблему различной природы информации.
Прогноз различных целевых переменных, таких как число бронирований, число номеро-ночей реализован с помощью ML-алгоритмов с учетом трендовой и сезонной декомпозиции временных рядов. Внутри решения реализован сервис анализа чувствительности изменений целевых переменных по отношению к управляющим параметрам: тарифам и объему посетителей через официальный интернет-сайт отелей.
Всего в процессе разработки было обучено 756 ML-моделей на 7 различных временных периодах, сконструировано и изучено более 2600 факторов, проведено 2268 экспериментов с замером точности моделей на различных горизонтах прогнозирования.
Точность предсказаний платформы сейчас достигает 94%. В ходе анализа были выявлены четыре фактора, определяющие вероятность заезда: доля предоплаты, глубина и канал бронирования, а также способ оплаты. Например, при бронировании через официальный сайт отеля вероятность поездки на 23% выше, чем при бронировании на OTA агрегаторах. При прочих равных доля предоплаты от 70% и выше даёт в среднем вероятность поездки в 92%, а доля предоплаты в 10% — в 57%.Решение дает рекомендации относительно подходящих временных периодов для усиления маркетинговых мероприятий, предупреждает об ошибках в системе динамического ценообразования.
Общественный вклад
Кейс стал первым в России проектом применения предиктивных моделей на базе искусственного интеллекта в отельной индустрии.
Главная сложность и уникальность в разработке платформы заключалась в том, чтобы учесть специфические факторы отельной индустрии в отличие от традиционных «транзакционных» бизнесов (финтех, ритейл, реклама, телеком). К таковым факторам относятся сезонность загрузки, особенности условий раннего бронирования, процент отмен, влияние на спрос погодных условий, условия оплаты брони, множество онлайн-каналов бронирования и т. п. Потребовалось объединение данных различной природы и выстраивание их в единую базу данных, решая проблему разрозненности информации (прогнозы погоды, конверсия в воронке бронирований, истории бронирований, метрик трафика на сайте, которые измерялись с разной частотой).Скорость работы: полный циклы обучения 20 мин, предсказания и вспомогательные модели - по 2-3 мин каждая. Для статистической обработки данных реализован автоматизированный сервис запуска скрипта модели по расписанию, что дополнительно повышает точность каждого следующего прогноза. Для работы с платформой пользователям не требуется иметь специальных знаний и владеть навыками дата-сайентистов.
PR и ключевые СМИ об организациях
https://vc.ru/mts/892641-kak-rossiyskiy-turbiznes-ispolzuet-dannye-i-tehnologii-ai
https://tass.ru/obschestvo/19093515
https://minobrnauki.gov.ru/press-center/news/novosti-podvedomstvennykh-uchrezhdeniy/73774/
https://ai.gov.ru/mediacenter/uchenye-niu-vshe-nachali-testirovanie-novoy-tekhnologii-v-otelyakh/
https://cs.hse.ru/aicenter/news/849173517.html
https://cs.hse.ru/aicenter/news/816226657.html
https://www.cnews.ru/news/line/2023-02-17_tehnologii_ii_pomogut_otelyam
https://iz.ru/1548655/2023-07-24/uchenye-niu-vshe-nachali-testirovanie-novoi-tekhnologii-v-oteliakh
https://www.hse.ru/news/science/863527290.html