Новый уровень гостеприимства: в Центре ИИ создали автоматизированную систему для переобучения моделей машинного обучения
Особенности платформы Data.Forecast
Data.Forecast – первый отечественный продукт, созданный в коллаборации ведущих ученых России с шестью действующими отелями Северо-Запада. Это самообучаемая гостиничная система предиктивной аналитики для контроля эффективности маркетинга и продаж на базе моделей машинного обучения. Это интеллектуальная веб-платформа, которая решает задачи оптимального планирования в маркетинге и высокоточных прогнозов загрузки и выручки, основанных на технологиях искусственного интеллекта.
Ежедневно она обрабатывает свыше 2,5 тыс. параметров, включая: динамику бронирований и их характеристики, активность посетителей сайтов, конверсию кликов, маркетинговые кампании, погодные условия и другие отраслевые показатели.
Платформа соединяет данные различной природы, проводит инжиниринг факторов, процедуру отбора значимых факторов и машинное обучение разработанной модели для прогноза числа бронирований, а также оценивает вероятность отмены бронирования.
Data.Forecast автоматически объединяет потоки данных из внешних источников и выстраивает их в единую базу данных, решая проблему различной природы информации.
Команда Центра ИИ обучила более 700 моделей и провела 2,3 тыс. экспериментов для создания платформы. Полный цикл обучения занимает 20 минут, а формирование прогнозов – две-три минуты. Система позволяет анализировать комбинации отелей и категорий номеров для эффективного управления доходами и оперативной корректировки стратегии при критических отклонениях. Для удобства пользователей интегрированы визуальные подсказки.
Решение проблемы деградации моделей
После запуска в 2023 г. точность прогнозирования бронирований снизилась до 87% из-за естественной деградации моделей. Регулярный мониторинг и своевременное обновление моделей позволяют восстановить метрики до прежнего уровня. Как правило, для этого требуется две–три процедуры переобучения в год.
Для устранения этой проблемы: был усовершенствован алгоритм прогнозирования спроса с фокусом на ключевые параметры, внедрено ежемесячное автоматическое переобучение моделей по расписанию.
Эти решения позволили стабилизировать качество прогнозов и предотвратить дальнейшее снижение эффективности.
В результате стабилизации агрегированное качество прогнозов по всем активам сегодня составляет 94%, а регулярное переобучения моделей позволяет сохранять средний уровень качества без значимых отклонений.
Рекомендательный сервис ценообразования для отелей
В рамках нового релиза был разработан рекомендательный сервис ценообразования на базе моделей машинного обучения, направленный на решение ключевых проблем в управлении доходами отелей. Основные сложности, с которыми сегодня сталкиваются revenue-менеджеры: недостаток данных для оптимального выбора цены в текущий момент и при прогнозировании; отсутствие четкой формулы, связывающей загрузку номерного фонда с установленными ценами; ручная корректировка цен, которая требует значительных временных затрат.
Для устранения этих проблем был создан алгоритм, который рекомендует цены с разбивкой по месяцам на основе формулы, связывающей желаемую загрузку номерного фонда с оптимальными ценами. Это обеспечивает баланс между доходностью и загрузкой, минимизируя риски потери клиентов из-за неоптимального ценообразования.
По итогу внедрения системы получили два источника сигналов: экспертный и машинный. Сочетание этих сигналов позволяет в моменте менять цену на машинную, если система говорит, что уместно ставить тариф выше «экспертного», либо придерживаться «экспертной» цены, если видны ненаблюдаемые сигналы.
Результаты
Платформа уже внедрена в шести отелях Ленинградской области и Республики Карелия (курорт «Игора», парк-отель «Дача Винтера», сеть отелей «Точка на карте»). Проведено успешное тестирование продукта и подтверждены бизнес-результаты эффективности ее использования. Так, по итогам 2024 г., благодаря обновлению алгоритмов платформы и повышению ее точности были достигнуты следующие бизнес-метрики: снижение отмен за счет автоматизированной скоринговой модели предсказания заездов, а также выявлению и управлению значимыми факторами, влияющими на вероятность заезда на 14%; дополнительное повышение доходности от продажи номеров благодаря глубокой и интеллектуальной аналитики цен в зависимости от месяцев, дней заезда, эластичности и прогноза спроса, визуальных подсказок.
Ссылка на источник: https://www.cnews.ru/news/line/2025-03-19_novyj_uroven_gostepriimstva