entrevista/El nuevo estudio para «Automatizado en hoteles para predicciones interpretables para cancelar la reserva» Plantea el Modelo de Inteligencia Artificial (AI) para reducir su impacto en los gastos de los resultados para las instituciones. Pilar Polstro Heel, junto con Ismail GómezYa sea de la Universidad de Ri Juan Carlos, formó un Un equipo multidisciplinario de investigadores con Maná azizani y ashok sinhanna aziziani Subordinar Universidad de Nevada (EE. UU.), Que se publicó recientemente en IEEE XPLORELos talones lo analizaron en esta entrevista.
¿Cuál es la cancelación promedio que puede tener el hotel?
El porcentaje de cancelación varía mucho según el mercado y el canal de ventas. Según la industria, en la parte B2C transitorio Puede superar el 30 %, mientras que en canales como Booking.com este porcentaje puede variar entre 30 %y 50 %. Por otro lado, el canal directo generalmente tiene un indicador de cancelación más bajo. Estos datos coinciden con estudios previos en literatura académica, lo que establece esta tasa entre 10 % y 30 %.
«OTA juega como una posición importante en estos números debido a la facilidad de reserva y cancelación de los tacones de la pelota
¿Cómo pueden los hoteles «proteger» antes de esta posible generación de pérdidas?
Nuestro estudio sugiere un modelo predictivo basado en el aprendizaje automático AI es una aclaración ilustrativa (xi) Para determinar los patrones de abolición de antemano. Estos hoteles permiten la implementación de estrategias para reducir las pérdidas como:
- Control excesivo de reservaMejora de la profesión real sin afectar la experiencia del cliente.
- Políticas o sanciones de depósitoReduciendo la cancelación en el último minuto a tasas no reembolsables o depósitos parciales.
- Fragmentación del mercadoDiseñe estrategias específicas de acuerdo con las características del cliente probablemente para cancelar.
Desde la izquierda. Un DCHA, Ismael Guómez-Lal y Pilar Talón-Ballestero, ambos de la Universidad Rey Juan Carlos, junto con Mana Azizsoltani, de la Universidad de Nevada. El proyecto fue financiado por el Ministerio de Ciencia e Innovación de Español. Fuente: Urjc.
¿Cómo llega esta predicción con éxito el 96 % para estudiar?
El modelo logra esta alta precisión a través de Modelo de inducciónQue combina muchos algoritmos básicos (bosques aleatorios, xgboost, lightgbm) en un modelo twinal que mejora la capacidad predictiva. Se analizan más de 79,000 registros de datos, con grandes variables como el tiempo de reserva, el tipo de habitación y el sector de mercado. La evaluación se llevó a cabo verificando la validez de la intersección de la clase (5 veces), asegurando la durabilidad del modelo. Además, para proporcionar el modelo de interpretación, SHAP (interpretaciones adicionales), lo que permite el análisis del efecto de cada variable en la predicción.
Pillar Talon Bolstro, co -autor del estudio, especialista en ingresos y marketing de hoteles y el director de programas de gestión de ingresos de URJC, destaca que «la posibilidad de esperar cancelación y adaptación de la estrategia de precios y su disponibilidad proactiva es un gran progreso a favor de la rentabilidad y sostenibilidad del sector hotelero «.
¿Cuáles son los factores que afectan la decisión de cancelación?
El estudio identificó varios factores importantes en la posibilidad de cancelar la reserva:
- El tipo de habitación incautadaLas salas de inventario económicas o altas tienen tasas de cancelación más bajas.
- Sector de clientes:
– el Familias con niños Tiende a cancelar más debido a eventos inesperados.
– el Grupos de viajeros Se reservan individualmente con una mayor inclinación de cancelación si el grupo planea cambia.
– Sin embargo, y Las reservas colectivas se gestionan a través de agencias de viajes o empresas Por lo general, es más estable y menos vulnerable a la cancelación, ya que generalmente están sujetos a acuerdos contractuales.
– el Clientes locales Muestra la alta tasa de cancelación.
– el Clientes en cruce sin contrato Proporciona una mayor tendencia a cancelar que aquellos que tienen un contrato, que generalmente tienen obligaciones más estables con las instituciones.
- Canal de distribución: Las reservas a través de las agencias de viajes tradicionales son más estables que la que se realiza OTA o directamente por el cliente.
- Tendencias anticipadas: Más de antemano, una mayor probabilidad de cancelación.
- Cancelación: Es probable que las reservas se cancelen sin depósito o con cancelación elástica.
¿Está este modelo disponible para cadenas interesadas, o es solo para fines de búsqueda?
Este modelo se desarrolló principalmente para fines de investigación, pero tiene un enfoque práctico claro y puede ser implementado por cadenas hoteleras interesadas en mejorar la gestión de la cancelación y mejorar su estrategia para administrar los ingresos.
Otras noticias relacionadas con la cancelación:
– Perdidas oportunidades de ventas, las claves para conocer la verdadera demanda del hotel
Unpingies, una pieza importante en la estrategia de tarifa del hotel