机器学习如何通过细分建议为酒店提供帮助？作者：亚当·莫格隆斯基和拉里·莫格隆斯基

到 2025 年，这将是“数据年”，酒店现在拥有开发实时数据流和结构化数据仓库的工具，以进行适当的人工智能驱动分析。理论上有利可图且有吸引力；这里的现实仍然更加严峻，是建立在 IT 士兵的血汗和泪水之上的，他们一一连接 API、导航区域数据所有权政策并严格测试模型是否存在错误、误报、漏报和恼人的边缘情况。

未来几年和几个月将开发出许多机器学习用例和商业模式，但其中最引人注目的是它能够帮助客户关系管理和忠诚度建设。

除了解决从 OTA 电子邮件别名推断出一个人想要什么的“未知旅行者”问题之外，机器学习还可以在让客人摆脱 20 世纪休闲、企业和团体的细分，转向更加个性化、不太通用的微分段。随着技术进步导致大量数据集被合并，品牌开始对其 KYC 进行更加精细的了解，以了解客人来自哪些渠道、设备和地理位置，以及他们选择您的酒店的原因：休闲、企业、会议、健康等等，以及他们购买的内容：套餐、追加销售优惠、现场辅助支出或其他。

尽管如此，实际情况仍需要勇气。您必须将所有数据放在正确的位置 - 清理、结构化、重复数据删除等。使用 API 的常见摩擦点首先是 IT 专业人员需要专门的时间来设置每个接口，然后在每个后续软件更新中维护所有已建立的连接。

随着每个新系统添加到技术堆栈中，这很快就会变得资源密集型。在这里，另一种称为机器人处理自动化的人工智能已经证明了自己，它可以充当机器人，直接取代必须手动完成的复式输入工作，因为两个系统尚未集成以直接相互对话。

一旦您导入了所有这些数据，清理以删除重复项并构建到适当的数据字段中，您现在就拥有了一个巨大的数字宝库 - 正如人们常说的那样 - 数据是新的石油。虽然这个数据库对于酒店经营者的眼睛来说太大了，无法识别模式，但机器学习正是为这项任务而设计的。你给它数据；然而，它发现了这些模式，这些模式对于人类监督者来说可能是隐藏的。您提供的数据越多，它可能找到的模式就越多，其预测就越准确。

除了查看大量数据并深入了解这些数据之外，机器学习的关键在于它可以生成预测模型来优化所需的未来结果。然后，一旦该模型在现场进行了测试，最好的人工智能就可以使用新数据作为反馈来改进自己的建模算法，进一步增强其预测能力，以更好地优化既定目标。这就是机器学习的工作原理，然后只需围绕寻找可以细分微细分的模式来定义其目标，并测试营销购买、价格、套餐和追加销售优惠，以优化该客户部分的转化馅饼。

酒店已经看到机器学习最有利可图的应用是在收益管理系统中，将包含外部和内部输入的海量数据集计算成算法，然后向收益总监推荐哪些定价将优化客房收入、入住率或现在是每次客人入住的总收入。RMS 领导者在分析费率方面正在幕后做着非常伟大的事情；现在的问题是将各种来源的其他业务数据连接到 CRM 或客户数据平台。

正是整个推荐概念让我们想到了这样一个概念：让机器学习不仅解释如何调整每晚价格或为网站聊天机器人提供什么响应，而且还可以查看大量的客户资料数据，然后为您的收入、销售和营销团队提供自己的一套微细分，以相应地解释和调整他们的计划。

截至目前，我们所有人都在基于我们的培训方式和在酒店工作的经验的一组既定业务假设下运营。我们从休闲、企业和团体的角度看待世界，我们中的许多人已经锁定了这些客户群体。基于机器学习的推荐引擎没有这些相同的限制，因此可以为您的真实细分提供新的视角。

也许这项最新技术将帮助您的酒店在竞争中找到优势，或者让您更有效地部署广告预算。也许它会为您提供建议，告诉您哪些套餐更适合吸引休闲客人，或者哪些类型的团体最有利于您的会议和活动业务。正如人工智能帮助我们重新思考业务假设一样，我们都不敢假设知道这样的工具会在酒店的数据中发现什么。

我们的建议是首先绘制一条连接所有系统的路径，然后再研究这些更先进的机器学习工具。机器学习需要大量的训练数据来启动，并且在开始测试各种业务模型时需要更多的反馈数据。与此同时，你还必须面对文化上的、更存在的场景，当人工智能发现与你的团队开始支付的那些微细分相矛盾时，会发生什么。我们生活在激动人心的时代！

拉里·莫格隆斯基
莫格尔酒店咨询有限公司