携程：机器学习在酒店服务领域的实践

在携程技术中心推出的线上“携程技术微享”公开课上，来自携程酒店的 BI 经理潘鹏举介绍了如何借助大数据和算法，克服酒店服务行业的挑战，为用户带来更好的服务体验。 给公司带来效率，希望受到大家的启发..

Ctrip是一家在线OTA服务公司。与其他行业不同，酒店OTA有其自身的特点，如自然时限、每个酒店的固定库存、直接与酒店谈论合作房型等。作为第三方平台，OTA酒店行业也面临着许多挑战，如我们无法掌握实际库存，依赖酒店行为；一些酒店设备落后，导致无法直接连接到系统，无法访问EBK系统，因此难以管理。

尽管存在各种挑战，但我们仍然希望为用户提供良好的预订体验，酒店服务主要从三个方面来衡量：良好、快速和准确。"很好"KPI包括"无机房率"和"无预约率"，"快速的"包括"订单确认时间"和"立即确认率"，而"很好"包括"信息准确"、"价格精度"和"房间状态精度"。

目前，许多指标都是在非常低的水平下控制的。然而随着业务量的不断增长，继续增加客户服务人员保持较高的服务水平是不现实的，因此通过技术手段实现自动化是一个很好的方向，智能是一个很好的方向，机器学习算法在IT中发挥着非常重要的作用。

携程每天产生2亿pv，10 TB的数据。但数据大=值大，在实践中我们主要使用业务数据和用户行为数据，业务数据包括订单数据、房屋状况、房价等数据，用户行为数据包括用户点击、浏览等数据。

一般数据的及时性越高，数据的价值就越大。未来人工智能是基于过去和现在的状态来预测未来，然后利用预测来影响未来。例如，如果你只使用过去的数据，如统计报告，数据分析，然后你挖掘银矿，因为分析过去的数据只能控制未来而不会犯同样的错误，但是如果你把过去和现在的数据结合起来预测未来，那么你就可以挖掘钻石，因为你可以将预测的结果和实际的结果进行比较，找到新的黑天鹅来指导业务的转变。

接下来，我们将查看一些实际案例，看看机器学习算法如何提高业务级别。

首先，机器学习提高了用户预订的最终体验。

在服务度量中，“快速”用两个重要的KPI来反映我们的服务速度：即时确认和订单确认持续时间。我们有一个商业逻辑来保留房间，这是酒店对库存的承诺。对于预订的房子，我们可以立即向客人确认订单，并确认其持续时间为零。考虑到非预定房间，确认率相对较慢，在需要酒店的退货信息后，可以向客人确认订单，这就导致了客人体验的差异，当然不是所有的酒店都愿意与我们签约，而且房间有时间限制，在登记日期X点后，预订房间无效，因此非预定房间存在，并决定了“快速”的服务水平。提高无预约客房的服务水平是我们面临的一项非常重要的任务。

确认工艺图

对整个过程的分析表明，有两点是可以优化的：

非预定房间的确认率为90%，即我们推翻的订单少于10%。如果能够以较高的确认概率(准确率为99%，预定房间的确认率相同)确定非预定房间的顺序，那么在实践中，非预定房间的过程可以遵循预定房间的流程，我们称之为虚拟预订房。机器学习算法的工作顺序是如何选择具有高确认概率的顺序命题。

“等待X分钟”设置的红色部分是不合理的，因为有些酒店肯定不会在X分钟内返回，但也很难等待X分钟，导致很多订单确认时间超过X分钟。然后，机器学习算法扮演了一个角色，即命令绝对不被重传，而顺序是重传命题。

对于这两个优化点，我们嵌入了两个机器学习模型，让我们看看优化过程：

从红色部分的两种模型可以看出，虚拟预订室可以添加一个即时的确认订单比例，以提高确认速度；酒店返回时间长度预测模型优化了现有的订单超出流量，从而缩短了整个确认时间周期。

让我们来看看模型的最终效果。虚拟预订模型的准确率为99%，酒店返回时间预测模型的准确率为93%。总的即时确认率提高了5%，平均确认时间减少了约2分钟。通过以上案例，我们可以看出，该模型提高了用户的预订体验，并取得了良好的效果。

二、提高大家庭询问室效率的机器学习

过去，查询室主要是人工体验，经理根据以往的房型预订和区域紧张情况，筛选今天要查询的酒店列表，然后由大户客房员工拨打酒店列表查询房间状态，我们酒店有大量的酒店。人工拨打的电话数量有限，如何提高查询的效率，即每次电话的有效性是一个非常困难的问题。

在过去的一年中，我们专注于使用机器学习算法来预测酒店房间状态和技术手段的持续优化过程，提高查询的有效性，并通过算法提高查询的有效性，算法选择查询房间的有效性从 25% 左右提高到 50% 以上。 这是一个显著的改进，可以大大节省人工成本，提高工作效率。

以下是我们的优化过程：

简单地说，两种型号的IVR自动呼喊出的变化是什么。通过这两种模型，我们筛选出房间变化概率高的酒店，并将它们放在看板上。IVR酒店具有很高的自动拨打电话的概率。通过这一过程改造，实现了人工干预的自动化、智能化和少部件化，节省了大量的人力成本，提高了工作效率。

通过以上两个示例，我们可以看到机器学习算法可以帮助公司创造价值。目前，我们的数据利用只是数据价值的冰山一角，我希望您可以更多地思考数据利用的价值，以便数据能够发挥其应有的价值。