Mesterséges intelligencia az utazási iparban | Mesterséges intelligencia az üzletben #79

Forrás: DALL·E 3, prompt: Marta M. Kania (https://www.linkedin.com/in/martamatyldakania/)

Mesterséges intelligencia az Airbnb-nél

Az Airbnb mesterséges intelligenciát használ a felhasználók érdeklődésének felismerésére, a keresési eredmények személyre szabására és az általános utazási élmények javítására.

Az Airbnb egyik kulcsprojektje a mesterséges intelligencia területén a LATEX rendszer. Ezt a rendszert ingatlanattribútumok, például szolgáltatások vagy kilátások kinyerésére használják strukturálatlan szöveges adatokból. Ezen információk alapján az Airbnb személyre szabott ingatlanajánlásokat készít, amelyek a vendégek preferenciáihoz igazodnak.

Továbbá a cég kifejlesztett egy saját rendszert a bérbeadó ingatlanok fényképeinek kategorizálására. Ennek a rendszernek köszönhetően többek között automatikusan kiválasztható a legjobb borítókép egy adott kategóriához, például tengerparti vagy hegyi környezethez.

Az Airbnb emellett intenzíven fejleszti a gépi tanulási modelleket a hirdetések minőségének és vonzerejének értékelésére. Ezeket később a keresési eredmények bemutatására használják. Minél magasabb a minősítés, annál előrébb helyezkedik el a hirdetés.

Expedia – a mesterséges intelligencia leghatékonyabb alkalmazása

Az Expedia intenzíven alkalmaz mesterséges intelligenciát olyan területeken, mint:

• az ügyfél élettartam értékének (CLV) előrejelzése,
• különböző utazási ajánlások generálása,
• rangsorolási modellek optimalizálása.

Az Expedia gépi tanulási (ML) rendszerei pontosan képesek megbecsülni az ügyfél élettartam értékét vagy az ügyfél tranzakcióinak összértékét az idő múlásával. Ezt az információt később marketing- és ügyfélszolgálati stratégiákhoz használják.

A cég folyamatosan javítja ajánlási algoritmusait is. Jelenleg olyan mechanizmusokat alkalmaz, amelyek növelik a javasolt utazások változatosságát, hogy minden ügyfél találjon valami megfelelőt.

Az Expedia-nál folyamatban van a keresési eredményekben a hirdetések rangsorolásáért felelős modellek fejlesztése is. Különböző módszereket tesztelnek, beleértve azokat is, amelyek növelik a bemutatott szállodák vagy járatok sokféleségét.

Forrás: Investopedia (https://www.investopedia.com/)

Trivago és a szállásértékelések optimalizálása

A Trivago több mint 200 partneroldal szállásajánlatait keresi és hasonlítja össze. A cég fő kihívása, hogy megfelelően rangsorolja a rendelkezésre álló számos szállodát, apartmant és szállást, hogy a legrelevánsabbak a találatok élére kerüljenek.

Ennek érdekében a Trivago intenzíven használ gépi tanulási modelleket. Többek között a megadott szállás népszerűségének történeti adatait és a hasonló profillal rendelkező vendégek preferenciáit használják.

Azonban, hogy elkerüljék, hogy a felhasználók csak a legnépszerűbb és leggyakrabban választott úti célokat lássák, a cég egy különleges kiaknázási-felfedezési mechanizmust vezetett be. Ennek célja, hogy egyensúlyt teremtsen a bevált, jól értékelt hirdetések ajánlása és a kevésbé ismert hirdetések felfedezése között, rejtett gyöngyszemek keresése érdekében.

Összefoglalás. A mesterséges intelligencia jövője az utazási iparban

A mesterséges intelligencia már ma szinte minden aspektusát áthatja az utazási iparnak. Támogatja a cégek kulcsfontosságú üzleti folyamatait, és közvetlenül befolyásolja az utazók élményeit.

A szakértők előrejelzése szerint a mesterséges intelligencia szerepe a következő években tovább fog növekedni. Az új gépi tanulási modellek lehetővé teszik az ügyféligények még jobb megértését és a személyre szabott, egyedi élmények létrehozását az utazások során.

De ennek eléréséhez szükséges egyensúlyt találni a digitalizáció és az utazás különlegességét adó kaland és meglepetés megőrzése között. Kétségtelen, hogy a turizmus jövője a mesterséges intelligenciáé.

Ha tetszik a tartalmunk, csatlakozz a nyüzsgő méheink közösségéhez a Facebookon, Twitteren, LinkedIn-en, Instagramon, YouTube-on, Pinterest-en, TikTok-on.

Robert Whitney

JavaScript szakértő és oktató, aki IT osztályokat mentorál. Fő célja, hogy növelje a csapat termelékenységét azáltal, hogy megtanítja másoknak, hogyan működjenek együtt hatékonyan a kódolás során.

View all posts →