布莱恩·贝瑞|2016年3月1日
机器学习，或称预测分析，在旅游和酒店行业普遍使用。在线旅游网站如Expedia、Priceline和Trip Advisor已经使用数据超过十年，他们非常擅长向我们出售机器学习的东西。他们首先要弄清楚人们会为某项旅游服务支付多少钱(相对于其他客户)，对所有可供销售的旅游服务进行偏好分类，然后推荐网站访问者接下来需要的东西。你是说飞去维加斯?你的未来很可能是住酒店或租车。但是，哪些酒店会让你留在他们的网站上，从Expedia而不是Expedia的竞争对手那里购买?您是否期望获得优质的酒店体验?您是要菲亚特还是GMC阿卡迪亚?你是蓝人乐队、席琳·迪翁还是佩恩和泰勒的粉丝?
他们通常会得到它！他们正在使用所谓的推荐引擎以与其他顾客相似的模式和偏好为基础，引导顾客做出一系列的购买决定。表面上，只是数学问题，但影响是不可否认的。它使公司能够预测他们的客户想要什么，然后(这是关键部分)在客户真正需要并且愿意为它付费的时候，预测并交付对该需求的响应。对的事，对的地点，对的时间。
推荐是其中之一四个核心机器学习问题。这四个问题代表了可以解决的问题。现在让我们将机器学习应用于垂直的酒店管理中的其他商业模式：酒店管理。机器学习与酒店相关吗？如果算法可以预测客人的需求，那么酒店员工可以与该信息做些什么？答案是：为生活创建客户。
关于机器学习，一个常见的误解是，为了产生任何有用的见解，你需要大量的数据(或大数据)。酒店和酒店集团使用的物业管理系统(PMS)证明了这一点是错误的:它们正在小规模地使用ML来管理收入、提高盈利能力和取悦客户。这里有三个例子，展示了酒店和物业管理集团如何使用机器学习来管理收入。
市场细分
客户细分不是新的。我们了解家庭度假者和商务旅行者之间的区别 - 这些是大段。但是，机器学习进一步，帮助公司发现他们可能无法意识到的细分。哪些客户想要在游泳池附近，在早上甚至可以穿衣服之前需要三个早晨的文件？拥有这种知识，酒店了解个人级别对客人的事项，使他们能够立即预测他们的需求。甚至更多，酒店可以了解他们最有利可图的客户的关键特点，并在登录网上预留网站时识别下一个。
需求预测
全年都需要什么样的服务?酒店能否优化客房供应，以适应不断变化的需求模式，并在不影响盈利的情况下进行装修或定期维护?虽然酒店增加或减少客房库存的能力可能有限，但管理层可以优化资源需求，以响应预计的需求水平。
价格优化
航空公司非常了解，不同的客户很乐意为同一个飞机座椅支付不同的价格。酒店客房也是如此。通常，有利可图的客户是最不敏感的人，但有些是相当敏感的 - 选择在其他酒店服务上花钱。
机器学习可能看起来很吓人，特别是当你假设你需要大数据和巨大的计算能力来产生投资时。实际上，关键的要素是了解你的行业，以及你作为服务提供者可以向客户提供什么。大多数酒店和酒店集团都拥有足够的核心客户信息，从而开始获得有价值的见解，并开始在新的数据世界中争夺客户
