Machine Learning

Definíció

A machine learning (gépi tanulás) olyan modelleket jelent, amelyek múltbeli eredményekből tanulnak mintázatokat, ahelyett, hogy kézzel írt képleteket követnének. A szállodai revenue-munkában ez a réteg áll a keresleti előrejelzés, az anomália-észlelés és az árajánlás mögött: abból általánosít, amit a foglalásaid korábban csináltak, arra, amit valószínűleg legközelebb csinálnak.

Mit mutat meg

Az ML pont ott erős, ahol az emberi figyelem gyenge: minden dátumot, szegmenst és naptípust ugyanazzal a gondossággal figyel, minden nap, és felszínre hozza azokat az apró, halmozódó elcsúszásokat, amelyek dátumról dátumra csak zajnak tűnnek. A visszatérő vakfoltja az, aminek nincs előzménye — egy új versenytárs, egy megszűnt járat, egy regime change (a piaci szabályok alapvető megváltozása) —, ahol a múlt, amiből tanult, már nem érvényes.

Hogyan kövesd

A modellt az eredményei alapján ítéld meg, ne a magabiztossága alapján: havi forecast accuracy áttekintések (MAPE horizontonként), és egy napló arról, mikor írtad felül, és hogy a felülírás megverte-e a modellt. Ha egy időszakban a felülírások rendre nyernek, a világ valószínűleg gyorsabban változott, mint a tanítóadat.

Hol a helye

Az árazás fejlődésének harmadik lépcsője — a szabály-alapú logika és az elaszticitás- (árrugalmassági) modellek után —, és a hibrid előrejelzés statisztikai alapja. Az ingyenes Academy részletesen tanítja: Pricing Engine — ML-alapú árajánlás.