여행 산업에서의 밸런싱 머신 러닝 및 인간 직감

여행 계획은 엄청나게 스트레스입니다. 옵션 조사, 예약 비용 지불 및 여정 구성 사이에서 비행기에서 이길 수있는 위험에 맞서야 할 수도 있습니다.

기계 지능은 당신과 당신이 예약 한 여행 회사 모두에게 어려움을 덜어 줄 수 있습니다. 아마도 카약의 CTO이자 박사 학위를 소지 한 조르고 스 자카 리아보다 더 잘 아는 사람은 없을 것입니다. MIT의 인공 지능 및 기계 학습 분야에서 그는“현재 AI는 일종의 유행 분야이며 카약에서 기계 학습과 AI를 오랫동안 해왔다”고 말했다.

AI를 사용하면 디지털 사용자 경험의 거의 모든 측면이 향상됩니다. 특정 계절, 호텔 스타일 및 가격 매개 변수에 대한 선호도를 신중하게 모니터링하여 예약 할 가능성이 높은 결과를 제공 할 수 있습니다. 호텔 목록에 표시되는 사진은 사용자가 다른 버전의 순위를 매기고 그 결과가 대량의 호소를 위해 최적화 된 수천 개의 분할 테스트를 통해 실행됩니다. 우리는 호텔 사진이 다른 사람들을 특징으로 할 때 깨끗하고 깨끗하고 싫어하는 것을 선호합니다.

전체 호텔 또는 항공편 예약 절차를 거친 적이 있습니까? 많은 산업과 마찬가지로 여행 회사는 데이터가 일치하지 않습니다. 많은 레거시 시스템으로 인해 호텔 및 항공사 데이터베이스의 변경 사항이 실시간 공급을 반영하기 위해 예약 제공 업체에 완전히 전파되지 않을 수 있습니다. 이 문제를 해결하기 위해 Kayak의 알고리즘은 다양한 기록 소스를 분석하여보다 정확한 가용성 예측을 생성합니다.

또 다른 일반적인 데이터 문제는 중복 처리입니다. Zacharia는“이러한 모든 레코드가 다른 시스템에서 나오면 맞춤법 오류, 단어 순서 및 시스템이 중복 레코드를 만들 수있는 기타 문제가 발생할 수 있습니다. 예를 들어, 단일 리스팅의 제목이 "Boston Marriott Hotel"또는 "Marriott Hotel In Boston"과 다르게 표시 될 수 있습니다. 시간을 절약하기 위해 중복 제거 프로세스는 대부분 기계 지능에 의해 자동화됩니다. 알고리즘이 예측을 확신하지 못하는 신뢰도가 낮은 레코드 만 분석을 위해 직원에게 에스컬레이션됩니다. 여러 출처의 기록에 따르면 호텔에 수영장이 있는지 여부와 같은 기본 사실에 대해서는 동의하지 않을 수도 있지만 Zacharia는 "이 알고리즘은 해당 데이터를 매우 신속하게 합리화 할 수 있습니다"라고 확신합니다.

기계 분석은 직관에 위배되는 놀라운 학습을 제공 할 수 있습니다. 카약 이전의 역할에서 Zacharia는 기업 파산 신고를 예측하는 시스템을 구축했습니다. 파산 1 개월 전에 회사의 신용 점수는 종종 크게 향상되었습니다. 그 계시는 더 많은 조사로 이어졌습니다. 위험에 처한 회사의 CFO는 다른 대출을 받기 위해 연체 된 청구서를 필사적으로 상환하기 시작하지만 일반적으로 실패합니다.

여행 공간에서도 비슷한 결과가 발생합니다. 예를 들어, 사용자는 호텔의 평균 평가 점수와 리뷰 수에 대해 더 신경을 씁니다. 댓글이 압도적으로 긍정적 인 경우에도 24 개 미만의 리뷰를 가진 호텔을 예약 할 가능성은 훨씬 낮습니다. 사용자는 좋은 거래를 발견 할 수있는 정교한 코를 가지고 있습니다. 명확한 할인을 방송하면 일반적으로 전환율이 높아지지만 호텔이 원래 가격을 밝히지 않고 객실을 할인하더라도 구매자는 직관적으로 거래에 몰려 듭니다.

카약은 기계 학습을 활용하는 유일한 여행 회사는 아닙니다. CEO Gillian Tans가 이끄는 Booking.com은 225 개 이상의 국가에 43 개 언어로 자산을 상장하여 국제적인 사업을 영위하고 있습니다.

Tans에 따르면“Booking.com은 세계에서 가장 큰 번역 회사 중 하나입니다. 당신이 언어를 못하는 외국으로 향하고 있습니까? 문제 없어요. Booking의 크로스 플랫폼 챗봇을 사용하면 해외 호텔 및 호스트와 연결하고 지원되는 모든 언어에 대한 실시간 번역을 수행 할 수 있습니다.

Booking.com 봇은 사람과 사람 간의 대화를 실시간으로 번역 할뿐만 아니라 가장 간단한 여행 질문에 대답 할 수있는 24 시간 고객 서비스 에이전트 역할을합니다. Kayak은 Facebook Messenger, Amazon Echo 및 Slack에 인기순으로 봇을 가지고 있습니다. 봇 뒤의 자연어 처리 (NLP)는 동일하지만 Zacharia는 사용자가 다른 의도로 다른 플랫폼에 접근한다고 지적합니다. “Alexa에서는 하와이 행 항공편의 양과 같은 더 많은 열의가 있습니다. Facebook에서는 사용자가 음식을 예약해야하는 장소 등 사용자가 이미 예약 한 후 더 많은 유입 경로 쿼리를받습니다.”라고 밝힙니다. 복잡한 질문은 여전히 ​​인간이 처리해야하지만 Tans는 "머신 러닝으로 얼마나 많은 일을 할 수 있고 얼마나 좋은지 잘 알고 있습니다."라고 말합니다.

머신 러닝을 통해 개선 된 점은 인상적이지만 여행 업계는 인공 지능에 대한 Tans의 궁극적 비전에 도달하기위한 많은 장벽을 극복해야합니다.

“여행 예약은 쇼핑, 식료품 점 또는 식당 예약과는 다릅니다. Tans는 인간의 상호 작용과 충분한 자동화 사이의 올바른 균형을 목표로해야한다고 강조합니다.

"여행은 개인과 감정의 조합입니다"라고 그녀는 말합니다. "모든 고객은 다르고 여행 경험은 유동적이지만 최종 목표는 최상의 솔루션을 찾는 것입니다."

2017 년 4 월 13 일에 www.topbots.com에 처음 게시되었습니다.

읽은 것을 좋아합니까? 최고의 봇 뉴스 및 독점 산업 컨텐츠를 얻으려면 TOPBOTS 커뮤니티에 가입하십시오.