编者注：在携程技术中心推出的线上公开课程[携程技术微分享]上，来自携程酒店研发的BI经理潘鹏举，介绍了如何借助大数据和算法，通过机器学习去克服酒店服务行业挑战，给用户带来更好的服务体验，给公司带来效率提升，希望能对你有所启发。关注携程技术中心微信号（ctriptech），回复“微分享”，可获得[携程技术微分享]最新课程信息。
不同于其他行业，酒店OTA有一些自己的特点，比如天生限时限购，每个酒店库存固定。作为第三发平台，我们不掌握实际库存，依赖酒店方的行为。还有就是有些酒店设备落后，导致无法系统直连、无法接入EBK系统，所以管理起来比较困难。
虽然有种种挑战，但我们仍希望能给用户提供极致的预订体验，酒店服务主要从好、快、准三个方面来衡量。“好”的KPI包括“到店无房率”和“到店无预订率”，“快”包括“订单确认时长”和“立即确认率”，“准”则包括了“信息准”、“价格准”、“房态准”。
目前来说，很多指标都控制在极低的水平上。但随着业务量的持续增长，持续增加客服人员来维持高服务水准就变得不太现实，因此借助于技术手段来实现自动化、智能化是一个很好的方向，机器学习算法在其中扮演了一个很重要的角色。
携程每天产生2亿PV，10TB的数据量，数据量挺大的。但数据大！=价值大，在实践中我们主要会用到业务数据和用户行为数据，业务数据包括了订单数据、房态、房价等数据，用户行为数据包括了用户点击、浏览等数据。
一般性数据时效性越高，数据价值越大，未来的人工智能就是基于过去和当前的状态来预测未来，再用预测来影响未来。打个比方，如果你只利用过去的数据，比如统计报表、数据分析，那么你就挖到了银矿，因为分析过去的数据只能控制未来不会犯同样的错误，但如果你结合过去和当下的数据预测了未来，那么你就挖到了钻石，因为你可以用预测结果和实际进行对比发现新的黑天鹅现象，从而来指导业务进行转变。
接下来我们看看一些实践案例，看一下机器学习算法是怎么提高业务水平的。
一、机器学习提升用户预订极致体验
在服务指标中，“快”体现了我们的服务速度，有两个重要KPI：立即确认和订单确认时长。我们有个业务逻辑叫保留房，是酒店承诺给携程的库存量。针对保留房我们可以立即确认订单给客人，确认时长为零。针对非保留房，我们确认速度比较慢，需要等酒店回复信息之后才能确认订单给客人，导致客人体验差，当然并不是所有的酒店都愿意和我们签订保留房，并且保留房有时间限制，到了入住日晚上X点以后，保留房就失效了，所以非保留房的存在，决定了“快”的服务水准。针对提高非保留房的服务水准是我们的一个很重要的课题。
我们先看一下确认流程简图：
对整个流程进行分析，我们发现有两个可以优化的点；
1、非保留房的确认率90%+，也就是我们的推翻的订单10%都不到，如果我们可以对非保留房里面的确认概率高（确认准确率99%+，与保留房的确认率持平）的订单先确认，那么实际上非保留房的流程可以遵循保留房的流程，我们暂且叫虚拟保留房。针对怎么挑出这些确认概率高的订单命题，机器学习算法就起作用了；
2、红色部分“等待至X分钟“设置的不合理，因为有些酒店在X分钟内是肯定不回传的，还要硬等X分钟，导致很多订单确认时长就白白多了X分钟。那么针对哪些订单是肯定不回传，哪些是回传的命题，机器学习算法就发挥作用了。
针对这两个优化的点，我们嵌入了两个机器学习模型，我们看一下优化后的流程是怎么样的：
从红色部分的两个模型上可以看到，虚拟保留房可以新增立即确认订单占比，从而提高确认速度；酒店回传时长预测模型优化了现有的订单外呼流程，针对有部分的时长过长的订单提前干预，从而缩短了整体的确认时长。
我们看一下模型最终的效果，虚拟保留房预测模型准确率99%+，酒店回传时长预测模型准确率93%+。整体提升立即确认率5%，缩短平均确认时长约2分钟。通过以上的案例可以看到，模型很好的提升了用户的预订体验，取得了不错的效果。
二、机器学习提升大户室询房效率
过去，询房主要是人工经验为主，经理们会根据过去的房型预订情况和区域紧张度情况，筛选出今天要重点询问的酒店列表，然后大户室人员会对酒店列表打电话询问房态，我们的酒店数量庞大，人工询问的电话量有限，怎么提升询房有效率，即每通电话的有效性是个很棘手的问题。
过去一年，我们着力于使用机器学习算法来预测酒店的房态和技术手段持续的优化流程，提高询房有效性，通过算法筛选询房酒店比人工经验筛选的有效性从25%左右提升到了50%+，这是个很显著的提升，可以大大节省人工成本，提高工作效率。
以下是我们优化后的流程；
简单的说是变化的是两个模型+IVR自动外呼。通过这两个模型，我们把房态变化概率高的酒店先筛选出来，放在询房看板上。IVR自动外呼概率高的酒店。通过这一流程改造，我们实现了询房的自动化、智能化，人工介入的成分很少，节省了大量的人力成本，也提高了我们的工作效率。
通过以上两个例子可以看到，机器学习算法可以帮助公司创造出价值，。目前来看，我们的数据利用只是数据价值的冰山一角，也借此机会希望大家多思考一下数据的利用价值，让数据发挥出应有的价值。
