Balansering av maskinlæring og menneskelig intuisjon i reiselivsbransjen

Reiseplanlegging er utrolig belastende. Mellom å undersøke alternativer, betale for bestillinger og organisere reiseruten din, kan det hende du også må kjempe med risikoen for å bli slått og dratt av fly.

Maskinintelligens kan lindre noen av smertepunktene for både deg og reisefirmaene du bestiller hos. Kanskje ingen vet dette bedre enn Giorgos Zacharia, CTO for Kayak og innehaver av en doktorgrad. innen kunstig intelligens og maskinlæring fra MIT. "AI er et slags fasjonabelt domene for tiden," sier han underholdt av den nylige hypen, "men vi har drevet med maskinlæring og AI på Kayak i lang tid."

Nesten alle aspekter av din digitale brukeropplevelse er forbedret med AI. Dine preferanser til bestemte årstider, hotellstiler og prisparametere overvåkes nøye, slik at du får servert resultater du sannsynligvis vil bestille. Bildene du ser på hotelloppføringer, kjøres gjennom tusenvis av delte tester der brukere rangerer forskjellige versjoner og resultatene er optimalisert for masseappell. Det viser seg at vi foretrekker at hotellets bilder er rene og uberørte og misliker når de inneholder andre mennesker.

Har du noen gang gått gjennom en hel hotell- eller flybookingsprosess, bare for å bli fortalt på slutten at varen ikke var tilgjengelig? Som mange bransjer lider reisebyråer av inkonsekvens i data. På grunn av en rekke gamle systemer, kan det hende at endringer i hotell- og flyselskapsdatabaser ikke fullstendig sprer seg i tide til at bestillingsleverandørene reflekterer sanntidsforsyning. For å bekjempe dette problemet analyserer Kayaks algoritmer en rekke historiske kilder for å generere en mer nøyaktig prognose av tilgjengeligheten.

En annen vanlig datautfordring er å håndtere duplikater. "Med alle disse postene som kommer fra forskjellige systemer, kan du ha stavefeil, forskjellige ordordre og andre problemer som kan føre til at et system lager dupliserte poster," forklarer Zacharia. For eksempel kan en enkelt oppføring benevnes på en annen måte som “Boston Marriott Hotel” eller “Marriott Hotel In Boston.” For å spare tid blir de-dupingsprosessen i stor grad automatisert av maskinell intelligens. Bare poster med lav tillit, der algoritmen ikke er sikker på en prediksjon, eskaleres til personalet for analyse. Oppføringer fra forskjellige kilder kan til og med være uenige om grunnleggende fakta, for eksempel om et hotell har et basseng, men Zacharia forsikrer at "disse algoritmene kan rasjonalisere disse dataene veldig, veldig raskt."

Maskinanalyse kan gi overraskende læring som motsier intuisjonen din. I en tidligere rolle før Kayak, bygde Zacharia systemer for å forutsi innlevering av konkurs. En måned før en konkurs ser kredittpoengene til et selskap ofte dramatisk. Avsløringen førte til videre etterforskning. Viser at finansdirektører i risikofylte selskaper desperat begynner å betale tilbake forfalte regninger i håp om å få et nytt lån, men mislykkes typisk.

Lignende funn forekommer i reiseområdet. For eksempel bryr brukerne seg mindre om gjennomsnittsvurderingen av et hotell og mer om antall anmeldelser. Det er langt mindre sannsynlig at et hotell med færre enn 24 anmeldelser bestilles selv om kommentarene er overveldende positive. Brukere har også en sofistikert nese for å oppdage gode tilbud. Å kringkaste en klar rabatt resulterer vanligvis i høyere konverteringer, men selv når et hotell rabatter på rom uten å avsløre originale priser, strømmer kjøperne intuitivt til avtalen.

Kajakk er neppe det eneste reiseselskapet som bruker maskinlæring. Booking.com, hjulpet av administrerende direktør Gillian Tans, er stolt av internasjonal rekkevidde og viser eiendommer i over 225 land på 43 språk.

Mange er ikke klar over at “Booking.com er et av de største oversettelsesselskapene i verden,” ifølge Tans. På vei til et fremmed land hvor du ikke snakker språket? Ikke noe problem. Bookings chatbots på tvers av plattformer lar gjestene få kontakt med utenlandske hoteller og verter og utføre sanntidsoversettelser for alle støttede språk.

I tillegg til å oversette samtaler fra menneske til menneske i sanntid, fungerer Booking.com-boter som 24-timers kundeserviceagenter som kan svare på de fleste enkle reisespørsmål. Kajakk har også roboter på Facebook Messenger, Amazon Echo og Slack, i rekkefølgen av popularitet. Mens den naturlige språkbehandlingen (NLP) bak botene er den samme, konstaterer Zacharia at brukerne nærmer seg forskjellige plattformer med ulik hensikt. "På Alexa får vi flere ambisjonsspørsmål, for eksempel hvor mye en flyreise er til Hawaii. På Facebook får vi flere spørsmål om lavere trakt etter at en bruker allerede har bestilt, for eksempel hvor de skal spise, avslører han. Komplekse spørsmål må fremdeles håndteres av mennesker, men Tans bemerker "det er overraskende hvor mye du kan gjøre med maskinlæring og hvor bra det blir."

Mens forbedringene med maskinlæring er imponerende, må reiselivsbransjen overvinne mange barrierer for å nå Tans 'ultimate visjon om at AI er en "fullt funksjonell digital reiseassistent som proaktivt kan løse potensielle problemer før du selv vet at de eksisterer."

"Å bestille reiser er ikke som å handle, eller handle eller bestille en restaurant. Det er mye sjeldnere, så det å forstå hva som fungerer bare tar mye mer tid. ”Tans understreker også at vi må sikte mot riktig balanse mellom menneskelig interaksjon og tilstrekkelig automatisering.

"Reise er en kombinasjon av det personlige og det emosjonelle," sier hun. "Hver kunde er forskjellig og reiseopplevelsen er helt flytende, men sluttmålet er å finne de beste løsningene."

Opprinnelig publisert på www.topbots.com 13. april 2017.

Elsker det du leser? Bli med i TOPBOTS-fellesskapet for å få de beste botnyhetene og eksklusivt industriinnhold.