教育新闻网人工智能无处不在，其先进功能已成功地改变了许多行业。旅游业是许多严重依赖机器学习和人工智能的行业之一。与大多数行业一样，旅游业处理大量数据，而AI通过发现可帮助公司实现最大收入的模式，使所有数据变得有意义。旅游和酒店市场采用的一种通用方法是利用其产品的AI好处，包括使用AI支持的SaaS(软件即服务)产品，这些产品可协助数据处理和分析，提出个性化建议，提供可行的数据见解等等。
我们采访了领先的B2B SaaS产品提供商RateGain的创始人兼董事长Bhanu Chopra先生。
人工智能的引入带来了SaaS的重大发展。为了深入了解不断变化的格局以及人工智能在旅游业和酒店业中的作用，RateGain成立于2004年，为190多个国家的旅游和酒店业的12,000多个客户提供服务。它使用人工智能和机器学习来帮助旅行和酒店业公司进行认知收入管理，无摩擦分配并最大限度地提高客人的一生价值。与RateGain相关的一些品牌包括Leela酒店，Makemytrip，汉莎航空，Finnair Holidays和Bangkok Airways等。
Bhanu：在美国修完硕士学位后，我的旅程开始了，随后进入了德勤咨询公司。在此期间，我经常去美国和欧洲旅行，经常发现自己比较酒店价格和机票价格，并想解决这个问题。这也是在线旅行社(OTA)兴起之时，Expedia等公司开始运营。这是我发现这些公司日益普及的机会，竞争情报和建立将这些OTA与供应商联系起来的平台，并与我的联合创始人在Hauz Khas的一个小公寓中创办了公司。
一开始的主要挑战是提供准确的数据，并根据OTA和旅行者不断变化的需求不断调整自身并扩展我们的技术产品。除了扩大规模之外，在不影响我们盈利能力的情况下满足大型OTA的海量数据需求也是一个挑战。
机器学习正在不断改变旅行技术领域。您认为将来会做同样的事情吗?
Bhanu ：(是)随着越来越多的品牌希望紧密了解旅行者的偏好并理解旅行者产生的所有数十亿数据点，机器学习将在旅行技术领域中发挥关键作用。除此之外，机器学习还可以通过清理数据并显示不同数据集之间的相关性来帮助节省时间和金钱，以帮助普通收入经理(不是分析专家的人)了解某些参数对定价的影响和需求。(还将)使他了解即将到来的需求。
另外，机器学习能否成功应对旅游行业的挑战?
Bhanu：随着越来越多的在线旅行被购买，数字足迹的规模也在增加。这有助于利用ML来推动预测和需求准确性。同样，计算成本也大大降低了。这两种趋势的结合为利用ML最大化行业利润提供了广阔的空间。机器学习是旅行和款待的合适用例，它结合了在线互动的平衡组合，可带来更好的离线体验。
对于一家中型酒店连锁店或一家汽车租赁公司来说，它们迫切需要资源并且无法负担数据科学家的费用，这种知识是有幸的，也是唯一可以帮助他们的优势。
RateGain如何使用AI改善旅行和酒店公司的客户体验并增加收入?
Bhanu：RateGain在过去的十五年里一直与旅行和款待业的各个领域的领导者合作，以制造能够为收入，分销和营销经理提供更好和可靠体验的产品，并使其做出更好的决策
我们的解决方案使用AI来解决三个核心问题-解决数据准确性和通过数千种不同来源获取数据的问题，通过结合不可控制的季节性参数来提供准确建议以解决预测问题以及解决识别相关需求合作伙伴的问题通过为每个供应商量身定制的1500多个渠道的实时分析，帮助开展新业务
与其他旅行技术公司相比有何不同?
Bhanu：RateGain是唯一在旅行者价值链中运作的旅行和款待业SaaS参与者，这使我们现有的合作伙伴能够利用我们在不同细分市场中的专业知识和见解来了解其可能对他们的业务产生怎样的影响。数据的多样性至关重要，因为旅行通常是分阶段购买的，一个细分市场的滞后指标成为另一个细分市场的领先指标。此外，行业中大多数BI选项都围绕信息消耗。RateGain进一步与生态系统集成，以确保执行是无缝的。
如今，我们每年处理180亿笔交易，处理价值80亿美元的收入，处理3,800万笔预订，总价达200亿美元。因此，运营规模为我们提供了大量的数据样本，可以为我们的推荐引擎建模。
您用来推动数据驱动方法的核心AI技术是什么?
Bhanu：RateGain在内部使用和开发的最先进的数据科学模型使我们能够快速转移从一个客户那里收集的知识，数据和学习成果，以用于解决其他客户的挑战，从而帮助他们提高专业知识和执行速度更快。
我们使用统计合奏，包括但不限于套袋，助推和随机森林。我们还使用机器学习和深度学习模型来预测需求并提出定价建议。
