新一代收益管理工具：如何借助大数据重新定义收益管理？

[]酒店房价“海鲜价”，让多少酒店宁可坐失“收益”良机也不敢轻易调整策略？看新一代收益管理工具，如何通过大数据和人工智能技术带来的全新价格优化策略，重塑住客与酒店之间的价格信任感，简单易行提升收益。

6月8日，在2017年中国酒店营销峰会(HMC)上，信息CEO林晓军与你分享了如何使用大数据来重新定义收入管理。

首席执行官林晓军

以下为演辞全文：

我现在谈论的主题是如何用大数据重新定义收入管理，新一代的收入管理工具。我很高兴有机会与您讨论收入管理的主题。

在我们讨论收入管理之前，让我们先谈谈另一个话题。AlphaGo是目前的热点，在一段时间前取得了新的进展，并再次获胜。现在我们基本上可以说，AlphaGo是围棋世界唯一的失败。对人类来说，这已经是一个小概率的胜利事件。好。为什么这么好吃？两点，首先，对于AlphaGo，他学习了6到9段几乎所有职业棋手的棋子，大约10万件，这是一个非常大的数据。其次，HIS算法和模型有足够的能力充分利用这些数据，在指定的时间范围内得到最优的决策和结果，保证了其唯一的失效状态。

例如，即使聂卫平一生都在学习和学习，他也跟不上AlphaGo一天所做的事情。在这种情况下，人们如何才能与AlphaGo这样的机器竞争呢？这是不现实的。现在AlphaGo更好了，他学会了互相战斗，基于自己的对抗，他已经摆脱了人类国际象棋频谱的限制，能够产生自己的国际象棋频谱数，然后学习，已经踏入了另一个领域。

AlphaGo绝对不仅仅是一个能玩围棋的机器人，他代表了机器智能在这个时代可以达到的能力和技术界限。当AlphaGo第一次被推出的时候，很多人都有各种各样的预测，预测其边界的能力，很多人都是悲观的，说不，电脑可以取代人类，具有独立的意识和情感。从我的观点来看，我会解释这个问题，我会认为计算机或者AlphaGo或者AI，他在未来他所能看到的是有限的。范围内，远远达不到这个能力，在情感和模糊判断这个层面上，我们对于记忆、情感产生的生理和心理的研究非常有限，所以有限范围内不会到这个状态。

然而，对于任何能够确定定量目标的任务，机器智能足以达到或远远超过人类的能力，因为在当前大数据的规模下，并且在基于这些数据的最佳人工智能算法下，任何确定性的或定量的目标任务都可以转换成概率网络，面对如此大的数据概率，过去的人类经验在做什么都是损失。幸运的是，收入管理正是这样一个任务，收入管理正是我们有一个具体的定量目标可以衡量的任务，在这样的任务中最重要的是需求预测和价格优化。

对于需求预测来说，当我们做一个黑盒子模糊判断时，我们可以依靠经验来解决这个问题，但是在模型方面，它可以被分离。从市场需求到酒店自身需求的整个需求预测实际上可以完全分解为旅游意图的预测或量化、消费意图的量化、甚至最终消费决策的量化。例如，旅行意图的量化可以利用空中旅行时间和高速铁路旅行时间来限制旅行时间，并且消费意愿也可以受到酒店的需求或者酒店周围的展览的信息的约束，并且决策可以被价格和口碑约束。当进行约束时，我们可以建立一个基于大数据的AI模型来优化收益管理。您将说，收入管理用于执行这些操作并使用这些数据。例如，在过去的收入管理中，当我们判断旅行的意愿时，我们还将使用空中离开和离开数据预测来作出我的决定，这具有一个重要的区别。

当我们使用航空数据时，我们实际上使用了自己的经验，或者我们自己的基于经验的计算模型。例如，总经理问我有多少出口数据和到达数据。我说大约有100万人。当他在这100万行程的基础上判断他的未来租金时，他只能做出基本判断，而不对其进行量化。真正量化的是什么？

所述机票数据可用于判断各城市的机票数据对城市未来使用情况的准确性，并达到几个要点。例如，在北京，当我们以三天市场预测为任务目标时，机票数据的使用和不使用机票数据误差减少了7.1%。但是相同的数据，相同的模型，当我们使用三亚时，误差可以减少13.6%，这是不同的。只有准确地预测和量化这些数据，这些数据才能产生真实的价值，并摆脱经验的限制。不可能对北京和三亚的预测产生如此精确的影响。

基于这些数据，基于所有数据、OTA数据等，基于所有数据，在基于所有数据的数据维度上执行模型建立和优化结果的搜索和优化，最终获得确定性的概率最大化的结果。当我们按经验做到这一点时，我们将跳过中间的所有块，这些块代表了几十亿的特征尺寸和优化度量，我们将跳过这些东西，因为你的大脑不能像你自己的经验那样获得如此多的参数优化水平，你只能做出模糊的最终判断。只有大数据和基于大数据的AI算法才能用于优化该维度中的模型或按此顺序优化模型。

仅仅依靠这种模型优化是不够的，因为数据是动态的，人也是动态的。在整个税收管理中，我们的预测定价和基于定价对消费者的刺激，以及对影响消费者的这些刺激因素的重新决策，都是动态的。在人工智能模型下，我们需要重构消费者与酒店之间的互动关系，重建消费者与酒店之间的互动关系。每家酒店都需要在新的边界条件下调整价格，同时，必须判断每个消费者是否会选择以这种形式入住，还是选择住在哪些酒店。这是消费者和酒店之间的一种博弈和平衡状态，需要建立这样一种模式。

真正的平衡模式不在酒店和渠道，真正的平衡需要在酒店和客户、酒店和消费者之间实现，这是完美的平衡。

首先，重构消费者与酒店之间的互动模式。酒店与消费者之间的互动是通过建模来构建的，它从静态模型变为动态模型。

第二，利用深层神经网络对其行为进行模拟。当这个模型建立时，我们想要形成两个不同的AI，一个是消费者AI，代表整个消费者的智慧，另一个是酒店AI，代表所有酒店收入管理者的智慧。

第三，利用生成的拮抗网络 (GAN) 进行动态定价.. 当它们之间进行动态模拟，并生成对抗网络时，如 AlphaGo 的左右手拍子时，我们可以跳出传统的束缚，通过机器智能得到动态预测和动态价格调整的结果。 他们继续相互对抗，产生新的数据，并根据新的数据对其进行优化。 这是基于大数据的 AI 收入管理模式，其中大数据是物质基础，没有大数据，一切都是空谈，因为在传统数据下，不需要这样复杂的模型，只需要依靠经验范式来做计算。

酒店与消费者之间存在着反馈和应急机制，为模型的实时更新提供了可能。由于来自消费者和酒店的反馈是实时发生的，因此模型会发生实时变化。正如过去所说的价格弹性模型，不准确地说价格调整了多少，多少入住率会发生变化。

因为价格变化不是导致变化率的唯一因素，所以我们需要看到，这种价格变化在市场中的客人、从我的酒店到其他酒店、或者从吸引客人和我的酒店之间的数据流动的其他酒店之间形成了流动，并且只有当数据关联时，可以预测在我的价格调整中发生了多少变化，因此它是一个交互式模型。

通过这种对策，解决了数据量不足的实际问题。原因是为了调整我们的价格，很难在监控范围内获得真正意义的监测数据，我们必须通过对抗模型解决数据不足的问题，让他们摆脱当前行业数据缺失或不准确所造成的障碍，这是模型的优势。

在总结基于大数据的AI模型构建的基础上，基于大数据的收益管理AI是我们共同的课题。大数据被用来重新定义如何进行收入管理。

在这样的模型中，酒店需求最终由市场需求形成，酒店需求才能形成最优的酒店价格。当酒店实施最优价格时，必然会形成反馈，对市场产生影响，产生需求的变化。这是一个循环，在这个循环中，我们的人工智能模型、我们的动态价格调整模型、我们基于市场的反馈模型和最终的对抗模型都能产生机制和效果，并最终取得超出人类经验的结果。

例如，在刚才的模型中，最关键的是对抗和反馈，如何监测或分析人口流入和流出对市场造成的变化。

这是一个动态的视角，作为一家酒店，当你的价格上涨时，人们会改变，未来的需求也会不一样，你会改变，人们会跳到其他酒店，客人会迷路。当你的价格下跌，你的人可能会增加，其他竞争对手的客人可能会跳到你的酒店，并会流向你，这是我们的反馈模型和反对模式的基础。

这是一家真正的酒店，北京的一家酒店，我们正在帮助它做全面的收入管理。它的数据表明，真正的酒店和旁边的酒店之间形成的人员的流入和流出，以及价格调整后的人员的流入和流出，是一个静态的图表，但它是一个随时间轴动态变化的数据集。在这样的数据集中，你需要看到你与其他酒店对抗的变化。这幅画是凌乱的，凌乱的画面不一定是结果。

当我们根据上述原始数据进行特征提取和数据挖掘时，我们会清楚地将其量化给这家酒店，并告诉酒店他和他的竞争对手在竞争关系和流入流出变化方面的变化，即时间剖面上的一个点，一个时间点上的图表，它会随着时间的推移而不断变化，低于任何时间点。他目前的竞争趋势之一，他的流入和流出，以及他和消费之间的平衡都在这幅图中。随着时间的推移，这幅图片也发生了变化，事实上，我们的模式正在改变，不断引导酒店重新定义价格和营销模式，甚至指导酒店在调整价格后如何监控反馈，如何在反馈的基础上重新优化价格，这就是收入加。

在这样的收入管理中，一个机器大脑，在左边，我们想要输入它，包括传统的经前管理系统数据，包括价格，包括排名，包括评论，包括展览，包括航空等等，我们还包括搜索，浏览，消费者数据，比如订阅，以及个人流出的反数据。他将抛出或提供给我们酒店的价值包括新的价值，包括对市场需求的动态预测，对最优价格建议重新定价的完整监控系统，以及基于这个价格的反馈，以及对其所在的竞争圈的完整定位分析，这是一个基于大数据和基于人工智能的算法的全新结果。

传统的RMS和基于大数据的人工智能系统，无论是在产品层面还是在本质上，有什么不同？第一种情况是数据源不同，“收入加”添加了更多的行业数据，例如流出的数据、消费者的行为数据等等。数据更新频率不同，不是每天至少更新两小时，甚至有些数据每五分钟更新一次。实时更新带来了我们的动态定价或动态价格调整的实时.

第二，不同的产品和服务，在这样一个基于人工智能的收入管理理念中，我们可以实现智能预测和优化。我们使用非常复杂的技术模型做底层的事情，但最终我们要展示的结果是一个简单的应用的结果，不是很多基于我们自己的经验的模糊判断，还是很多负责任的工作，更多的事情是以最简单的方式向你展示最准确的结果。

第三，技术方法不同，第四是应用场景不同，因为我们得到了一个新的竞争圈，市场预测，或者更新的结果，我们实际上可以反映一个更好的应用场景。例如，最简单的是，现在可以对市场状况或价格调整后的紧急情况作出最直接的监测和调整，这是新的功能和设想。

在用大数据重新定义收益管理的情况下，实际上可以很好地解决我国传统酒店在价格或收入方面所面临的难题，如海鲜价格问题、涨价价格必须降低，如关键时点或特殊市场状态的变化、实时捕捉和捕捉、每次都把握涨价时间点或涨价机会等问题，并在收入管理完成后，对后续情况进行监控和跟踪，而基于实时反馈状态的更好的营销策略问题，可以在边缘获得更好的效果，这就是收益管理，这是基于大数据的收入管理的重新定义。

或者，我们应该强调电脑或人工智能，最重要的是帮助酒店从业员站在更高的平台或更好的智慧载体上，做好自己的工作，就像汽车取代了当时的人和马一样，收入管理、人工智能也是如此，我们只是用更好的技术为每个人获得一个更好的起点。收入管理、人工智能和人工智能也是如此。在这个起点上，仍然有必要依靠从业者和参与者更好地利用技术，做好自己的事情，所以智慧酒店，展望未来，谢谢。