В последние годы в России значительно увеличился внутренний туристский поток, а вместе с ним — спрос на гостиницы, отели, глэмпинги со стороны путешественников и конкуренция между объектами размещения. Так, по данным Росстата число туристических поездок в 2023 г. увеличилось на 15% в сравнении с 2022 г. и составило почти 84 млн поездок. К 2030 г. это число возрастет до 140 млн. Чтобы успешно и эффективно развиваться уже недостаточно использовать стандартные диджитал-инструменты продвижения. В ход вступают новые технологии прогнозирования результатов для бизнеса.

Влияние ухода зарубежных игроков

После ухода с российского рынка зарубежных платформ для бронирования (Online Travel Agencies, OTA) каналы продаж в отельном бизнесе стали перераспределяться. Несмотря на развитие отечественных агрегаторов, у многих отелей выросла доля прямых продаж. В связи с этим у объектов размещения туристов появилась потребность в аналитическом инструменте, который позволил бы точнее прогнозировать спрос и оптимизировать ценовую и маркетинговую стратегии.

Data.Forecast — это первая российская разработка, учитывающая специфику локального рынка и не зависящая от зарубежных технологий. Она представляет собой интеллектуальную веб-платформу, предназначенную для оптимального планирования в маркетинге и высокоточных прогнозов загрузки и выручки, основанных на технологиях искусственного интеллекта.

Деятельность заказчика

Основная деятельность заказчика проекта — АО «Новое сервисное бюро» — управление объектами в области гостеприимства.

Объекты управления АО «НСБ» расположены в Санкт-Петербурге, Ленинградской области и Республике Карелия: курорт «Игора», парк-отель «Дача Винтера», сеть отелей «Точка на карте», центр активного отдыха «Терра Нордика», шоу-пространство «Ленинград Центр», ресторан «Блок», ресторан «Фаворит».

Проблематика

Все объекты время от времени сталкиваются со схожими проблемами:

• нестабильность бронирований
• непредсказуемый доход от онлайн-каналов продаж
• низкий процент подтверждения бронирований
• высокая стоимость привлечения клиента

Это не все проблемы представителей сферы гостеприимства. Однако в ответ на вызов индустрии Управляющая компания АО «Новое сервисное бюро», Центр искусственного интеллекта НИУ «Высшая школа экономики» и веб-разработчик Activica создали российскую систему предиктивной аналитики Data.Forecast.

Основная цель

Разработка системы предиктивной аналитики для сферы гостеприимства, которая будет давать рекомендации по планированию маркетинговых активностей и ценообразованию с учётом эластичности и прогнозирования спроса, предсказывать отмены по бронированиям.

Data.Forecast

Главная сложность в разработке платформы заключалась в том, чтобы учесть специфические факторы отельной индустрии:

• сезонность загрузки
• особенности условий раннего бронирования
• процент отмен
• влияние на спрос погодных условий
• условия оплаты брони
• множество онлайн-каналов бронирования и т. п.

Платформа автоматически объединяет потоки данных из внешних источников — прогнозы погоды, конверсии в воронке бронирований, истории бронирований, метрики трафика на сайте — и выстраивает их в единую базу данных, решая проблему различной природы информации.

Data.Forecast обеспечивает выполнение следующих функций:

• функции соединения данных различной природы
• инжиниринг факторов
• процедура отбора значимых факторов
• машинное обучение разработанной модели для прогноза числа бронирований
• функции оценки вероятности отмены бронирования.

Разработкой и обучением моделей занимались партнеры Заказчика из НИУ «Высшая школа экономики». Команда математиков обучила более 700 моделей и провела свыше 2300 экспериментов. Полный цикл обучения занимает 20 минут, а формирование прогнозов – 2-3 минуты.

Система позволяет анализировать комбинации отелей и категорий номеров, что помогает эффективно управлять доходами и оперативно корректировать стратегии при критических отклонениях. Для удобства пользователей интегрированы визуальные подсказки.

Для обучения моделей были собраны данные курорта «Игора», отелей «Дача Винтера» и «Точка на карте» с 2019 по 2024 год. Тестирование результатов в промышленном окружении было осуществлено для шести отелей, расположенных в Ленинградской области и Карелии.

Несмотря на то, что в основе системы предиктивной аналитики Data.Forecast лежат алгоритмы машинного обучения и большое количество данных, наша основная задача заключалась в том, чтобы сделать цифры понятными, удобными и доступными для основной целевой аудитории платформы — маркетологов, отельеров, руководителей и инвесторов бизнеса.

Для этого визуализировали сложные данные в графическом виде с помощью линейных и контрольных графиков, круговых и лучевых диаграмм, гистограмм, гистограмм с группировкой и составных гистограмм. Каждый новый вид графика отрисовывается отдельно перед интеграцией с базой данных. Сейчас дизайн-шаблонов уже более 20, и с каждой новой фичей от специалистов по машинному обучению их количество увеличивается.

Так, данные быстро и удобно считываются пользователями ИТ-продукта, которые не имеют специальных технических знаний. Система включает в себя более 20 аналитических модулей и систему интеллектуальных подсказок. Например, на стартовом экране отельеры могут видеть агрегированные данные с подсказками:

• доход в текущем месяце и сравнение его с предыдущим
• индекс бронирований Data.Index и прогноз бронирований
• спрос на номера в текущем и предыдущем периодах
• предсказательный спрос на 30 дней вперед
• изменение конверсии, волатильность, эластичность спроса по цене и другие.

Каждый из блоков можно раскрыть и посмотреть более подробные данные, а также выбрать необходимые параметры для отображения, например, год, месяц, актив или KPI — бронирования, номеро-ночи, доход, тариф.

Часть внутренних отчетов визуализируется из полученных данных от Центра искусственного интеллекта НИУ «Высшая школа экономики», а также по данным от внешних источников — например, динамика бронирований от Travelline, маркетинговая активность от Яндекс.Метрики, погодная обстановка и другие параметры, влияющие на загрузку номерного фонда. То есть показатели и прогнозы по ним обновляются ежедневно, интегрируются в единую систему и связываются с графическими отображениями.

В результате была создана веб-платформа, учитывающая более 480 комплексных факторов. Точность её предсказаний сейчас достигает 94%.

В ходе анализа были выявлены четыре фактора, определяющие вероятность заезда: доля предоплаты, глубина и канал бронирования, а также способ оплаты. Например, при прочих равных доля предоплаты от 70% и выше даёт в среднем вероятность поездки в 92%, а доля предоплаты в 10% — в 57%. Полученные оценки обновляются автоматически по мере поступления новых данных по бронированиям.

Data.Forecast содержит в себе комплекс ежедневно обучаемых моделей, автоматически объединяет и обрабатывает данные из внешних маркетинговых источников:

• динамика бронирований и их свойства
• посетители сайтов
• конверсия кликов
• маркетинговые активности
• погодная обстановка.

Полный цикл обучения длится 20 минут, а предсказания и вспомогательные модели формируются за 2−3 минуты.

Логика работы моделей позволяет формировать прогноз по различным комбинациям отелей и категорий номеров. Такое прогнозирование помогает эффективно управлять доходами объекта размещения и оперативно реагировать на критические отклонения. Для того, чтобы пользователям было легче ориентироваться, успешно реализовали интеллектуальные визуальные подсказки.

Систему уже внедрили 6 отелей Ленинградской области и Республики Карелия — курорт «Игора», сеть отелей «Точка на карте» и «Дача Винтера». Успешное тестирование продукта позволило подтвердить гипотезы о его полезности для отрасли.

В 2024 году были обновлены алгоритмы платформы и повышена ее точность, что способствовало достижению следующих бизнес-результатов:

Использование системы снижает отмены в среднем на 14% за счет автоматизированной скоринговой модели предсказания вероятности заездов, а также за счет выявления и управления значимыми факторами, влияющими на вероятность заезда.

Дополнительное повышение доходности минимум на 6% благодаря глубокой и интеллектуальной аналитики цен в зависимости от месяцев, дней заезда, эластичности и прогноза спроса, визуальных подсказок.
Стоимость привлечения — 3% от суммы брони за счет цифровизации расходов на маркетинг.
Оперативное отслеживание и реагирование на рыночную ситуацию оптимизирует нагрузку персонала маркетинга на проведение аналитики.

Система отмечена профессиональным экспертным сообществом:

• «Лучшие кейсы в туризме 2024» исследование Фонда «Сколково»
• 3-место Конкурса инновационных проектов в сфере гостеприимства «MITT Travel Start 2024»
• ТОП-лучших идей Форума АСИ «Сильные идеи для нового времени 2024» (более 30 тыс. проектов).
• Победитель Акселератора МТС Стартап Хаба, 2024
• Победитель в исследовательском проекте РБК Петербург Custom eXperience 2023
• Финалист GenerationS Innovation Award 2024