《旅行行业中供应链与经营算法分享_余瑶.pdf》由会员分享,可在线阅读,更多相关《旅行行业中供应链与经营算法分享_余瑶.pdf(12页珍藏版)》请在三个皮匠报告上搜索。
1、旅行行业中供应链与经营算法分享2024.01/余瑶(斯辰)Fliggy2022飞猪技术目录 C O N T E N T S01-背景与问题02-挑战与解法背景与问题OCCOCC(入住率),ADRADR(平均每日房价)疫情后,OCC同比下滑54%,RevPAR同比下滑79%,仅2020年关闭的酒店有15w家,其中单体酒店占比98%。与实物类商品不同,酒店属于“人动货不动”的到店服务,很多酒店缺乏科学的收益管理和数字化运营手段,资金流短缺无法支撑漫长出游停滞期而关闭。随着疫情放开和旅行市场的回热,酒店交易规模接近到2019年之前的水平,但是给行业带来的改变已经是不可逆的。For商家:如何进行科学的
2、数字化经营,在商家:如何进行科学的数字化经营,在OTP上运营自己的酒店,提升销量和收益?上运营自己的酒店,提升销量和收益?For平台:如何构建经营和收益管理体系,降本增效的同时提升服务能力和价格竞争力?平台:如何构建经营和收益管理体系,降本增效的同时提升服务能力和价格竞争力?需求侧:需求侧:消费者对酒店品质及服务要求更高,追求性价比。供给侧:供给侧:酒店品控、运营成本的要求越来越高,收益管理和数字化经营的要求越来越强。场域侧:场域侧:流量红利慢慢消失,对价格力、服务力的要求越来越强,从交易撮合到履约服务的保证。品品价价库库供应链基础平台能力优质核心行业分层、新签,提高酒店覆盖构建更加全面、高效
3、的选品能力建模市场供需关系和价格因子帮助酒店提高价格竞争力保证服务体验,降低服务成本品类规划收益管理品价拿到更好、更确定性的库存库履约需求预估智能服务履约履约背景与问题背景与问题关键词:量价关系、因果推断价格与销量的建模01关键词:选品模型、群组推荐智能选品与盘货02关键词:需求预估、时序预测需求与服务预估03目录 C O N T E N T S01-背景与问题02-挑战与解法价格与销量的建模关键挑战价格与销量的建模稀疏反事实单调性内生性长尾多场景相关性建模沿用Response Model的思路,通过深度学习的方法,建模需求函数,价格作为特征销量作为目标直接拟合,然后通过特征工程和模型结构的改
4、造缓解上述问题半参数化方法引入一些先验的结构,例如:价格弹性,通过半参数化模型(量价模型)建模销量和价格的关系。【CIKM2022】Modeling Price Elasticity for Occupancy Prediction in Hotel Dynamic Pricing因果推断价格与销量是一个因果推断问题,刻画价格(treatment)对销量(outcome)的因果效应,从因果推断的角度建模更加敏感且精准。【CIKM2023】A Causality-Driven Model for Hotel Dynamic Pricing多场景联合建模在OTP上酒店是多端多场景的销售的,他们共享
5、相同的市场,但不同场景却拥有不同的用户特点和特征,综合利用多场景数据,会事半功倍。【www2024在投】Multi-Scenario Pricing for Hotel Revenue Management智能选品与盘货选招投搭供给驱动,热门时节酒店几乎都是供不应求,库存和价格决定了关键。供给驱动,热门时节酒店几乎都是供不应求,库存和价格决定了关键。智能选品与盘货特定的时间点,哪些酒店应该重点运营,用最少的人力提前确保库存。保大盘不同的时间段,不同的地点,有不同出行意图的人,如何更好的满足用户需求分群组选品盘货群组推荐问题定义:如何为在特定时间段(When)和特定出行区域(Where)的一群具
6、有相似出行意图(Why)的用户推荐酒店。难点:酒店具有季节性、群组如何划分、交易低频、数据稀疏【www2023】LINet:A Location and Intention-Aware Neural Network for Hotel Group Recommendation大促选品模型问题定义:如何为假期促销活动预测其爆款酒店,使预测的酒店在覆盖假期真正热销酒店 Top80%的基础上,可以最大化准确率(即在满足召回率的基础上,最大化 F1)。难点:不同大促周期的数据表现不同、冷启动问题、召回率约束问题。需求与服务预估库存确保 到店量预估到店量:用户当日真实到店间夜协商酒店库存量,协助平台活动大规模多序列时序预测履约确保 服务量预估服务量:单天/时段用户求助呼入客服中心数量保障用户接通率,同时缩减人力成本单序列时序预测长周期for招聘,短周期for排班长尾趋势性长依赖非平稳季节突发性区间时间序列预测感知趋势的时序区间预测模型:BGFormer【KDD2024在投】Effectively Mining Advance Behavior and Trend Guiding in Time Series ForecastingTHANKS感 谢 聆 听