Розробка AI-системи прогнозування завантаження готелю
Прогноз завантаження (occupancy forecast) - основа операційного планування готелю: скільки персоналу потрібно на зміну, скільки сніданків готувати, коли проводити технічні роботи в номерах. Помилка в прогнозі конвертується в переповнений ресторан або персонал, що простоює.
Компоненти прогнозу завантаження
База даних в реєстрі (OTB): Поточний portfólio бронювань відправна точка. На дату за 30 днів OTB може передбачити фінальний заробіток з точністю 70-80% тільки на основі існуючих броней.
Pickup прогноз: Скільки ще броней надійде від поточного моменту до дати заїзду. Паттерн pickup специфічний для кожного готелю та сегменту.
def pickup_forecast(дата_прибуття, поточні_бронювання, криві_пикапу):
"""
Для кожного сегменту: історичний pickup до цього дня до arrival
Приклад: business-сегмент бронює загалом за 7 днів, leisure за 30
"""
дні_до_прибуття = (дата_прибуття - сьогодні).днів
очікуваний_самовивіз = {}
для сегмента, кривої в pickup_curves.items():
очікуваний_замовлення[сегмент] = curve.predict(днів_до_прибуття, поточні_бронювання[сегмент])
повернути суму(очікувані_значення_підбирання)
Виправлення скасування: Не всі броні реалізуються:
- Cancellation rate залежить від: lead time (довге = вище cancel), типу тарифу (non-refundable = 0%), ОТА vs. direct
- No-show rate: додатково до скасування, 2-5% для більшості готелів
Інженерія функцій
характеристики_охоплення = {
# OTB сигнали
'rooms_on_books': поточні_бронювання,
'otb_vs_last_year_same_date': otb / last_year_otb,
'pace_index': otb_growth_rate,
'cancellation_exposure': високий_рівень_скасування_бронювань,
# Історичні патерни
'occupancy_same_date_last_year': історична_заповненість,
'occupancy_avg_dow_last_4w': середня кількість_зайнятих_день_тижня,
# Події у місті
'convention_center_events': оцінка_подій,
'спортивні_події': спортивний_рахунок,
'концерти': концертний_партитур,
'випускний_сезон': прапор_випуску,
# Сезонність
'місяць': місяць,
'номер_тижня': тиждень_року,
'is_holiday': прапорець_свята,
'шкільні_канікули': шкільні_канікули,
# Ринкові умови
'competitor_sold_out': competitors_availability_index,
'market_demand_index': str_market_demand # STR Global дані
}
Моделі по горизонту
Short-term (1-14 днів): OTB+ pickup model дають високу точність. LightGBM з OTB-фіч. MAPE <5%.
Medium-term (14-60 днів): OTB менш інформативний. Більша вага історичних патернів та подій. MAPE 8-12%.
Long-term (60-365 днів): Стратегічне планування. Сезонна декомпозиція+event calendar+macro trends. MAPE 15-25%.
Сегментований прогноз
Загальний occupancy - недостатньо. Потрібен розріз по:
Сегменти гостей:
- Transient leisure (FIT): найвища ціна, чутлива до ціноутворення
- Corporate: фіксовані ставки, передбачуваний патерн
- Groups & Meetings: бронюється заздалегідь, високий обсяг
- OTA vs. Direct: різна комісія та тип клієнта
Тип номера:
- Стандарт / Делюкс / Сьют: різна ціна, різна еластичність попиту
- Single vs. Double: патерни завантаження різняться
Сегментований прогноз → сегментована політика ціноутворення.
Операційне планування
Персонал:
Прибирання: occuped_rooms × checkout_stayover_mix × min_per_room / 60
Їжа та напої: очікувана кількість гостей × відсоток планування харчування × кількість страв за часовий інтервал
Стійка реєстрації: кількість реєстрацій за годину / оптимальне завантаження агентів
Закупівля: Прогноз сніданків → закупівля продуктів за 2-3 дні. Amenities (мило, рушники) → замовлення щотижня за прогнозом.
Графік технічного обслуговування: За прогнозованого низького завантаження → технічні роботи в номерах без втрати revenue.
Інтеграція з OTA та PMS
STR (Smith Travel Research) дані: Ринковий benchmark: occupancy конкурентного сету. MPI (Market Penetration Index) = hotel_occ/market_occ.
Автооновлення прогнозів:
- Кожні 4 години: імпорт нових броней із PMS
- Перерахунок pickup forecast
- Оновлення дашборду revenue management
Експорт для операцій:
- Щоденний report: завтрашнє завантаження за сегментами та типами номерів
- Тижневий report: 7-денний прогноз для планування змін
- Щомісячний report: стратегічний місячний план для CFO
Метрики точності:
- D-1 прогноз MAPE: < 5% (день до заїзду)
- Прогноз D-7 MAPE: < 8%
- Прогноз D-30 MAPE: < 12%
Терміни: базовий occupancy forecast з LightGBM + OTB фічами - 4-5 тижнів. Сегментована система з подієвим календарем та операційним плануванням – 3-4 місяці.