HRS lança inteligência artificial aumentada para tarifas

A HRS acaba de lançar uma tecnologia de projeção de tarifa de hotéis com Inteligência Artificial Aumentada (Augmented Artificial Intelligence). Com isso, a companhia se diz a primeira no ramo de tecnologia para o Turismo que usa a AAI em suporte a programas de hotéis corporativos e uma das poucas empresas que a utilizam atualmente.

Programas de viagens gerenciados de qualquer tamanho são desafiados a garantir que as tarifas de hotéis preferenciais negociadas sejam competitivas, segundo a HRS. No entanto, a maioria dos parâmetros de referência usados hoje são médias gerais, com outras opções de dados geralmente excessivos ou insuficientes para as determinações finais de sourcing (negociação de tarifas). Como resultado, muitas empresas deixam economias em potencial sobre a mesa.

A IA aumentada é superior à inteligência artificial padrão, pois executa vários modelos de dados em vez de uma única rotina. Segundo a HRS, seus modelos utilizam algoritmos avançados de previsão usados por instituições financeiras, redes sociais e grandes mercados de comércio eletrônico. Os modelos são então combinados e validados para maior precisão. Por fim, a automação analisa todos os resultados e seleciona o modelo/saída com o menor grau de erro.

“Para competir pelas melhores projeções de tarifa, usamos vários modelos de IA como parte de nossa base de tecnologias. Isso marca uma nova perspectiva na otimização de gastos com hotéis corporativos”, comenta o CEO da HRS, Tobias Ragge. “Identificando padrões específicos de mercado em uma fração de segundo, a AAI explora dados continuamente, analisa vários cenários e interpreta os resultados de uma maneira mais precisa para programas globais. Também elimina dados irrelevantes que os humanos acreditariam ter um alto impacto.”

Com a AAI gerando novas ideias, os programas têm mais influência nas negociações de hotéis, ajudando as empresas a economizarem 10% ou mais em seus principais destinos de negócios. Os modelos AAI da HRS são baseados em um machine learning que identifica padrões complexos a partir de feeds de dados de tarifas de hotéis continuamente. Analisando qualquer mercado, os fatores que impactam a análise incluem:

• Padrões de tarifas de longo prazo, incluindo sazonalidade;
• Eventos locais de curto prazo que aumentam as taxas de ocupação (ou seja, eventos esportivos, convenções, etc);
• Tarifas corporativas benchmark em todo o destino;
• Tarifas corporativas benchmark na categoria vertical e / ou de volume de um cliente;
• Algoritmos que medem erros médios em projeções passadas;
• Compilação inteligente de modelos de previsão para aprimorar a precisão do destino;
• Dados de pesquisa e reserva de viajantes;
• Incorporação consistente e aprimorada de machine learning para cada destino.