berita

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Ketika industri perhotelan pulih di era pasca-epidemi, perubahan perilaku konsumsi pelanggan dan dorongan pusat ekonomi lokal mempengaruhi saraf para operator hotel dan bahkan setiap manajer toko setiap saat. Mulai dari akuisisi pelanggan inti hingga peningkatan efisiensi pendapatan dan manajemen kolaboratif online digital, hotel perlu secara proaktif mengupayakan perubahan.

BTG Homeinn Hotel Group (selanjutnya disebut "BTG Homeinn"), yang dikenal sebagai salah satu "Tiga Besar" hotel di Tiongkok, memiliki 6.300 hotel dan 480.000 kamar di seluruh negeri, menurut data publik terbaru. Selama beberapa tahun terakhir, dengan kemampuan operasionalnya yang kuat, BTG Homeinn telah memasuki tahap perkembangan yang sangat pesat. Saat ini mencakup kemewahan dan cita rasa kelas atas, kelas menengah ke atas, kualitas kelas menengah, kenyamanan klasik, dan beragam. waralaba, liburan santai dan bidang lainnya.

Mulai Juli 2023, BTG Homeinns akan mempromosikan peluncuran "AI Digital Store Manager", secara aktif mengeksplorasi model AI berskala besar, dan meluncurkan kompetisi kinerja AI dari pusat teknologi grup untuk terus merumuskan skenario penerapan.

Baru-baru ini, di "Ruang Observasi Nilai Digital", Wan Ning, salah satu pendiri Titanium Media Group, direktur pendiri ITValue dan presiden Titanium Media Research Institute, berbicara dengan Wang Bo, manajer umum Pusat Teknologi Hotel BTG , Wang Bo mengungkapkan bahwa BTG Homeinn saat ini Dengan membangun model prediksi arus penumpang dan basis pengetahuan "ensiklopedia keuntungan", dan menggunakan model besar untuk merangkum pola dan saran pengoptimalan keluaran, kami dapat menentukan harga 6.300 kamar hotel secara akurat.

Klik untuk melihat tayangan ulang langsung

“Revenue Encyclopedia” juga telah berkembang menjadi modul fungsional terpenting bagi BTG Homeinns untuk membangun “AI Digital Store Manager”. Pada saat yang sama, Wang Bo juga menunjukkan bahwa eksplorasi penerapan AI dalam skenario bisnis adalah bagian penting dari pengembangan digital di seluruh perusahaan. Ia juga membuat asumsi yang berani: organisasi masa depan adalah organisasi yang berbasis pada kembaran teknologi digital manusia dan AI. Jika AI dapat menggantikan 40% hingga 60% kemampuan kerja, hal ini akan membawa lompatan besar dalam produktivitas organisasi. Hal ini juga merupakan kekuatan pendorong di balik penerapan AI yang tegas oleh BTG Homein.

Logika bisnis hotel telah berubah

Berdasarkan tanggapan pasar, terutama sejak paruh kedua tahun 2023, berlanjutnya konsumsi liburan secara bertahap mempengaruhi pemulihan ekonomi perhotelan, dan juga menunjukkan beberapa tren baru.

"Laporan Perkembangan Industri Perhotelan Tiongkok 2024" yang dirilis pada bulan April tahun ini menunjukkan bahwa pada akhir tahun 2023, jumlah jaringan hotel di Tiongkok akan berjumlah sekitar 90.600, meningkat 28% dari 71.000 pada tahun 2022. Berdasarkan jumlah fasilitas pada empat industri perhotelan kelas ekonomi (bintang dua ke bawah), kelas menengah (bintang tiga), kelas atas (bintang empat), dan mewah (bintang lima ke atas), proporsinya adalah 78,51 % masing-masing, 13,91%, 6,02% dan 1,56%. Dihitung berdasarkan jumlah kamar yang dirantai, tarif jaringan hotel meningkat dari 38,75% tahun lalu menjadi 40,95%, di mana tarif jaringan hotel kelas menengah dan mewah melebihi 55%.

Laporan tersebut juga memperkirakan bahwa tahun ini, setelah lebih dari sepuluh tahun berkembang pesat, laju pertumbuhan industri hotel hemat akan melambat, dan persaingan di industri hotel kelas menengah akan semakin ketat.

Tidak sulit untuk menemukan bahwa hotel beranggaran rendah dan kelas menengah masih merupakan industri dasar. Hotel-hotel ini sering kali ditargetkan pada wisatawan dan tamu yang sensitif terhadap harga yang memiliki pengejaran kelas tertentu tetapi tidak boleh terlalu mahal. Selain itu, dengan semakin meningkatnya tarif jaringan hotel, tekanan persaingan dari berbagai merek hotel juga semakin meningkat.

Mengenai perubahan struktur pasar, Wang Bo memiliki penilaiannya sendiri: Pertama, struktur grup perjalanan telah berubah, dari perjalanan bisnis di masa lalu menjadi perjalanan rekreasi dan pariwisata yang telah berkembang sangat pesat setelah pasar epidemi pulih. Kedua, permainan antar saham menjadi semakin jelas. Peluang untuk pertumbuhan tambahan semakin berkurang. Jika dibandingkan dengan negara maju, jumlah kamar hotel yang dihuni 10.000 orang di Tiongkok masih tergolong rendah. Namun di saat yang sama, semua orang juga merasa akan semakin sulit untuk membuka hotel baru, serta terdapat perbedaan permintaan dan jumlah wisatawan. Ketiga, industri ini secara bertahap berkonsentrasi ke arah yang teratas. Hotel di masa depan akan menghadapi tantangan yang semakin besar dalam pengembangan, operasional, sumber daya manusia, digitalisasi, atau investasi terkait lainnya. Hal ini pada dasarnya konsisten dengan beberapa tren yang ditunjukkan dalam laporan di atas.

Secara intuitif, seiring dengan perubahan permintaan pasar, hotel perlu cepat beradaptasi terhadap perubahan lingkungan pasar dan secara aktif mencari cara inovatif dan transformasional untuk menghadapi tantangan. Terkait permasalahan ini, hotel-hotel dari berbagai merek memberikan jawaban berbeda-beda.

Saat hotel mengembangkan AI, mulailah dengan model pendapatan

BTG Homeinn telah lama menjajaki digitalisasi hotel, baik itu menarik pelanggan secara online atau melalui saluran baru, atau menggunakan sarana digital untuk meningkatkan efisiensi manajemen hotel, tingkat layanan hotel dan manajemen kualitas, serta menargetkan kelas atas dan kelas atas. hotel berbintang. Kami telah melakukan banyak pengaturan dan langkah untuk berinvestasi dalam digitalisasi.

Memanfaatkan teknologi AI yang relatif matang atau kreasi bersama industri tentu saja merupakan sesuatu yang akan dipertimbangkan oleh BTG Homeinns. Dalam format hotel rantai utama saat ini, skenario pengelolaan pendapatan inti sebenarnya memiliki nilai dan keunggulan penerapan teknologi AI, yaitu investasi tinggi, output tinggi, dan dapat diimplementasikan.

Dalam pandangan Wang Bo, industri perhotelan telah mengumpulkan data yang kaya dan memiliki tingkat wawasan pasar dan cakupan hotspot perkotaan yang sangat tinggi. “Dengan cakupan 580 kota di seluruh negeri, kita dapat dengan mudah mengetahui lokasi hot spot, lokasi hot spot yang berubah dengan cepat, dan cara memanfaatkan hot spot jangka pendek untuk berbisnis. Hal ini mengharuskan kami menyediakan pendapatan yang tangkas model untuk poin pendapatan ini.

Apa yang dimaksud dengan model pendapatan? Mengapa manajemen pendapatan?

Tujuan dari manajemen pendapatan adalah untuk memaksimalkan pendapatan kamar tamu dan memperoleh tamu yang paling menguntungkan. Konsep ini sering digunakan dalam industri jasa seperti penerbangan, hotel, dan bioskop, serta memiliki karakteristik biaya tetap yang tinggi, kapasitas produksi tetap, dan produk yang tidak dapat disimpan.

Misalnya, jumlah kamar hotel tetap, dan kamar hotel dapat dijual terlebih dahulu. Nilai kamar hotel bergantung pada waktu. Jika kamar tidak terjual pada hari tertentu, maka nilai kamar pada hari tersebut akan berubah menghilang. Ketika permintaan kamar tamu tinggi, pengelola hotel perlu menjual kamar dengan harga setinggi mungkin; sebaliknya, ketika permintaan kamar tamu rendah, pengelola hotel harus memaksimalkan jumlah penjualan kamar.

Untuk tujuan ini, hotel sering mengklasifikasikan kebutuhan pelanggan, seperti pelanggan bisnis dan wisatawan rekreasi, pelanggan yang sensitif terhadap harga dan mencari kelas. Pada saat yang sama, permintaan pelanggan yang dihadapi hotel akan berfluktuasi seiring waktu, musim, kota, dan peristiwa panas.

Dalam setiap periode waktu, akan ada siklus dan pola tertentu. Manajer toko berpengalaman sering kali perlu memberikan saran harga yang ilmiah dan masuk akal berdasarkan ringkasan pola jangka panjang dan analisis data, dikombinasikan dengan pengalaman mereka sendiri. Begitu peristiwa panas yang tiba-tiba terjadi, kemampuan respons setiap manajer toko sering kali diuji.

BTG Homeinns berharap dapat menggunakan kemampuan analisis digital dan kemampuan pembelajaran model besar AI untuk menentukan model pendapatan dasar setiap hotel berdasarkan data besar dan pengalaman manajer toko yang kaya, dan lebih cepat merumuskan perkiraan harga kamar, dan memberikan alasan spesifik untuk analisis. Hal ini secara langsung akan mempengaruhi pendapatan kamar setiap hotel dan menangkap peluang kompetitif di pasar yang berubah dengan cepat.

Untuk mencapai tujuan ini, BTG Homeinn terlebih dahulu melakukan pembongkaran logis terhadap pengelolaan pendapatan dalam dua dimensi.

Salah satunya adalah arus penumpang. Mulai tahun 2023, BTG Homeinn akan mulai memprediksi arus penumpang berdasarkan model besar, dan akan memasukkan perbandingan historis toko yang sama, perbandingan toko saudara di kawasan bisnis, perbandingan produk pesaing di kawasan bisnis, peristiwa panas, cuaca, dan faktor lainnya. variabel analisis. Saat ini berdasarkan model prediksi arus penumpang, prediksi lalu lintas dapat direalisasikan untuk hari yang sama, 3 hari, 7 hari, dan 14 hari, misalnya akurasi lebih dari 80% dapat dicapai pada 14 hari, dan akurasi lebih dari 90% dapat dicapai pada hari yang sama.

Yang kedua adalah harga. Wang Bo menunjukkan bahwa hal pertama yang diharapkan tim untuk dibangun adalah model aturan, yaitu menetapkan aturan harga yang berbeda dalam kondisi tertentu untuk mensimulasikan penyesuaian harga. Namun karena kekhasan masing-masing hotel, sulit untuk memverifikasi apakah model kotak putih itu benar atau salah setelah selesai dibangun.

Sebagai perbandingan, model black box, yaitu metode prediksi harga berdasarkan AI, lebih dapat diterapkan pada skenario. Logika BTG Homeinn adalah: pertama, biarkan model belajar dari 500 atau 1.000 manajer umum hotel terkemuka dan ikuti aturan penyesuaian harga mereka untuk menemukan faktor variabel; kedua, sambungkan ke kemampuan model besar yang disediakan oleh produsen eksternal untuk mencapai tujuan berdasarkan “data model + Kombinasi Model Ensiklopedia Hasil untuk Model Bahasa Besar.”

“Pertama, buat prediksi model data berdasarkan data yang sangat besar, lalu buat ensiklopedia pendapatan. Setelah mengumpulkan pengalaman pendapatan dalam jumlah besar, kami merangkum aturan berdasarkan model besar dan memberi tahu manajer umum hotel mengapa aturan tersebut dibuat, termasuk harga. sumber, logika penyesuaian harga, logika Saran, dan sebagainya," kata Wang Bo.

Pelatihan model domain privat sulit dilakukan

Namun, kesulitan membangun model domain pribadi besar untuk industri vertikal akan berbeda dengan kesulitan model domain publik besar yang dilatih berdasarkan data Internet. Karena kurangnya kumpulan data, tantangan baru akan muncul dalam pembelajaran pengetahuan domain privat. Dapatkah tantangan-tantangan ini diselesaikan dengan menggunakan pembelajaran transfer, basis pengetahuan plug-in, dan penyesuaian penerapan skenario?

Menanggapi tantangan dalam proses tersebut, Wang Bo menekankan, "Di domain privat (sisi B), jalur pelatihan/pembelajaran AI sangatlah rumit. Oleh karena itu, kami mulai bekerja sama dengan universitas ternama untuk melakukan penelitian tentang cara membuat kemampuan digital atau kemampuan kembaran AI semakin populer.” Dekat dengan praktik terbaik manusia.”

Ambil Earning Encyclopedia sebagai contoh, ini adalah jalur pertumbuhan yang khas. Jika manajer toko berpengalaman berbagi pengalaman mereka dengan ensiklopedia pendapatan, dan kemudian membiarkan model besar melakukan pembelajaran model berdasarkan sampel ini, tingkat pertumbuhan model akan meningkat pesat.

Dalam pandangannya, tidak seperti skenario AI lain yang telah diterapkan, seperti ulasan pelanggan cerdas AI dan petugas penjawab yang memberikan pelatihan menjawab, intinya adalah menghasilkan jawaban berdasarkan corpora atau diintegrasikan ke dalam alur kerja. platform pembelajaran dan pembelajaran mandiri.

“Mampu menghasilkan jawaban baru bukanlah pilihan yang secara eksplisit diberitahukan kepadanya. Jawaban baru ini dapat dipandu. Kemampuan inilah yang membuat saya tertarik pada model besar. Pada saat yang sama, kami juga mencari pembelajaran seperti itu. jalur, karena pembelajaran model skala besar secara pribadi tidak dapat dihindari, mungkin kita dapat menemukan beberapa skenario yang cocok di masa depan, dan melalui pembelajaran berkelanjutan, model tersebut akan menjadi lebih layak,” kata Wang Bo.

Melalui praktik di atas, BTG Homeinn akhirnya membangun “asisten pendapatan AI” miliknya sendiri, yang hanya merupakan langkah pertama. Di balik asisten pendapatan AI, ada ide yang lebih besar – manajer toko digital AI.

Menurut berbagi Wang Bo, "manajer toko digital AI" saat ini memiliki tiga kemampuan utama: Pertama, 60% fungsi berulang dari operasional harian hotel diserahkan kepada manajer toko digital AI, seperti tinjauan bisnis harian, penilaian hot spot pasar, Manajemen pendapatan hotel, umpan balik layanan tamu, risiko dan pemrosesan alarm darurat, untuk mencapai bantuan operasional kedua, terutama dalam hal pendapatan, memberikan umpan balik mengenai peluang pendapatan yang diabaikan seperti kejadian mendadak ketiga, dapat meningkatkan standar tingkat manajemen seluruh jaringan hotel.

Saat ini, manajer toko digital AI telah mengeksplorasi banyak model skenario, termasuk model indikator operasi hotel, model permintaan pesanan hotel, model basis pengetahuan operasi hotel, model interaktif kuesioner AI, bank soal AI, dan model jawaban simulasi untuk membangun operasi hotel AI Model analisis data dapat menghasilkan informasi pengambilan keputusan untuk analisis grafik, yang dapat digunakan untuk perbandingan data rekan, prediksi KPI, dll.

Terlihat BTG Homeinns telah melakukan eksplorasi dan persiapan mendalam dalam membentuk AI dan kemampuan transformasi digital. Hasil bisnis pada gilirannya akan meningkatkan kepercayaan investasi mereka.

Wang Bo juga menunjukkan bahwa sebelumnya, sangat sulit dan menantang bagi hotel untuk mencapai standarisasi dalam hal efisiensi, manajemen, pendapatan, dan manajemen karyawan harian. BTG Homeinns telah mengambil beberapa langkah, seperti meningkatkan transparansi dan penetrasi manajemen melalui perangkat seluler dan online. Namun, penerapan langkah-langkah ini masih memerlukan banyak tenaga untuk menetapkan aturan, model dan skenario, dan kemudian mempromosikannya. (Generatif) AI memberikan jalan baru, mengubah efisiensi eksekusi dan transparansi manajemen, sekaligus membantu mencapai standarisasi manajemen.

"AI telah membuka jendela baru bagi kita. Namun dalam proses merangkul AI, kita harus tetap berpikir tenang. Hanya skenario besar yang dapat mencapai industri besar."(Artikel ini pertama kali diterbitkan di Titanium Media APP, penulis | Yang Li, editor | Gai Hongda)

Dari tanggal 11 hingga 14 September, konferensi tahunan nilai digital ITValue Summit 2024, yang diselenggarakan bersama oleh Titanium Media Group dan ITValue, dengan tema "Ready For AI", berkumpul kembali dengan teman lama dan baru di Sanya untuk bertukar pengalaman dan pelajaran, lintas -pemikiran industri, dan mendorong inovasi Transaksi, berdasarkan skenario inovatif, bersama-sama menjajaki peluang baru di era ekonomi digital yang didorong oleh AI, dan bersama-sama menciptakan pesta inovasi dan eksplorasi AI di era ekonomi digital. Klik untuk mengikuti Konferensi Tahunan Nilai Digital ITValue Summit 2024 untuk mempelajari lebih lanjut

TMTpost Media telah meluncurkan seleksi "50 Skenario Inovatif" untuk memilih dan menafsirkan 50 skenario inovatif dan solusinya yang sangat terintegrasi dengan seluruh industri dan bisnis. Penghargaan ini akan diberikan secara megah dan pertukaran mendalam akan diadakan di ITValue 2024 Konferensi Tahunan Nilai Digital Summit. Adegan tersebut saat ini sedang diminta untuk interpretasi yang lebih akurat, paparan yang lebih luas, dan potensi merek yang lebih kuat. Anda dipersilakan untuk mengajukan pertanyaan, dan Anda dipersilakan untuk meninggalkan solusi dan alat. Klik untuk mendaftar untuk berpartisipasi dalam pemilihan 50 Skenario Inovasi