酒店用机器学习，预测哪些客人会放鸽子

51CTO 2021-04-01 11:16:31

如今，各大 OTA(Online Travel Agency)平台极大地方便了人们的出行，酒店住宿、景点门票等，只需要动动手指就可以轻松完成预订。

国内外酒店民宿预订平台，多达数十种

为了吸引更多用户预订，这些平台会鼓励商家设定较为宽松的取消预订政策，比如可随时免费取消，或限时免费取消等。

全球客房销售量最大的网上酒店预订网站 Booking(缤客网)，就凭借可免费取消的优势，深受广大驴友喜爱。

不过，对于用户来说，「免费取消」非常 nice，但对酒店来说，就很头大了。订单临时被取消，通常会给酒店带来以下损失：

被取消房间无法及时出售，酒店损失收入; 酒店降低价格出售被取消房间，减少了利润为了尽快订出这些房间，酒店需要增加额外的宣传、分销渠道的费用;

在用户可以随时放酒店鸽子的情况下，酒店有没有什么办法，尽可能减少损失呢?

一位葡萄牙业务分析师(Business Analyst，简称 BA，这一职位相当于 IT 公司的产品经理) Manuel Banza，有超过 5 年的酒店管理从业经验。他利用公开的欧洲酒店预订平台数据，发现了更容易取消订单的用户特点，以帮助酒店及时进行止损。

从近 12 万条酒店预订数据中，发现规律

作为一名数据科学爱好者，Manuel Banza 从数据科学和机器学习入手。

他首先对一个「酒店预订需求数据集」(Hotel booking demand)进行了全面分析。该数据集包含了普通酒店和度假酒店共 32 个维度的数据，具体包括：

用户国籍、预订时间、住宿时间、成人和儿童或婴儿的数量、订单最终是否取消、用户在此次订单之前共取消订单次数等信息。

Hotel Booking Demand

酒店预订需求数据集

发布机构：葡萄牙里斯本大学

包含数量：共 119390 条数据，32 个维度

数据格式：csv

数据大小：16.9 MB(压缩文件 1.3 MB)

地址：https://hyper.ai/datasets/14866

部分数据展示

通过统计，Manuel Banza 发现一年时间里，取消酒店订单的用户真不少。

2018 年 OTA 平台 Booking 上的预订订单中，有 49.8% 的用户取消了订单;在 HRS Group 上，这一比例甚至高达 66%。整体来看，多家平台在 2018 年平均预订订单取消率达到 39.6%。

各类预订渠道被取消的订单比例

接着，作者对数据进行了探索性分析，有以下几个发现：

普通酒店和度假酒店相比，订单更容易被客人取消; 春节和夏季的取消比例更大，而冬季的取消比例最低; 各种预订渠道中，用户在 OTA 平台下单最多，同时 OTA 平台上被取消订单的也最多; 用户预订时间越早，不确定性越大，取消的概率越大

作者表示，预订时间是分析酒店收益表现时，最重要的指标之一。分析结果表明，提前 1 年以上预订的取消概率最高，为 57.14%;一周内预订取消概率最低，为 7.73%。

预订提前的天数(横轴)与取消订单概率(纵轴)成正比

看来，计划越早越赶不上变化啊

机器学习模型：预测谁最可能「放鸽子」

对数据集进行全面分析后，作者开始建立预测订单取消的模型。

第一步：数据清洗

首先，对数据集中缺失的值进行处理。如果该变量是数字变量，则必须用该特征的均值替换这些缺失值;如果该变量是分类特征，则必须用常数替换。

然后删除 reservation_status(预订状态，该变量代表订单是否被取消，0 为未取消，1 为取消)，因为这是机器学习模型将要预测的值。

第二步：选择最佳模型

在开始为数据测试最佳算法之前，将数据集按 8:2 的比例分开。之后将用 80% 的数据来训练模型，并将 20% 的数据作为验证集。

在数据科学领域，预测订单取消是一个监督分类问题，也叫做二元分类。因此，作者选取了几个现有的二分类模型如 LightGBM，CatBoost、XGBoost 及 H2O 等，进行训练及对比，最终选出了实验结果最佳的模型 CatBoost。

通过 CatBoost 预测结果，发现以下几点：

如果用户的国籍是葡萄牙，则取消订单的可能性很高。不过，对于团体订票来说，酒店一般不会事先得到每个人的国籍信息。如果订单被取消，大多数酒店都会将其国籍默认为酒店所在的国家。所以，这项信息只作为参考，并不一定准确; 与至少提出一个特殊要求的用户相比，未提出任何特殊要求的用户，取消订单的可能性更高; lead_time(预订时间与入驻时间间隔天数)值越低，预订被取消的可能性就越低(这一点预测结果与之前数据分析结果相一致)。

CatBoost 模型在验证集上的表现：