Linkwelove crea un sistema di raccomandazione basato sul contenuto per gli hotel in Puglia

marketing per l'hotellerie con linkwelove

Come utilizzare la descrizione di un hotel per raccomandare hotel simili nello stesso territorio con Linkwelove.

Una delle prime cose da fare durante la pianificazione di un viaggio è prenotare un buon posto dove stare.

La prenotazione di un hotel online può essere un’attività travolgente con migliaia di hotel tra cui scegliere, per ogni destinazione.

Motivati ​​dall’importanza di queste situazioni, come Linkwelove abbiamo deciso di lavorare sul compito di consigliare gli hotel agli utenti.

Abbiamo utilizzato il set di dati di consigli sugli hotel in rete, che presenta una varietà di funzioni che ci hanno aiutato a comprendere a fondo il processo che consente a un utente di scegliere determinati hotel rispetto ad altri.

Lo scopo di questo iter di raccomandazione di un hotel su Link we Love è quello di prevedere e raccomandare almeno cinque cluster di hotel a un utente che è più probabile che prenoti dato centinaia di cluster distinti.

Il problema della promozione da zero di un’attività sul territorio è un problema ben noto e studiato per i sistemi di raccomandazione , in cui il sistema non è in grado di consigliare gli articoli agli utenti.

A causa di tre diverse situazioni, vale a dire per i nuovi utenti, per i nuovi prodotti e per i nuovi siti Web.

Il filtro basato sul contenuto attraverso Linkwelove è il metodo che risolve questo problema.

Il sistema di Link we Love utilizza innanzitutto i metadati di nuovi prodotti durante la creazione di raccomandazioni, mentre l’azione dei visitatori è secondaria per un determinato periodo di tempo.

E i sistemi del portale Linkwelove raccomandano un prodotto a un utente in base alla categoria e alla descrizione del prodotto.

I sistemi di raccomandazione basati sul contenuto possono essere utilizzati in una varietà di domini che vanno dalla raccomandazione di pagine Web, articoli di notizie, ristoranti, programmi televisivi e hotel. Il vantaggio del filtro basato sul contenuto è che non ha un problema di avvio a freddo.

Se hai appena avviato un nuovo sito Web puoi aggiungere subito nuovi prodotti su Linkwelove.

Supponiamo che come Linkwelove stiamo avviando una nuova agenzia di viaggi online (OTA) e abbiamo registrato migliaia di hotel che sono disposti a vendere sulla nostra piattaforma e iniziamo a vedere il traffico proveniente dagli utenti del nostro sito Web, ma non abbiamo utenti storia, quindi, costruiremo un sistema di consigli basato sul contenuto per analizzare le descrizioni degli hotel per identificare gli hotel che sono di particolare interesse per l’utente.

Link we love vorrebbe raccomandare gli hotel in base agli hotel che un utente ha già prenotato o visualizzato utilizzando la somiglianza del coseno (è una matrice utilizzata nella programmazione online).

Se siamo Linkwelove dunque consigliamo gli hotel con la più grande somiglianza con quelli precedentemente prenotati o visualizzati o mostrati interessati dall’utente.

Il nostro sistema di raccomandazione dipende fortemente dalla definizione di una misura di somiglianza adeguata. Alla fine, selezioniamo un sottoinsieme di hotel da visualizzare per l’utente o per determinare un ordine in cui visualizzare gli hotel.

I dati da recuperare su Linkwelove

È molto difficile trovare dati di descrizione degli hotel disponibili al pubblico, quindi li ho raccolti dopo una ricerca capillare dalla homepage di ogni hotel per oltre 150 hotel nella zona di Lecce, che comprende hotel in centro d’affari, boutique hotel e bed and breakfast, hotel per affari in aeroporto, pensioni vicino al università, motel in mezzo al nulla e così via. I dati possono essere facilmente su Linkwelove .

Il nostro primo passo come team di Linkwelove è stato quello di pulire e pre-elaborare i dati ed eseguire analisi esplorative per ottenere qualche interesse-approfondimento sul processo di scelta di un hotel.

La prima cosa che abbiamo osservato è che c’erano molti utenti che hanno cercato solo hotel e non hanno effettuato alcuna prenotazione.

Inoltre, i dati dei primi test all’origline di Lonk we Love avevano evidenziato solo gli utenti che hanno effettuato una prenotazione.

A tutti i clienti piace che i loro prodotti siano personalizzati e si comportino a lro immagine e somiglianza e secondo i lorio specifici interessi.

Dato un utente, i sistemi recommender di Linkwelove mirano a modellare e prevedere il preference di un prodotto.

Studiamo l’hotel online di Link we Love di prenotazione 1 per consigliare gli hotel in base agli utenti sulle loro preferenze.

Il set di dati è stato reso disponibile dalla rete a seguito di una ricerca capillare sugli interessi dei potenziali clienti.

Linkewlove vuole togliere la proverbiale tana del coniglio dalla ricerca dell’hotel fornendo consigli su hotel personalizzati ai loro utenti.

Attualmente, Link we love utilizza i parametri di ricerca per adattare i loro consigli sugli hotel, ma a volte non ci sono sufficienti dati specifici dei clienti grazie ai quali personalizzarli per ogni utente.

Quindi Lonkwelove ha eliminato il set di dati rimuovendo tutti gli utenti che non hanno effettuato alcuna prenotazione, in quanto queste voci non forniscono qualsiasi indicazione di quale hotel raggruppa tali utenti preferenziali: questo potrebbe ovviamente interferire con il lavoro di fare predizioni.

Dalle voci rimanenti, abbiamo identificato il file di ricerche di ciascun utente appartenente a un tipo specifico di destinazione.

Questo ci ha dato alcune informazioni utili su quale gruppo di hotel è stato definitivamente scelto rispetto ad altri cluster di hotel esplorati dall’utente.

Un dato importante a seguito dell’osservazione di Linkwelove da notare è che pochi utenti potrebbero essere agenti di viaggio e potrebbero esplorare più tipi di destinazioni allo stesso tempo.

Questo potrebbe essere vero anche per pochi utentiche stanno pianificando più vacanze contemporaneamente.

Ecco perché abbiamo considerato le preferenze degli utenti separatamente per ogni tipo di destinazione che ha esplorato.
Inoltre, dopo aver effettuato una prenotazione, le ricerche successive dall’utente sono state trattate separatamente.

Come affermato in precedenza, per concludere l’obiettivo di Linkwelove è quello di costruire un sistema personalizzato di raccomandazioni per utenti Expedia basato sulle loro preferenze e query di ricerca. Linkwelove vi consiglia i primi cinque hotel raggruppati per l’utente che è più probabile che prenoti rispetto agli altri novantacinque cluster sui quale non nutre alcun interesse.