Ce chapitre de sa thèse portait sur le cadre SYSTEM-TH-001 Un système conçu pour optimiser la gestion des services touristiques d'une agence de voyage en utilisant l'intelligence artificielle et une architecture avec des agents bioinspirés. SYSTEM-TH-001 Il comprend des modules qui mettent à jour les répertoires quotidiens de connaissances des fournisseurs et des services touristiques. Bien qu'il nécessite une intervention manuelle, le système automatise et simplifie les tâches d'un administrateur.
Le cadre a été testé à l'agence COMPANY-002 avec un système multiagent (MAS) basé sur une organisation intégrée et bioinspirée, utilisant des configurations adaptées aux besoins de l'entreprise. Des expériences ont été menées pour évaluer les paramètres clés et la satisfaction des clients ou des agents de voyages. Les premiers résultats indiquent que les clients priorisent les attributs comme le prix et la qualité du service.
Les expériences ont comparé la performance de SYSTEM-TH-001 avec des méthodes traditionnelles et d'autres algorithmes, en évaluant leur capacité à prédire la propension à l'achat. Le modèle bi-étape de SYSTEM-TH-001 ont montré un meilleur équilibre entre la formation et les essais, en évitant les problèmes de recouvrements tout en optimisant les recommandations.
Dans les tests réels, le système a montré une amélioration significative du taux de conversion et une réduction du temps de soins. Il a augmenté les recommandations précises avec des avantages pour les deux clients ainsi SYSTEM-TH-001 et une solution efficace pour la transformation numérique dans le secteur du tourisme.
3.1 Présentation
Aujourd'hui, le tourisme est l'une des industries les plus rentables de Camilleri ( 2018 ). Chaque année, des armées de touristes visitent des villes célèbres et des vestiges historiques ou ils ont tout simplement le plaisir de rencontrer de nouvelles cultures avec d'autres formes. En outre, il y a d'autres touristes qui cherchent simplement calme et détente pendant leurs vacances avec une grande occasion de profiter des paysages des plages de rêve de Tucreac ( 2010 ).
Tous ces événements humains entraînent l'utilisation de multiples types de transport, tels que les avions, les trains et les autobus ( 2018 ). En plus de générer des millions de réservations dans les hôtels, appartements et autres propriétés similaires qui permettent à ces touristes.
Toute cette activité devrait être gérée par l'agence de voyages, avec des informations sur les destinations et les préférences des différents types de touristes Moliner et al. ( 2007 ). C'est pourquoi l'émergence de systèmes ciblés pour fournir un support à l'utilisateur final (qu'il s'agisse d'un agent de tourisme ou de voyage) qui facilitera leur processus de réservation est tout à fait nécessaire et actuellement à sa disposition.
De plus, les agents de voyages devraient faire un effort supplémentaire pour fournir à leurs clients potentiels les options les plus intéressantes afin de les fermer. En raison de cette situation, il est naturel qu'ils commencent par la floraison des systèmes qui feront automatiquement des recommandations sur les voyages et les destinations en choisissant le meilleur transport requis de Zapata et al. ( 2019 ).
Tous ces systèmes ont leurs limites. Les principaux écarts sont la difficulté d'établir des budgets par les agences de voyages. C'est une tâche qui nécessite un investissement considérable de temps et d'efforts, augmenté à mesure que la complexité avec laquelle partager les destinations augmente au cours de votre voyage désiré. Un autre problème important est l'incapacité de fournir des commentaires sur les services offerts aux clients. Ce problème est vital pour les agences de voyage car elles doivent savoir si les emplois qui ont été créés sont convenables et si les clients sont satisfaits d'elles après avoir bénéficié de leurs services contractuels. À cette fin, les recommandations qui visent à filtrer les préférences initiales des clients sont essentielles. Ils marquent normalement l'évolution des services touristiques offerts car ils tendent à attirer les clients dès le début.
Le COVID... 19 Il s'agit d'un autre gros problème pour le secteur du tourisme en raison des restrictions imposées aux mouvements en vue de limiter l'expansion du virus. Cette mesure a évidemment eu un impact négatif grave sur le tourisme, réduisant ainsi les déplacements et entraînant de fortes pertes au Bakar ( 2020 ). Néanmoins, des progrès ont été réalisés en ce qui concerne les programmes et les mesures de vaccination.
La proposition de directive de la Commission définit les critères suivants:
Pour ces raisons, un cadre complet capable de gérer la demande croissante est crucial. Ce système devrait être capable de résoudre les faiblesses identifiées en gérant au mieux tous les problèmes qui se sont produits depuis l'intérêt de leur client pour un service touristique, en fournissant un soutien à son agent de voyage car ils choisissent différentes possibilités et avec une rétroaction appropriée de la clientèle après sa fin.
Ainsi, cette thèse présente framewok SYSTEM-TH-001. C'est un système automatique qui comprend plusieurs assistants graphiques pour fournir un soutien complet aux agents de voyage et aux touristes. Les nouveautés sont les suivantes:
Il couvre tous les processus nécessaires avec le processus de vente des services touristiques, en se concentrant principalement sur les intérêts des clients et les offres potentielles qui conviennent le mieux à la politique de l'agence de voyage. L'agent de voyage et le client sont guidés par les recommandations du système à chaque étape de leur processus de vente.
Il génère rapidement des budgets en temps réel, ce qui conduit à une meilleure prise de décision tant au niveau opérationnel qu'en tant qu'agents de voyages ayant une orientation stratégique.
Il est capable d'apprendre à travers son expérience et aide à prioriser les clients ou les clients potentiels avec une forte propension à acheter. Un modèle de propension à l'achat de ML a été inclus dans le système pour cette tâche.
L'inclusion d'un MAS et de ses agents intelligents permet de mieux gérer l'échange de connaissances avec une meilleure communication. Que le MAS a été développé à la suite de l'abstraction bioinspirée d'un antiguer, qui gère les charges de travail dans Moreno et al. ( 2022 ), une caractéristique importante car la plupart des entreprises exigent des interactions en temps réel afin de répondre aux besoins de leurs clients.
Fournit du soutien à l'agent de voyage en les aidant à filtrer parmi les meilleures options en fonction des intérêts de leur client. Le système pourrait être classé comme une recommandation, ce qui simplifie les processus à effectuer lors des voyages d'une agence.
Un certain nombre d'expériences ont été conçues pour montrer la valeur et les meilleures pratiques. Le module consacré à la hiérarchisation des clients a été évalué en conséquence.
indépendant pour que nous puissions vérifier sa valeur ajoutée. Le système dans son ensemble a été mis à l'épreuve et des résultats très prometteurs ont été obtenus avec cette évaluation.
3.2 Proposition
3.2.1 Gestion automatique du tourisme
La gestion automatique du tourisme est l'une des tâches de base dans ce domaine, en raison d'un grand nombre et de processus différents pour examiner les offres disponibles ainsi que les paramètres de voyage qui ont été proposés par les clients de Kler ( 2009 ).
Le processus de gestion repose sur deux approches: le client et le vendeur (par exemple, la ressource finale ou l'agence de voyage). La première est mieux développée par différentes études et systèmes disponibles. Le problème concerne la mise en œuvre des nouvelles technologies et du turimso électronique (par exemple, offre ou marketing des informations sur les services touristiques en ligne). Cela signifie qu'un prestataire de services touristiques a un contact direct avec Hamid et al client 2021 ).
En ce qui concerne les approches qui automatisent différents processus liés au tourisme, la plupart des systèmes sont des recommandations des deux systèmes.
Dans le cas d'une approche par agence de voyage, ils travaillent habituellement avec des clients qui ne savent pas où monter ou quelles sont leurs préférences. C'est pourquoi les systèmes qui sont capables de recueillir et de traiter l'information des clients peuvent fournir un soutien à la prise de décisions ou choisir le meilleur fournisseur avec une agence pour un client particulier de Hsu et al. ( 2013 ). L'information peut être contenue dans le texte Loh et al. ( 2003 ) ou générée par la création de profils Adriana ( 2018 ).
En ce qui concerne l'approche du client, il y a de nombreux défis à relever. Par exemple, les systèmes capables de développer des environnements de voyage spécifiques pour les clients ayant des besoins spéciaux sont vraiment utiles Novikova et al. ( 2015 ). En outre, il existe d'autres approches plus généralistes et certains exemples de celles-ci ont été ceux qui mettent l'accent sur le choix du meilleur chemin mentionné dans le temps avec les conditions de circulation Suframaniyaswamy et al. ( 2018 ), ou ceux qui recommandent les meilleurs voyages pour les individus et Herzog et al. ( 2018 ). Ils sont tous en tant que concepteurs virtuels d'Al Fararni et de plans de voyage al. ( 2021 ) qui sont généralement basés sur les goûts des clients et leurs voyages ont été faits Garcia et al. ( 2009 ). Pour la sélection des destinations, des systèmes similaires ont été considérés comme
Deux. Ils traitent les vues des touristes pour trouver leurs destinations les plus populaires pour eux Zheng et al. ( 2018 ) et ils produisent également des classements d'intérêt Alrasheed et al. ( 2020 ). Enfin, le problème de l'offre d'un hébergement optimal selon les préférences du client a également été examiné. Ces préférences sont en fait, les besoins des clients Forouzandeh et al. ( 2021 ) et sa capacité économique Ray et al. ( 2021 ).
Le cadre SYSTEM-TH-001 Il est principalement axé sur la perspective de l'agence de voyage, fournissant des éléments spécifiques pour interagir avec les clients. Dans le premier cas, un vendeur reçoit des recommandations en temps réel qui correspondent à l'information des clients sur ses intérêts. Le système a un composant vraiment nouveau pour informer le vendeur de ce que les clients ont une tendance accrue d'acheter leur service touristique. Cela facilite le travail et augmente les avantages de l'organisme. Dans le second cas, les clients peuvent introduire leurs caractéristiques et leurs intérêts. Le système les utilise pour fournir des informations divulguées au vendeur.
3.2.2 Le cadre SYSTEM-TH-001
L'objectif principal du cadre SYSTEM-TH-001 C'est pour soutenir les clients et les agents de voyages. Le système couvre donc les deux perspectives relatives à la gestion des services touristiques.
Du point de vue touristique, SYSTEM-TH-001 offre différents services touristiques en fonction des préférences et des caractéristiques. Pour les utilisateurs du profil modèle d'agent de voyage, ce système offre le meilleur service en vue des préférences fournies par le client et des performances antérieures. Aussi, SYSTEM-TH-001 comprend une fonctionnalité extrêmement nouvelle pour un pyme, c'est la capacité de sélectionner les clients avec plus de propension à acheter à un moment donné et qui permet aux agents de voyage ont leurs priorités de plan de travail établis ainsi que tout en mettant en place les actions nécessaires dans chaque cas.
Le système est alimenté par un certain nombre de sources d'information qui fournissent les connaissances nécessaires, comme la disponibilité et le prix des vols ou des hôtels.
Les sections suivantes expliquent l'architecture de ce cadre SYSTEM-TH-001 examiner les différents modules et se concentrer sur les processus qui couvrent leur fonctionnalité.
Graphique 3.1: architecture du cadre SYSTEM-TH-001.
3.2.3 Architecture générale et modules
L'architecture du cadre SYSTEM-TH-001 Il se compose de cinq modules différents: le gathéer d'information, le gestionnaire du service touristique et la gestion des clients. Ces modules sont complétés par deux bases de connaissances qui leur permettent de stocker ces informations: les fournisseurs savent comment et les compétences en services touristiques (voir fig. 3.1 ). Ces modules sont capables d'exécuter ces trois processus fondamentaux: la vente de services touristiques, la rétroaction des clients et la mise à jour de l'information.
Le module de gestion de la maintenance sert de point central pour la maintenance de l'information et les paramètres communs utilisés par l'autre SYSTEM-TH-001. En général, certains exemples d'entretien de l'information sont liés à des changements dans les ressources touristiques (p. ex. nom de l'hôtel et nouveaux fournisseurs de services ou fermeture d'événements). Une capacité de cartographie d'un même service touristique auprès de différents fournisseurs est nécessaire pour faciliter la production de systèmes avec une gamme et des prix. Pour eux, utilisez le module « Collecte d'informations » pour mener ces actions (voir fig. 3.2 ).
Le module Information gatheer collecte des informations sur le marché virtuel du tourisme. Le marché est basé sur l'échange d'informations entre les fournisseurs et les consommateurs grâce à l'utilisation de technologies XML ou JSON. Ce module récupère des informations de deux types, statiques et dynamiques. La première n'est pas souvent modifiée, car le nom et la description de ces produits sont pertinents pour eux. Le second change plusieurs fois par jour. En général, certaines informations sur ce type de données sont la location d'hôtels ou les prix. Toutes ces informations sont stockées dans les connaissances des fournisseurs d'information. Il est important d'indiquer que certaines de ces informations ne peuvent pas être stockées, parce qu'elles sont contractuelles avec les fournisseurs et n'ont été consommées que par
Graphique 3.2: Une vision du gestionnaire de maintenance et du module d'information gatheer.
ce module de manière passive.
Les connaissances des fournisseurs ont pour objectif principal de gérer l'information recueillie auprès des fournisseurs. Notez que ces informations sont chargées manuellement dans le dépôt par un humain. Le système utilise toutes ces informations pour formuler des recommandations de manière automatisée. L'interface visuelle de SYSTEM-TH-001 fournit plusieurs assistants graphiques qui aident certainement l'utilisateur à accomplir ses tâches,
Le module Tourist Service Manager est dédié au risque d'opportunités client potentielles et génère des offres personnalisées pour les meilleures recommandations (voir Fig. 3.3 ). Ces recommandations sont basées sur des calculs effectués pour obtenir les meilleures ressources touristiques pour une opération, ordonnée par intérêt. Chaque type de ressource touristique est groupé par catégorie. La catégorie des transports, des vols et des services collectifs (par exemple trains ou autobus) ainsi que les services de location de voitures sont inclus. Dans la catégorie de l'hébergement, des hôtels et des lieux similaires, ils sont considérés. Enfin, dans la catégorie des extras, excisions et assurances, ils sont classés ou inclus.
L'expression qui fournit les meilleures ressources touristiques pour mettre en place un service touristique complet (TS) est décrite comme suit:
TS = k max) { 1 A) 124, E ( 12 et 3 TS k = X
C.T, A.S. ( 3.1 )
où T est le transport, le logement et E sont des extras. Les propositions de la Commission ont été présentées en vue de surveiller et d'évaluer la production de nouvelles technologies. 0 a 1 d'indiquer la pertinence. Notez que la somme de pesos doit être 1. S choreC est alors la valeur moyenne des valeurs R et N.
sélectionner les ressources touristiques d'un service. S choreC j est défini comme suit:
S choreC j = wEC u, g · f et e) 3.2 )
où j { 1,.). 124 et C p845 ont été dénommés Section 3 du présent règlement mais sont actuellement en vigueur après 1 Janvier 2012 avec les informations suivantes: Les valeurs indiquées par w sont les pondérations des contributions partielles à la note globale définie en conséquence.
L'élément f C u, j sont les variables privilégiées et sont exprimées comme suit:
N X
f C u, j = 1
g
amorcedC j, I ( 3.3 )
où vous préférez C j, j'est une valeur [ 0, 1 ] indiquer les commentaires des clients sur la base d'expériences antérieures. En outre, f C ou j est la valeur moyenne des opinions des clients.
Pour les postes f T et j, cela dépend des catégories concernées (N):
f T e, j = qualité wt · qualitéTJ + c'est stopopovers.topotesight JN et WL temps 3.4 )
f A e, j = wa qualité · qualitéA. J.+ WA.location N. 3.5 )
f E e, j = WE qualité · qualitéY J + HE accessibilité N flexibilité et JM services EN servicesA 3.6 )
Dans chaque catégorie, un ensemble de mesures comportant des valeurs est envisagé [ 0, 1 ]. Pour la catégorie Transport: mesures de qualité des performances de transport, arrêts sont le nombre d'arrêts potentiels et le temps mesurera combien de temps nous arrivons à notre destination. Dans la catégorie Hébergement: la qualité mesure le niveau d'un logement, son emplacement étant exprimé par rapport à une zone touristique et des informations sur leur niveau de service offert par eux. Enfin, pour la catégorie Extras: la qualité mesure un extra et la flexibilité signifie qu'ils ont une capacité de réserver parfois avec leurs méthodes. Les services ont indiqué combien de services avaient été fournis alors que les prix étaient exprimés en fonction de leurs coûts. 1 pour chaque catégorie.
Grâce à des actions pour chaque catégorie, le système tente de relever les défis qui sont essentiels avec un parcours:
COMMENT: en définissant la qualité ou le niveau d'une ressource.
QUANDO: en classant le temps nécessaire pour atteindre votre destination.
OÙ: en classant l'endroit et ses environs.
QUOI: en classant l'acceptation d'un resort supplémentaire comme ce qu'il offre.
POURQUOI: définit l'ensemble des extras et des sûretés offerts par un appel.
Le module est responsable du filtrage des clients lorsqu'ils proposent de terminer leur achat. Un algorithme qui évalue la propension à l'achat sera chargé d'établir cette classification. Cet algorithme utilise des techniques classiques de traitement des scores et deux méthodes différentes ML dans une architecture à deux niveaux pour classer les clients en cinq groupes selon leur probabilité de réservation. De plus amples détails sur ce processus seront présentés ultérieurement.
Le module comprend trois composants: l'organisateur de services touristiques, notre filtre de service de visite et votre collecteur de rétroaction personnalisé. La première comprend un MAS pour répartir la charge de travail et faire partager les tâches décisionnelles. La deuxième est en charge du filtrage des ressources selon les peticioines faites par les clients et sa troisième gère les retours ultérieurs.
En ce qui concerne le MAS, il peut effectuer des tâches liées aux méthodes ML en utilisant une structure bio- et antiguer-inspirée qui inclut aussi une vieille reine. L'agent règne sur les différentes tâches de ses soldats et construit leur résultat final. Les soldats organisent leurs pétitions et les utilisent pour résoudre le problème. Cette architecture des agents intelligents est intéressée, car elle permet de mettre en œuvre des mesures d'équilibrage des charges. Ces mesures consistent à créer du personnel nouveau et complet ou des fourmis pour renforcer les capacités du système. De plus amples renseignements sur le MAS seront fournis dans les sections suivantes.
Le Répertoire des connaissances sur les services touristiques stocke de l'information relative aux contrats de services touristiques pour consultation et modification subséquentes par les agents de voyages. Cette information est soumise aux décisions de gestion et aux configurations prises dans le module du gestionnaire des services touristiques. Il sert de guide pour les processus de composition ou de production automatique de services touristiques. La rétroaction obtenue des clients une fois le service terminé est également prise en compte.
Graphique 3.3 Vision du module: Gestionnaire de services touristiques, Gestionnaires d'agents de voyages et Gestion des clients.
Le module Customer Manager a pour fonction principale d'aider les clients à accomplir les tâches nécessaires à la création de services touristiques en temps réel. Ce module communique avec les services touristiques connaissances et les référentiels de savoir-faire des fournisseurs par l'intermédiaire du gestionnaire de service Tourisme pour effectuer des compositions de différents éléments qui composent un service touristique. Le service créé est stocké aux fins de vérification et d'approbation subséquentes par un agent de voyages.
Le module de gestion des agents de voyages vise à servir de point central de gestion interne pour les opérations visant à créer des services touristiques. Il effectue également un examen des services créés par le client via le module Customer Manager. Il est directement connecté à une interface graphique, vous permettant d'obtenir des informations sur les demandes de vos clients. Ces demandes sont utilisées pour consulter les connaissances sur les services touristiques et les fournisseurs Connaissances par l'intermédiaire du module de gestionnaire de services touristiques, obtenant ainsi des soins touristiques intéressants pour les utilisateurs. Le module peut générer des services touristiques à partir de zéro en sélectionnant différentes options. Notez que la principale différence de ce module avec le précédent réside dans la configuration des privilèges de l'utilisateur (les agents de voyage ont plus de privilèges que les clients).
L'interface visuelle offre différentes options selon deux perspectives: celle de l'agent de voyage et celle de son client. Dans le premier cas, la visualisation permet de créer des voyages (par exemple un ensemble complet de services touristiques). Un certain nombre d'assistants graphiques tentent de soulager la complexité et la conception, réduisant ainsi la prise de décision des clients grâce à un ensemble fini. Lorsque le client approuve le nombre de services de voyage, il les envoie à son agence de voyages pour qu'elle en assure la gestion: approbation et modification. Un certain nombre d'échanges ont eu lieu entre le client et son agence de voyage jusqu'à ce qu'une confirmation ferme par notre client
C'est confirmé par l'agence de voyage. Une fois que les services ont été confirmés et que le paiement intégral vérifié, un processus d'envoi de toute la documentation nécessaire pour en profiter sera exécuté. Cette documentation et le droit qui s'y rapporte sont également mis à la disposition du client dans sa zone d'utilisation privée pour consultation avec lui. Pour le deuxième point de vue, celui d'un agent de voyage et des fonctions semblables sont fournis. Néanmoins, les agents de voyages ont une initiative ici et peuvent générer de multiples services touristiques pour les clients. Plus de détails sur les processus de vente sont décrits dans les prochaines sections.
3.2.4 algorithme pour la détection des clients potentiels
Le module Tourist Service Manager contient un algorithme d'estimation de la propension à l'achat. Il classe les clients potentiels en fonction de leur probabilité de fermeture de la réserve d'un service touristique. Cet algorithme fournit des informations de grande valeur à l'agence de voyage et permet aux agents de voyage de différencier les bons ou les mauvais clients (clients qui les ont finalement réservés). L'algorithme se compose de trois éléments fondamentaux: la transformation variable, le regroupement et la classification. Le premier élément prépare les intrants pour l'estimation des probabilités, effectuée par grappes et méthodes de classification. Le deuxième élément fournit une probabilité initiale d'achat et le dernier l'affine à un cluster. La sortie de l'algorithme classe les clients potentiels selon cinq groupes, en fonction de leur taux de conversion (par exemple, la proportion de clients qui finalement réservent un service touristique).
L'élément de transformation variable est exécuté par un encodeur Wight Of Evidence (WoE) Weed 2005 ). Ce type de transformation et ses avantages ont été étudiés en profondeur dans le contexte du risque de crédit d'Anderson ( 2007 ); Zdravevski et al. ( 2011 ). Il aide à travailler simultanément avec des données catégoriques et numériques, mais peut aussi courir à partir d'informations manquantes à l'aide d'une technique supplémentaire. Traditionnellement, l'encodage WoE est utilisé pour séparer les mauvais des bons clients et cela correspond parfaitement à un algorithme d'estimation pour la propension à l'achat. L'équation de la transformation du WoE est:
WoE = ln% non événements
% des événements ( 3.7 )
où la valeur des événements se réfère à de bons clients et comment le meilleur non-événement représente les mauvais.
L'un des avantages les plus intéressants de l'approche actuelle de WIE est que les variables avec beaucoup trop de valeurs discrètes sont transformées en numérique et seront commandées selon un rapport monotonique avec variable dépendante
Graphique 3.4: Un modèle biphasique pour estimer la probabilité d'une propension et réserver un service aéroportuaire.
T'es un con. WoE fournit une variable numérique qui regroupe ce grand nombre de valeurs discrètes en un tableau et des catégories bien peuplées exprimant l'information pour la nouvelle catégorie. Un autre grand avantage qui peut être obtenu avec la solution proposée est que WoE est une valeur normalisée. La première permet l'utilisation d'algorithmes d'arbre de décision (DT). Notez que dans un algorithme basé sur les arbres, son potentiel de prédiction avec des variables catégoriques peut être réduit en utilisant trop de catégories Friedman ( 2017 ). La seconde permet d'utiliser l'algorithme basé sur la distance comme algorithme de regroupement des moyennes k, qui nécessite des variables avec des valeurs comparables parce qu'il utilise Mohamad et Usman euclid ( 2013 ).
L'algorithme est un modèle biphasique comme et comment montré dans la figure 3.4 d'abord appliquer le regroupement en utilisant des moyennes k pour obtenir trois grappes avec des taux de conversion différents (faible, régulier et élevé). Aussi pour obtenir des résultats plus précis un classificateur DT agit sur les clusters bas et élevés, pour les diviser en clusters inférieurs mais très mauvais. Ainsi, l'algorithme proposé fournit cinq catégories de production: très faible et élevée. Ce type de sortie est calculé en utilisant la probabilité a priori de propension à acheter pons et al. ( 1997 ) et offre un résultat interprétatif pour un agent de voyage.
La clé du modèle réside dans la façon dont les variables sont regroupées en deux phases. Dans la première phase, la transformation WIE est appliquée à un ensemble de variables qui contiennent des informations sur qui est son client et d'où il vient. Voici quelques exemples de ces variables: canal de contact (web, e-mail ou présence physique) et achat à court et à long terme si le voyage se rapporte à un événement particulier. Avec ces variables, le regroupement est développé pour obtenir d'abord trois groupes (faible et régulier) qui seront ensuite divisés en cinq catégories
les fins prévues. Puis dans la deuxième phase, les transpondeurs WIE sont appliqués à une variable inhérente de son voyage comme nombre et lieu qui seront visités par eux. Notez que l'encodage WoE doit être appliqué indépendamment aux groupes à faible et haute probabilité, même avec la même variable connexe qu'eux parce que son but est de capturer des modèles selon chaque groupe indépendant. Enfin, deux DT appliqués à des grappes à faible et à haute probabilité divisent ces groupes en deux ensembles de plus chacun avec cinq catégories différentes de rachats.
3.2.5 Bio-inspiration de l'Organisation Multiagent (MAS)
Les agents intelligents sont des entités indépendantes utilisées par SYSTEM-TH-001 gérer les méthodes ML. Ils ont mis en place des activités de coopération organisées au moyen d'une architecture MAS.
Le MAS propose une fourmi qui implique des agents qui jouent trois rôles différents en tant que fourmis: la reine, les soldats et les travailleurs (voir Fig. 3.5 ). Ainsi, il est organisé selon une structure sociale de fourmis d'inspiration bio. La reine (c'est l'agent gérant) est responsable d'un antiguer, recevant des demandes à analyser. Veuillez noter que plusieurs applications peuvent être envoyées à cet agent. L'agent réaliste nomme alors l'activité d'évaluation des éléments de sa demande à un officier militaire (c'est-à-dire un évaluateur). Cet agent est responsable de l'attribution de l'information aux travailleurs. Ces derniers traitent l'information et appliquent les méthodes de ML fournies par le système. Notez qu'il y a une copie du modèle ML disponible pour chaque travailleur. Une fois que les agents du travail ont terminé leur travail, ils se joignent à eux si nécessaire (protection et surveillance d'un employé ou d'un groupe de travailleurs) tout en lui rendant son résultat.
Ce processus s'appuie sur le modèle Belief-Desiri-Attempted (BDI) De Silva et al. 2020 ) lorsque chaque agent a un but ou un ensemble d'objectifs qui doivent être atteints pour compléter son cycle de vie. À cette fin, la reine a une cible assignée et le but d'un soldat pour évaluer ses informations. Toutes les cibles comprennent généralement des tâches associées qui sont des actions à réaliser. Des agents intelligents ont été mis en place avec au moins une tâche, leur permettant d'atteindre leurs objectifs. Ces tâches sont mises en place dans un environnement partagé par les agents, ce qui comprend des possibilités pour les clients potentiels. Chaque agent intelligent a un statut mental et son processeur ou gestionnaire, ainsi qu'un éventail de croyances (motivations). La Reine a également un certain nombre de règles et un plan de gestion des possibilités, tandis que les soldats ont en même temps des normes semblables pour diffuser des connaissances sur les possibilités parmi les travailleurs. Pas de...
Graphique 3.5: Extrait des principales entités impliquées dans les fourmis Mas.
brego, les travailleurs incluent le modèle ML dans leur état mental pour réaliser l'évaluation de l'information et un plan ainsi que quelques règles simples pour les organiser. Enfin, les interactions entre les individus suivent la structure hiérarchique qui consiste principalement en des conversations directes. Il est à noter que, dans ce cas, les travailleurs n'ont pas à s'engager avec d'autres employés alors qu'ils traitent de leur engagement individuellement en vertu des ordres du soldat.
La conception du modèle de béton a été abordée au moyen d'une méthodologie d'agent. SOFTWARE-TH-001. La composition des résultats a été transformée pour répondre au cadre du MESA. Les conversations et les interactions de l'agent ont été mises en oeuvre selon les normes ORG-TH-006 ( ORG-TH-006 ) Melo et al. ( 2019 ).
3.2.6 Processus internes
Le cadre de travail SYSTEM-TH-001 présente trois processus principaux selon son architecture. Le premier processus comprend les différentes actions réalisées par l'agent de voyage et le client jusqu'à la vente effective d'un service touristique. Le deuxième processus fait référence à la tâche de rétroaction. Enfin, le troisième processus comprend des étapes pour mettre à jour l'information sur les prix et les services.
Graphique 3.6: Les processus d'offre et de vente d'un service pour la fourniture de services touristiques.
d'autres informations, selon le cas.
Le processus de vente d'un service touristique comprend un tableau et la plupart ont été communs aux deux utilisateurs finaux (c'est-à-dire, agent de voyage ou client). Cela se produit parce que les deux rôles interagissent plusieurs fois pendant le processus (voir Fig. 3.6 ). Initialement, les utilisateurs finaux se connectent au système. Si les utilisateurs sont déjà clients, ils peuvent demander un service touristique spécifique et les envoyer à l'agence de voyage. Toutefois, si les utilisateurs sont des agents de voyages, ils peuvent prendre l'initiative (les clients ont été physiquement avec eux) ou répondre aux demandes potentielles des clients plus tôt. Puis le système analyse
Graphique 3.7: Le processus de mise à jour de l'information basé sur les commentaires des clients.
les clients de décider s'ils sont aptes à la vente ou non. S'ils sont appropriés, les agents de voyages priorisent leur demande. Si les clients ont répondu à la réponse fournie par les agences de voyages et que l'un de leurs services touristiques les a intéressés, ce système complétera sa procédure d'envoi de documents avec des informations transactionnelles sur le service touristique. Néanmoins, si les clients n'étaient pas en mesure de répondre avec les services touristiques requis par les agences de voyage. Dans ce cas, la procédure est close. En outre, les clients peuvent être mécontents des offres de l'agence de voyage et devront générer de nouveaux services qui répondent à leurs souhaits.
Le processus de rétroaction suit un certain nombre d'étapes avec les clients qui entreprennent des commentaires au sujet d'un service touristique déjà acheté et complété (voir fig. 3.7 ). C'est un processus simple et facultatif effectué uniquement par les clients où leurs opinions sont stockées dans le système. L'information qu'ils fournissent est utilisée pour optimiser les recommandations contenues dans SYSTEM-TH-001.
Le processus de mise à jour de l'information est un travail typique de maintenance du système. Il modifie principalement les connaissances stockées dans les deux dépôts: les compétences des fournisseurs et les services touristiques savent comment. Cette tâche devrait être accomplie quotidiennement pour tenir le cadre à jour SYSTEM-TH-001. Néanmoins, alors qu'un processus manuel, le système fournit des étapes automatisées pour gérer les actions et simplifier le travail avec un administrateur. Veuillez noter que l'administrateur n'est pas considéré comme un utilisateur final par votre système (voir Fig. 3.6 ),
3.3 Expériences
La majorité des expériences, au moins celles qui sont les plus pertinentes pour la validation en tant que solution de performance, sont présentées dans cette section. SYSTEM-TH-001 3 les expériences sont incluses dans les environnements réels. COMPANY-002 1 a été l'agence de voyage choisie pour mener ses expériences. Veuillez noter que c'est la première entreprise à avoir été mise en production une fois la phase de développement terminée.
Le MAS inclus dans le système offre une configuration de base adaptée à ses besoins. Ces besoins ont déjà été testés en ajustant les paramètres avant ces expériences. Ainsi, le MAS se compose de deux fourmis avec cinq soldats et dix travailleurs.
La première expérience couvre la configuration des paramètres et le réglage du système. En outre, un test de base pour évaluer le niveau de satisfaction du système entre les agents de voyage et les clients est soumis comme l'exigent les recommandations. La deuxième expérience détaille les performances de l'algorithme de détection des clients potentiels. Une comparaison avec d'autres méthodes d'état de l'art est incluse. La troisième expérience évalue la performance du système une fois mis en place à l'agence de voyage. Les comparaisons entre les avantages des agences de voyages sont traitées en utilisant et sans cadre SYSTEM-TH-001. Ce fait illustre la pertinence d'un système tout en gérant une agence de voyages.
3.3.1 Réglage des paramètres et validation initiale du système
La première expérience comprend un ensemble d'étapes pour montrer comment le système proposé fonctionne. Premièrement, les paramètres du cadre SYSTEM-TH-001 ont été mis en place pour formuler des recommandations sur les services touristiques à l'intention des clients et des agents de voyage. Ces valeurs ont été fournies par 3 des experts dans le domaine d'une agence de voyage (c'est-à-dire des personnes responsables de son entreprise). Alors, 10 les clients (tout en préservant leur anonymat) et 3 Les agents de voyage de l'entreprise (c'est-à-dire certains de ses travailleurs) ont évalué les recommandations obtenues pour leurs souhaits touristiques spécifiques. Enfin, ces acteurs ont donné leur avis sur la performance du système et leur satisfaction par rapport aux résultats obtenus. Cette satisfaction a été mesurée à l'aide d'une échelle visuelle analytique de satisfaction (MSA) Lynsky et al. 2021 ). L'AVS était inclus dans un document anonyme. Le résultat de l'AVS est devenu une gamme de 0 a 1 pour obtenir l'opinion qui en résulte.
1 [LINK-REDACTED]
Rol Satis VAS Agent A 0,85 Agent B 0,93 Agent C 0,73 Moyenne ± S.D. 0.84 ± 0.10
Tableau 3.1: Valeur de la satisfaction fournie par les agents de voyage.
Client Rol Satis VAS 1 0,71 Client 2 0,62 Client 3 0,89 Client 4 0,76 Client 5 0,95 Client 6 0,58 Client 7 0,78 Client 8 0,69 Client 9 0,92 Client 10 0,76 moyenne ± D.E. 0.77 ± 0.12
Tableau 3.2: Valeur de la satisfaction fournie par les clients.
Les paramètres mis en place (voir section) 3.2.3 ), les experts de l'agence de voyage ont décidé comme suit les valeurs pour eux. Les valeurs ont été fixées à φT. Ça et ΔE 0,3, 0,45 et 0,25 respectivement. Cette décision était motivée par l'hypothèse selon laquelle les clients accordent plus d'importance à l'hébergement et à l'emplacement que les autres services touristiques. Et puis, wC u et jyg. 0,4 et 0,6 donner une pertinence modérée aux commentaires des clients précédents. Les pondérations des éléments de chaque catégorie (transport, logement et extras) sont établies. Pour les catégories de transport, la qualité wT et les escales Wt sont mises en place à 0,3, 0,1, 0,2 et 0,4 respectivement. Cette décision était motivée par l'hypothèse selon laquelle les usagers considèrent souvent que les prix des transports sont très importants au-dessus de leur autre caractéristique. Pour la catégorie d'hébergement, la qualité et l'emplacement de l'A.O. ont été établis à 0,35, 0,25, 0,15 et 0,25 respectivement. Ces valeurs reflètent l'hypothèse selon laquelle les utilisateurs considèrent souvent comme pertinent le prix et la qualité de leur otage, à moins que son emplacement ou ses services ne soient également très importants. Pour la catégorie des extras, la qualité et la flexibilité WE. 0,45, 0,15, 0,15 et 0,25 respectivement. Cette décision commence par la prémisse que les utilisateurs mettent davantage l'accent sur les prix et la qualité des suppléments.
Une fois que les paramètres du système sont complètement définis, les trois agents de voyage font des demandes à SYSTEM-TH-001 Pour obtenir des recommandations selon vos préférences. Ces préférences ont été choisies comme hétérogènes pour valider le système à travers un large éventail de possibilités.
Les clients ont ensuite indiqué que le système était actuellement assisté par des agents de voyage pour résoudre des problèmes potentiels liés à leur fonctionnement. Les agences de voyage ont également fourni aux utilisateurs les meilleurs réglages observés par le système. Si un client est d'accord avec l'un des services touristiques offerts, son système a complété le processus de réservation correspondant.
Enfin, un document anonyme avec l'AVS a été soumis aux participants. Les résultats sont présentés dans le tableau 3.1 et dans le tableau 3.2. La satisfaction moyenne des agents de voyages était de 0,84 alors que le nombre moyen de clients était 0,77. Dans les deux cas, des écarts types similaires ont été obtenus. Ainsi, la satisfaction moyenne globale du système était de 0, 80 ± 0, 11.
Pour conclure, nous pouvons dire que le résultat est tout à fait acceptable des deux points de vue (clients et agents de voyage). En outre, les clients sont plus pressants et plus exigeants que les agents de voyages pour évaluer la satisfaction des recommandations formulées par leur cadre de travail SYSTEM-TH-001.
3.3.2 Validation de l'algorithme d'estimation de la propension à l'achat.
Cette expérience porte sur la performance d'un modèle d'estimation pour proposer l'achat (bi-étape). La proposition se compare aux Sen et al. les plus typiques ( 2020 ); González et al. ( 2020 ): Forêt aléatoire (RF et Gradient Boosting, K-Nearest Neighbbour.
COMPANY-002 ont fourni l'ensemble de données pour le développement de cette expérience. Contient environ 104 avec un taux de conversion initial de 14 % C'est-à-dire le pourcentage de clients qui ont finalement acheté leur service touristique (c'est-à-dire que les données sont déséquilibrées).Chaque instance comprend une variété et une diversité avec des informations sur les données de contact. Dans ce cas particulier, des informations plus précises sur les données sont disponibles en raison de la confidentialité. Tous les algorithmes sélectionnés sont formés avec 80 % et sont testés avec 20 % demeure. Cette division est effectuée par échantillonnage stratifié. Les hyperparamètres des alternatives ML sont sélectionnés par 10 - Fold.cross.- validation. La sortie de chaque algorithme est présentée en cinq catégories qui s'occupent de la distribution des probabilités
RF GB KNN LR Bi-étape
modèle freq. c.rate frq.tit
Train
faible 75.0 0.0 74.2 5.8 0.0 100.0 72.5 11.5 16.6 1.7 faible 9.9 0.0 10.3 25.2 54.2 0.0 9.0 17.8 17.1 5.1 régulière 9.9 89.1 10.3 34.5 29.8 20.6 13.2 19.6 44.7 10.9 élevé 3.9 100.0 4.1 63.4 11.9 42.2 4.2 26.7 15.8 32.8 très élevé 1.2 100.0 1.0 87.3 4.1 100.0 1.1 28.2 5.9 48.0
Essai
faible 57.5 4.9 73.6 7.0 0.0 - 72.3 6.7 17.0 2.5 faible 17.1 16.5 10.0 25.0 75.2 7.5 2.0 25.0 17.0 6.7 régulière 25.2 30.9 9.8 28.8 17.4 26.7 5.8 22.9 46.1 10.2 élevé 0.0 - 4.8 41.4 5.3 40.6 7.3 34.1 14.6 34.2 très élevé 0.2 100.0 1.8 63.6 2.0 58.3 12.6 35.5 5.4 51.5
Tableau 3.3: Performance des algorithmes de classification ML avec fréquence relative (frq.) exprimée en pourcentage du total général et du taux de conversion pour chaque catégorie
de l'ensemble d'entraînement. La performance est mesurée en termes de taux de conversion et de fréquence relative pour chaque groupe de classification, exprimée en pourcentage du total général. La puissance prédictive est évaluée en vérifiant le taux de conversion dans différents groupes et la fréquence fournit la signification d'un groupe. Enfin, les superpositions potentielles de l'entraînement sont évaluées et conformes à une console d'essai.
Les résultats sont présentés dans le tableau 3.3. RF a une mauvaise correspondance entre l'entraînement et les tests à la fois aux fréquences comme avec les taux de conversion. En fait, un groupe n'est pas représenté dans l'ensemble de données du test. KNN a une conduite similaire dans les ensembles de formation et d'essais avec des différences par rapport à 21 %. Dans cette situation, il ne sert à rien d'évaluer d'autres mesures du rendement. GB a généralement une bonne correspondance entre les instances de formation et d'essai, à l'exception des taux de conversion pour les catégories élevées ou très basses qui présentent des différences plus grandes que celles des autres catégories. 20 %. Ces différences signifient, comme pour RF et KNN), qu'il n'est pas logique d'évaluer les autres éléments d'évaluation. LR a le meilleur rapport entre l'entraînement et les tests, à la fois en fréquence comme avec les taux de conversion. La distribution des données est élevée et déséquilibrée dans toutes les catégories, où le groupe à faible probabilité comprend plus de 70 % des informations. De plus, les cinq catégories n'ont pas une distance suffisante entre elles à la fin de leur taux de conversion. 2 % Dans certains cas, la différenciation entre les groupes proches est difficile. Par la suite, le modèle à deux étapes proposé présente une excellente correspondance entre les instances de formation et d'essai avec un écart maximal par rapport au modèle à deux étapes. 3 %. La distribution des données est la plus équilibrée des modèles éprouvés, où la catégorie 45 % les données et le très élevé au moins dense avec 6 % des informations pour la formation et 46 % et 5 % pour l'ensemble d'essai respectivement. Les catégories de probabilité obtenues sont certainement différentes avec cinq valeurs de probabilité
Services aux innovateurs traditionnels n Temps c.rate Rég.
Site Web
N Côtes 20 3.2 15.0 2 20 2.9 25.0 3 Îles N 20 5.2 10.0 2 20 4.8 15.0 3 Dubai 16 10.1 6.3 1 16 9.6 12.5 2 Safari 12 11.2 16.7 1 12 10.7 16.7 2
Autres
N Côtes 8 4.2 37.5 1 8 2.7 50.0 2 Îles N 8 5.7 25.0 0 8 3.0 37.5 1 Dubai 4 12.0 25.0 1 4 8.0 50.0 1 Safari 4 12.5 25.0 0 4 9.0 25.0 1
Tableau 3.4: Résumé des résultats obtenus pour les groupes traditionnels et innovateurs par rapport à chaque service touristique. N's sont combien de clients potentiels ont été trouvés dans chaque soin ou groupe Le temps est la moyenne (en heures) que chaque agent de voyage passe en traitant son service touristique jusqu'à ce qu'il soit accepté et exclu. Le taux de conversion et le nombre de recommandations (Rec.) sont présentés
et est valide dans l'ensemble de données d'essai avec des écarts minimaux.
L'expérience menée montre que ce problème particulier a besoin d'une approche ad hoc, telle que le modèle à deux étapes présenté. Cette solution est appropriée pour résoudre le problème de la propension à l'achat fourni par COMPANY-002. Le modèle bi-étape se classe le mieux dans différentes catégories de probabilités avec des fréquences équilibrées. Il offre également la meilleure correspondance entre l'entraînement et les tests, assurant ainsi une absence de superpositions. Ainsi, selon les exigences de performance, la méthode proposée sert mieux comme classificateur de dernière génération pour la cible actuelle.
3.3.3 Évaluation de l'efficacité complète du système
Dans cette expérience, nous pouvons vérifier l'efficacité de SYSTEM-TH-001 dans une situation réelle. L'accordage du système avec la configuration des paramètres a été maintenu et ils sont restés à la première étape.
L'expérience commence par l'organisation aléatoire et proportionnellement aux clients potentiels de 184 en deux groupes: Traditionnels et Innovateurs, pour faire des comparaisons entre eux. Ils recherchent tous le même type de services touristiques: Côte nationale, terres nationales et Dubai-Maldives. De plus, le Web et d'autres canaux sont appelés appels téléphoniques avec des recommandations familiales ou visites en personne à l'agence de voyage. Il convient de noter que ces services couvrent une gamme de soins touristiques spécialisés.
Le groupe traditionnel se compose de 92 clients qui ont été pris en charge tout en maintenant la façon traditionnelle dont notre entreprise a été utilisée (c.-à-d. sans support framework)
SYSTEM-TH-001 ). D'autre part, des innovateurs ont été formés par 92 clients qui ont été pris en charge pour utiliser le cadre SYSTEM-TH-001 pour répondre aux demandes des utilisateurs et aux paramètres fournis par une agence de voyage. Les deux groupes ont travaillé avec la même agence de voyage pour minimiser les changements potentiels dans les résultats.
L'expérience tient compte de trois variables principales: le temps moyen (en heures) que chaque agent consacre au traitement de son service touristique offert aux clients, le taux de conversion et le nombre de recommandations. Ces résultats sont présentés dans le tableau 3.4 pour les deux groupes.
Pour le groupe traditionnel, les résultats montrent qu'un délai moyen pour gérer les services est inférieur aux destinations nationales. Cela signifie que les clients sont plus exigeants lorsque la destination de leur voyage n'est pas dans ce même pays. Le taux de conversion fluctue sur le canal web avec une faible valeur pour le service Dubai-Maldives (c'est-à-dire que seulement quelques clients terminent leur achat) tandis que Safaris et National Coasts ont un pourcentage élevé. Au total, des recommandations ont été faites 8 pour ce groupe.
Pour le groupe des innovateurs, Dubai-Maldives a son taux de conversion le plus bas et National Coasts a son plus haut niveau sur les chaînes web. Le nombre d'heures consacrées à l'élaboration des recommandations et le taux de conversion entre les innovateurs traditionnels et les innovateurs varient considérablement. Le système a été une augmentation acceptable du taux de conversion, une réduction importante des heures et d'autres recommandations. Un total de 15 de recommandations pour le groupe des innovateurs. Les changements dans le taux de conversion et le nombre d'heures consacrées sont motivés par la propension à acheter l'algorithme d'estimation. Il a été autorisé à sélectionner les meilleurs clients pour l'agence de voyage, et ses clients ayant moins d'intérêt à les acheter ont été exclus. De plus, les informations visuelles fournies par le système et les recommandations précises auraient pu être plus faciles pour les clients à accepter leur service touristique.
SYSTEM-TH-001 a montré qu'il fonctionne parfaitement avec les problèmes quotidiens d'une entreprise de voyage. Il pourrait également augmenter le taux de conversion qui se traduit en avantages pour notre entreprise et réduire leur nombre d'heures jusqu'à ce que les clients acceptent ou rejettent différentes opportunités disponibles pour un service touristique particulier. Ce fait se traduit par des situations moins stressantes pour les employés et plus d'agilité dans le processus de réservation.
3.4 Conclusions
Le chapitre sur la gestion des services touristiques par le dépistage des clients à l'aide d'une architecture d'agents bioinspirés conclut que le cadre SYSTEM-TH-001 Il représente une solution innovante et efficace pour la transformation numérique dans le secteur du tourisme. Le système combine des outils d'intelligence artificielle avancés et une approche bioinspirée pour optimiser l'interaction entre les agents de voyage et les clients. Par son architecture modulaire, SYSTEM-TH-001 facilite la collecte, le traitement et la mise à jour des informations pertinentes en améliorant à la fois l'efficacité et la précision des recommandations.
L'analyse des expériences effectuées à COMPANY-002 a montré que SYSTEM-TH-001 l'emporte sur les méthodes traditionnelles et les algorithmes standard en termes de taux de conversion, de satisfaction des clients ou de délais de soins plus courts. Le modèle bi-étape, intégré dans le cadre et a mis l'accent sur sa capacité à prédire la propension à l'achat avec des agents habilitants de haute précision Pour prioriser les clients le meilleur potentiel.
La mise en œuvre d'un système multiactif bioinspiré a ajouté flexibilité et évolutivité, assurant un équilibre de charge efficace avec une capacité de réponse en temps réel. De plus, la double approche de SYSTEM-TH-001 Cela profite à la fois aux agents et aux clients, renforce leur potentiel en tant qu'outil clé pour relever les défis actuels dans le secteur du tourisme avec son statut de norme d'innovation.