Quel capitolo della sua tesi si è concentrato sul quadro SYSTEM-TH-001 Un sistema progettato per ottimizzare la gestione dei servizi turistici in un'agenzia di viaggi utilizzando l'intelligenza artificiale e un'architettura con agenti bioispirati. SYSTEM-TH-001 Include moduli che aggiornano quotidianamente i repository di conoscenze dei fornitori e dei servizi del turismo. Anche se richiede un intervento manuale, il sistema automatizza e semplifica le attività di un amministratore.
Il quadro è stato testato presso l'agenzia COMPANY-002 con un Multiagent System (MAS) basato su un'organizzazione integrata e bioispirata, utilizzando configurazioni che si adattano alle esigenze dell'azienda. Sono stati condotti esperimenti che hanno valutato i parametri chiave e la soddisfazione dei clienti o agenti di viaggio. I risultati iniziali hanno indicato che i clienti privilegiano gli attributi come prezzo e qualità del servizio.
Gli esperimenti hanno confrontato le prestazioni di SYSTEM-TH-001 con metodi tradizionali e altri algoritmi, valutando la loro capacità di prevedere la propensione per l'acquisto. Il modello bi-stadio di SYSTEM-TH-001 hanno mostrato un migliore equilibrio tra formazione e test, evitando problemi con sovrapposizioni, ottimizzando le raccomandazioni.
Nei test effettivi, il sistema ha mostrato un significativo miglioramento del tasso di conversione e un ridotto tempo di cura. Ha aumentato raccomandazioni precise con vantaggi sia per i clienti che SYSTEM-TH-001 e una soluzione efficace per la trasformazione digitale nel settore del turismo.
3.1 Introduzione
Oggi, il turismo è una delle industrie più redditizie di Camilleri ( 2018 ). Ogni anno, eserciti di turisti visitano città famose e vestigia storiche o semplicemente hanno il piacere di incontrare nuove culture con altre forme. Inoltre, ci sono altri turisti che cercano semplicemente calma e relax durante le loro vacanze con una grande opportunità di godere dei paesaggi delle spiagge da sogno di Tucreac ( 2010 ).
Tutti questi eventi umani portano all'uso di più tipi di trasporto come aerei, treni e autobus. 2018 ). Oltre a generare milioni di prenotazioni in hotel, appartamenti e altre proprietà simili che permettono a questi turisti.
Tutte queste attività devono essere gestite dall'agenzia di viaggi, con informazioni sulle destinazioni e le preferenze di diversi tipi turistici Moliner et al. ( 2007 ). Ecco perché l'emergere di sistemi focalizzati per fornire un supporto end-user (sia esso un agente turistico o di viaggio) che faciliterà il loro processo di prenotazione è completamente necessario e attualmente a sua disposizione.
Inoltre, gli agenti di viaggio dovrebbero fare un ulteriore sforzo per fornire ai loro potenziali clienti le opzioni più interessanti al fine di chiuderli giù. A causa di questa situazione, è naturale che inizino con la fioritura di sistemi che farà automaticamente raccomandazioni su viaggi e destinazioni selezionando il miglior trasporto come richiesto da Zapata et al. ( 2019 ).
Tutti questi sistemi hanno i loro limiti. I principali punti deboli sono la difficoltà di redigere bilanci da parte degli agenti di viaggio. È un compito che richiede grandi investimenti di tempo e fatica, aumentato come la complessità con cui condividere le destinazioni aumenta durante il vostro viaggio desiderato. Un altro problema importante è l'incapacità di fornire feedback sui servizi offerti per i clienti. Questo problema era vitale per le agenzie di viaggio perché avevano bisogno di sapere se i lavori che erano stati generati erano adatti e i clienti sono diventati soddisfatti con loro dopo aver goduto dei loro servizi contratti. A tal fine, le raccomandazioni che filtrano le preferenze iniziali del cliente sono fondamentali. Di solito segnano l'evoluzione dei servizi turistici offerti in quanto tendono ad attrarre l'assistenza clienti da una fase iniziale.
Il COVID... 19 È stato un altro grande problema per il settore del turismo a causa delle restrizioni ai movimenti al fine di limitare l'espansione dei virus. Tale misura ha ovviamente avuto un grave impatto negativo sul turismo, riducendo i viaggi e portando così ad alte perdite nella Bakar ( 2020 ). Tuttavia, i progressi con i programmi e le misure di vaccino sono stati messi alla fine di queste sfide.
La proposta di direttiva della Commissione stabilisce i seguenti criteri:
Per queste ragioni, un quadro completo in grado di gestire la domanda crescente è cruciale. Tale sistema dovrebbe essere in grado di risolvere le debolezze identificate gestendo al meglio tutti i problemi che si verificano dall'interesse del cliente per un servizio turistico, fornendo il supporto al suo agente di viaggio mentre selezionano diverse possibilità e con un feedback clienti appropriato dopo la sua fine.
Così, questa tesi presenta framewok SYSTEM-TH-001. Questo è un sistema automatico che include più assistenti grafici per fornire il supporto completo per gli agenti di viaggio e turisti. Le novità sono le seguenti:
Esso copre tutti i processi necessari con il processo di vendita dei servizi turistici, concentrandosi principalmente sugli interessi dei clienti e sulle potenziali offerte che meglio si adattano alla politica delle agenzie di viaggio. L'agente di viaggio e il cliente sono guidati dalle raccomandazioni del sistema in ogni fase del loro processo di vendita.
Esso genera rapidamente i bilanci in tempo reale, portando a un migliore processo decisionale sia a livello operativo che come agenti di viaggio con una direzione strategica.
È in grado di imparare attraverso la sua esperienza e aiuta a prioritizzare quei clienti o potenziali clienti con un'alta propensione ad acquistare. Un modello di propensione all'acquisto di ML è stato incluso nel sistema per questo compito.
L'inclusione di un MAS e dei suoi agenti intelligenti gestiscono meglio lo scambio di conoscenze con una migliore comunicazione. Che MAS è stato sviluppato seguendo l'astrazione bioispirata di un antiguer, che gestisce carichi di lavoro in Moreno et al. ( 2022 ), una caratteristica importante in quanto la maggior parte delle aziende richiedono interazioni in tempo reale al fine di soddisfare le esigenze dei propri clienti.
Fornisce supporto all'agente di viaggio aiutandoli a filtrare tra le migliori opzioni a seconda degli interessi del cliente. Il sistema potrebbe essere classificato come una raccomandazione, che semplifica i processi di condurre a un viaggio dell'agenzia.
Numerosi esperimenti sono stati progettati per mostrare il valore e la migliore pratica. Il modulo dedicato alla priorità del cliente è stato valutato di conseguenza.
indipendente in modo da poter controllare il suo valore aggiunto. Il sistema nel suo complesso è stato messo alla prova e risultati molto promettenti sono venuti a conoscenza di questa valutazione.
3.2 Proposta della Commissione
3.2.1 Gestione automatica del turismo
La gestione del turismo automatico è una delle attività di base all'interno di questo settore, a causa di un numero enorme e diversi processi per la valutazione delle offerte disponibili, nonché con le impostazioni di viaggio che sono state avanzate dai clienti di Kler ( 2009 ).
Il processo di gestione si basa su due approcci: il cliente e il venditore (ad esempio, la risorsa finale o l'agenzia di viaggi). Il primo è meglio sviluppato da diversi studi e sistemi disponibili. Il problema riguarda l'attuazione di nuove tecnologie e turimso elettronico (ad esempio, offerte o informazioni di marketing sui servizi turistici online). Ciò significa che un fornitore di servizi turistici ha un contatto diretto con Hamid et al cliente 2021 ).
Per quanto riguarda gli approcci che automatizzano diversi processi legati al turismo, la maggior parte dei sistemi sono raccomandazioni di sistema da entrambi.
Nel caso di un approccio agenzia di viaggi, in genere lavorano con i clienti che non sanno dove guidare o quali sono le loro preferenze. Ecco perché i sistemi che sono in grado di raccogliere e trattare le informazioni dai clienti possono fornire supporto decisionale o selezionare il miglior fornitore con un'agenzia per un cliente particolare Hsu et al. ( 2013 ). Le informazioni possono essere contenute nel testo Loh et al. ( 2003 ) o generato mediante la creazione di profili Adriana ( 2018 ).
Sull'approccio del cliente, ci sono molte sfide con cui lavorare. Ad esempio, i sistemi in grado di sviluppare specifiche impostazioni di viaggio per i clienti con esigenze particolari sono davvero utili Novikova et al. ( 2015 ). Inoltre, ci sono altri approcci più generalisti e alcuni esempi di questo sono stati quelli che si concentrano sulla selezione del percorso migliore come indicato nel tempo meteo con condizioni di traffico Suframaniyaswamy et al. ( 2018 ), o coloro che raccomandano viaggi migliori per gli individui e Herzog et al. ( 2018 ). Sono tutti designer virtuali di Al Fararni e piani di viaggio. ( 2021 ) che di solito si basano sui gusti dei clienti e i loro viaggi sono stati fatti Garcia et al. ( 2009 ). Per la selezione delle destinazioni, sistemi simili sono stati considerati come
Due. Elaborano la vista dei turisti per trovare le loro destinazioni più popolari per loro Zheng et al. ( 2018 ) e producono anche graduatorie di interesse Alrasheed et al. ( 2020 ). Infine, Ã ̈ stato considerato anche il problema di offrire un alloggio ottimale secondo le preferenze del cliente. Queste preferenze sono in realtà, le esigenze dei clienti Forouzandeh et al. ( 2021 ) e la sua capacità economica Ray et al. ( 2021 ).
Il quadro SYSTEM-TH-001 Si concentra principalmente sulla prospettiva dell'agenzia di viaggi, fornendo elementi specifici per interagire con i clienti. Nel primo caso, un venditore riceve raccomandazioni in tempo reale coerenti con le informazioni dei clienti circa i suoi interessi. Il sistema ha un componente veramente nuovo per informare il venditore su ciò che i clienti hanno una tendenza aumentata di acquistare il loro servizio turistico. Ciò facilita il lavoro e aumenta i benefici dell'agenzia. Nel secondo caso, i clienti possono introdurre le loro caratteristiche e interessi. Il sistema li utilizza per fornire informazioni trapelate con il venditore.
3.2.2 Il quadro SYSTEM-TH-001
L'obiettivo principale del quadro SYSTEM-TH-001 Questo è per supportare i clienti e gli agenti di viaggio. Il sistema copre quindi entrambe le prospettive relative alla gestione dei servizi turistici.
Da una prospettiva turistica, SYSTEM-TH-001 fornisce diversi servizi turistici in linea con le preferenze e le caratteristiche. Per gli utenti del profilo del modello dell'agente di viaggio, questo sistema offre il miglior servizio in vista delle preferenze fornite dal cliente e delle valutazioni delle prestazioni precedenti. E poi... SYSTEM-TH-001 include una funzionalità estremamente nuova per un pizzo, questa è la capacità di selezionare quei clienti con più propensione all'acquisto in un certo momento e che permette agli agenti di viaggio di avere le priorità del piano di lavoro stabilite, nonché la creazione di azioni necessarie in ogni caso.
Il sistema è alimentato da una serie di fonti di informazione che forniscono le conoscenze necessarie, come ad esempio: disponibilità e prezzo per voli o hotel.
Le seguenti sezioni spiegano l'architettura di questo quadro SYSTEM-TH-001 considerando diversi moduli e concentrandosi sui processi che coprono la loro funzionalità.
Figura 3.1: architettura del quadro SYSTEM-TH-001.
3.2.3 Architettura e moduli generali
L'architettura del quadro SYSTEM-TH-001 Si compone di cinque moduli diversi: Information gatheer, Tourist service manager e Customer management. Questi moduli sono integrati con due database di conoscenze che permettono loro di memorizzare queste informazioni: i Fornitori sanno come e le competenze dei servizi turistici (vedi Fig. 3.1 ). Questi moduli sono in grado di eseguire questi tre processi fondamentali: la vendita di servizi turistici, feedback dei clienti e aggiornamento delle informazioni.
Il modulo Manutentore serve come punto centrale per la manutenzione delle informazioni e i parametri comuni utilizzati dagli altri SYSTEM-TH-001. Tipicamente alcuni esempi di manutenzione dell'informazione sono legati alle variazioni delle risorse turistiche (ad esempio il nome dell'hotel e i nuovi fornitori di servizi o la chiusura degli eventi). Una capacità di mappatura dello stesso servizio turistico a diversi fornitori è necessaria per facilitare la produzione di sistema con una gamma e prezzi. Per loro, utilizzare il modulo Information Gatherer per condurre queste azioni (vedi Fig. 3.2 ).
Il modulo Information gatheer raccoglie informazioni dal mercato virtuale del turismo. Il mercato si basa sullo scambio di informazioni tra fornitori e consumatori attraverso l'uso di tecnologie XML o JSON. Questo modulo recupera le informazioni di due tipi, statici e dinamici. Il primo non è spesso modificato, in quanto il nome e la descrizione di questi prodotti sono rilevanti per loro. Il secondo cambia più volte al giorno. Tipicamente alcune informazioni su questo tipo di dati sono il noleggio di hotel o prezzi. Tutte queste informazioni sono memorizzate nella conoscenza del Repository Fornitori informazioni. È importante indicare che alcune di queste informazioni non possono essere memorizzate, perché sono contrattuali con i fornitori e sono state consumate solo da
Figura 3.2: Una visione del manutentore e del modulo d'informazione.
questo modulo in modo passivo.
La conoscenza dei fornitori di repository ha l'obiettivo principale di gestire le informazioni acquisite dai fornitori. Si noti che queste informazioni vengono caricate manualmente nel repository da un umano. Il sistema utilizza tutte queste informazioni per formulare raccomandazioni in modo automatizzato. L'interfaccia visiva di SYSTEM-TH-001 fornisce diversi assistenti grafici che certamente anche aiutare l'utente a completare i suoi compiti,
Il modulo Tourist service manager è dedicato al rischio di potenziali opportunità di cliente e alla generazione di offerte personalizzate per le migliori raccomandazioni (vedi Fig. 3.3 ). Queste raccomandazioni si basano su calcoli effettuati per ottenere le migliori risorse turistiche per un'operazione, ordinate per interesse. Ogni tipo di risorsa turistica è raggruppata da una categoria. La categoria di trasporto, voli e collettivi (ad esempio treni o autobus) e servizi di noleggio auto sono inclusi. Nella categoria di alloggi, alberghi e luoghi simili sono considerati. Infine nella categoria di extra, escisione e assicurazione sono classificati o inclusi.
L'espressione che fornisce le migliori risorse turistiche per creare un servizio turistico completo (TS) è descritta come segue:
TS = max k) { 1 A) 124, E 12 e 3 # TS k = X
C ∞ {T, A} θS ( 3.1 )
dove T è il trasporto, Per alloggi ed E sono extra. Le proposte della Commissione sono state presentate al fine di monitorare e valutare la produzione di nuove tecnologie. 0 a 1 per indicare la rilevanza. Si noti che la somma di pesos dovrebbe essere 1. S coreC è quindi il valore medio dei valori R e N.
selezionare le risorse turistiche di un servizio. S choreC j è definito come segue:
S choreC j = wEC u, g · f e e) 3.2 )
Dove si trova il 1,.). 124 e C p845 sono stati indicati come Sezione 3 del presente regolamento, ma sono attualmente in vigore dopo 1 Gennaio 2012 con le seguenti informazioni: I valori denotati da w sono i pesi dei contributi parziali al punteggio globale di conseguenza definito.
L'elemento f C u, j sono le variabili preferite ed espresse come segue:
N. X
F C u, j = 1
g
i primerredC j, I ( 3.3 )
dove si preferisce C j, io è un valore ∞ [ 0, 1 ] indicando il feedback da parte dei clienti sulla base di esperienze precedenti. Inoltre, f C o j è il valore medio delle opinioni dei clienti.
Per l'articolo f T e j, questo dipende dalle categorie interessate (N):
f T e, j = qualità wt · qualitàTJ + stopopovers.topotesight JN e WL tempo 3.4 )
f A e, j = qualità wa · qualitàA. J.+ WA.location N. 3.5 )
f E e, j = qualità WE · qualitàY J + HE accessibilità N flexibilitiand JM) servizi EN servicesA 3.6 )
In ogni categoria, vengono prese in considerazione una serie di misure con valori [ 0, 1 ]. Per la categoria Trasporti: misure di qualità prestazioni di trasporto, le fermate sono il numero di potenziali arresti e il tempo misura quanto presto arriviamo alla nostra destinazione. Nella categoria Alloggio: la qualità misura l'altezza di un alloggio, con la sua posizione espressa in relazione ad una zona turistica e le informazioni sul loro livello di servizio offerto da loro. Infine, per la categoria Extra: la qualità misura un extra e flessibilità significa che hanno una capacità di riserva a volte con i loro metodi. I servizi hanno espresso quanto servizio era stato fornito mentre i prezzi indicati dai suoi costi) Va notato che le misure sono ponderate da pesos con una quantità di pesos 1 per ogni categoria.
Attraverso azioni per ogni categoria, il sistema cerca di affrontare sfide chiave con un viaggio:
HOW: definendo la qualità o il livello di una risorsa.
QUANDO: in pendenza il tempo necessario per raggiungere la vostra destinazione.
DOVE: sfumando il luogo e i suoi dintorni.
COSA: classificando l'accettazione di un resort in più come quello che offre.
WHY: definisce l'insieme di extra e sicurezza offerti da un appello.
Il modulo è responsabile per il filtraggio dei clienti che propongono di completare il loro acquisto. Un algoritmo che stima la propensione all'acquisto sarà accusato di stabilire questa classificazione. Questo algoritmo utilizza tecniche di elaborazione dei punteggi classici e due diversi metodi ML in un'architettura a due livelli per classificare i clienti in cinque gruppi secondo la loro probabilità di prenotazione. Ulteriori dettagli di questo processo saranno presentati in seguito.
Il modulo comprende tre componenti: l'organizzatore dei servizi turistici, il nostro filtro servizio tour e il tuo raccoglitore di feedback personalizzato. Il primo include un MAS per distribuire il carico di lavoro e ottenere compiti decisionali condivisi. Il secondo è responsabile del filtraggio delle risorse in base alle peticioine effettuate dai clienti e il terzo gestisce il feedback successivo.
In relazione al MAS, può svolgere compiti relativi ai metodi ML utilizzando una struttura di ispirazione bio e antiguer che include anche una vecchia regina. L'agente regna i diversi compiti tra i suoi soldati e costruisce il loro risultato finale. I soldati organizzano le loro petizioni e li usano per risolvere il problema. Quell'architettura degli agenti intelligenti è interessata, perché permette di implementare misure di bilanciamento del carico. Tali misure consistono nella creazione di personale nuovo e completo, o formiche per migliorare la capacità del sistema. Ulteriori dettagli su MAS saranno forniti nelle seguenti sezioni.
I servizi turistici Repository memorizzano informazioni relative ai contratti di servizio turistico per la successiva consultazione e modifica da parte degli agenti di viaggio. Tali informazioni sono soggette alle decisioni di gestione e alle configurazioni prese nel modulo The Tourist service manager. Serve come guida ai processi di composione o auto-generazione dei servizi turistici. Il feedback ottenuto dai clienti una volta che il servizio è stato completato è anche considerato.
Figura 3.3 Visione del modulo: Responsabile del servizio turistico, responsabile dell'agente di viaggio e gestione del cliente.
Il modulo Customer Manager ha la sua principale funzionalità per supportare i clienti nell'esecuzione delle attività necessarie per creare servizi turistici in tempo reale. Questo modulo comunica con i servizi turistici conoscenze e fornitori di know-how repository attraverso il gestore del servizio Turismo per condurre composizioni di elementi diversi che compongono un'assistenza turistica. Il servizio creato viene memorizzato per la successiva verifica e approvazione da parte di un agente di viaggio.
Il modulo Travel agent manager si propone di servire come punto centrale di gestione interna per le operazioni per creare servizi turistici. Funziona anche una revisione dei servizi creati dal cliente tramite il modulo Customer Manager. È direttamente collegato a un'interfaccia grafica, che consente di avere informazioni sulle richieste dei vostri clienti. Queste richieste sono utilizzate per consultare le conoscenze dei servizi turistici e le conoscenze dei fornitori attraverso il modulo responsabile del servizio di turismo, ottenendo così interessante assistenza turistica per gli utenti. Il modulo può generare servizi turistici da zero selezionando diverse opzioni. Si noti che la differenza principale di questo modulo con uno precedente è nella configurazione di privilegi dell'utente (gli agenti viaggianti hanno più privilegi rispetto ai clienti).
L'interfaccia visiva fornisce diverse opzioni in base a due prospettive: quella dell'agente di viaggio e del suo cliente. Per il primo caso, la visualizzazione supporta la creazione di viaggi (ad esempio una serie completa di servizi turistici). Un certo numero di assistenti grafici stanno cercando di alleviare la complessità e il design, riducendo il processo decisionale del cliente attraverso un insieme finito. Quando il cliente approva quanto servizio di viaggio, viene inviato alla sua Agenzia di viaggi per la gestione: approvazione e modifica. Tra il cliente e la sua agenzia di viaggi sono stati effettuati diversi scambi fino ad una conferma da parte del nostro cliente.
E' confermato dall'agenzia di viaggi. Una volta che i servizi sono stati confermati e il pagamento completo verificato, verrà eseguito un processo di invio di tutta la documentazione necessaria per godere di loro. Tale documentazione e la relativa legge associata sono anche messi a disposizione del cliente presso la sua area utente privata per consultazione con loro. Per la seconda prospettiva, quello di un agente di viaggio e funzioni simili sono forniti. Tuttavia, gli agenti di viaggio hanno un'iniziativa qui e possono generare più servizi turistici per i clienti. Ulteriori dettagli sui processi di vendita sono descritti nelle sezioni successive.
3.2.4 algoritmo per il rilevamento di potenziali clienti
Il modulo Tourist service manager contiene un algoritmo di stima per la propensione all'acquisto. Si classifica i potenziali clienti a seconda della loro probabilità di chiudere la riserva di un servizio turistico. Tale algoritmo fornisce informazioni di alto valore all'agenzia di viaggi e consente agli agenti di viaggio di differenziare tra clienti buoni o cattivi (clienti che li hanno finalmente prenotati). L'algoritmo consiste in tre elementi fondamentali: trasformazione variabile, raggruppamento e classificazione. Il primo elemento prepara gli input per la stima delle probabilità, eseguita da metodi di cluster e classificazione. Il secondo elemento fornisce una probabilità iniziale di acquisto e l'ultimo lo affina in qualche cluster. L'output dell'algoritmo classifica i potenziali clienti in base a cinque gruppi, commisurando con il loro tasso di conversione (ad esempio la percentuale di clienti che finalmente riservano un servizio turistico).
L'elemento di trasformazione variabile viene eseguito da un codificatore Wight Of Evidence (WoE) Weed 2005 ). Questo tipo di trasformazione e i suoi benefici sono stati studiati nell'ambiente del rischio di credito profondamente Anderson ( 2007 ); Zdravevski et al. ( 2011 ). Aiuta a lavorare con dati categorici e numerici simultaneamente, ma può anche funzionare da informazioni mancanti utilizzando una tecnica aggiuntiva. Tradizionalmente, la codifica WoE è usata per separare il male dai buoni clienti e che si adatta perfettamente con una stima dell'algoritmo per la propensione all'acquisto. L'equazione della trasformazione di WoE è:
WoE = ln% non eventi
% eventi ( 3.7 )
dove il valore degli eventi si riferisce a buoni clienti e come il migliore non-evento rappresenta quelli cattivi.
Uno dei vantaggi più interessanti per l'approccio attuale di WIE è che le variabili con troppi valori discreti si trasformano in numerici e saranno ordinate secondo un rapporto monotonico con variabile indipendente
Figura 3.4: Un modello bifasico per stimare la probabilità di una propensione e prenotare un servizio aeroportuale.
Tetta. WoE fornisce una variabile numerica che raggruppa questo gran numero di valori discreti in categorie array e ben popolate che esprimono informazioni per la nuova categoria. Un altro grande vantaggio che può essere raggiunto con la soluzione proposta è Che WoE è un valore standardizzato. Il primo permette l'utilizzo di algoritmi di albero di decisione (DT). Si noti che in un algoritmo a base di albero il suo potenziale di previsione con variabili categoriche può essere ridotto utilizzando troppe categorie Friedman ( 2017 ). Il secondo permette di utilizzare l'algoritmo basato sulla distanza come algoritmo di raggruppamento k-means, che richiede variabili con valori comparabili perché utilizza Mohamad e Usman eucliid ( 2013 ).
L'algoritmo è un modello bifasico come e come mostrato nella figura 3.4 prima di applicare il raggruppamento utilizzando k-means per ottenere tre cluster con diversi tassi di conversione (basso, regolare e alto). Anche per ottenere risultati più precisi un classificatore DT agisce su cluster bassi e alti, per dividerli in inferiori ma molto cattivi. Così, l'algoritmo proposto fornisce cinque categorie di produzione: molto basso e alto. Questo tipo di output è calcolato utilizzando la probabilità a priori dalla propensione all'acquisto di pons et al. ( 1997 ) e offre un risultato interpretativo per un agente di viaggio.
La chiave del modello risiede nel modo in cui le variabili sono raggruppate in due fasi. Nella prima fase, la trasformazione WIE viene applicata a una serie di variabili che contengono informazioni su chi è il suo cliente e da dove viene. Alcuni esempi di queste variabili sono: il canale di contatto (web, email o presenza fisica) e l'acquisto a breve-lungo termine se il viaggio si riferisce ad un evento particolare. Con queste variabili, il raggruppamento è sviluppato per ottenere prima tre gruppi (basso e regolare) che saranno poi suddivisi in cinque categorie
fini intesi. Poi nella seconda fase, il transponder WIE viene applicato ad una variabile intrinseca del suo viaggio come numero e luogo che saranno visitati da loro. Si noti che la codifica WoE dovrebbe essere applicata in modo indipendente a gruppi di probabilità basse e elevate, anche con la stessa variabile collegata come loro perché il suo obiettivo è quello di catturare i modelli secondo ogni gruppo indipendente. Infine, due DT applicati a cluster di probabilità bassa e alta dividono questi gruppi in altri due set ciascuno con cinque diverse categorie di buy-off.
3.2.5 Multiagent Organization (MAS) bio-ispirazione
Gli agenti intelligenti sono entità indipendenti che sono state utilizzate da SYSTEM-TH-001 gestire i metodi ML. Hanno creato attività cooperative organizzate attraverso un'architettura MAS.
La proposta MAS consiste in una formica che coinvolge agenti che svolgono tre ruoli diversi come formiche: la regina, i soldati e i lavoratori (vedi Fig. 3.5 ). Così, è organizzato seguendo una struttura sociale di formiche bioispirate. La regina (questo è l'agente di gestione) è responsabile di un antiguer, ricevendo applicazioni da analizzare. Si prega di notare che diverse applicazioni possono essere inviate a questo agente. L'agente realista quindi nomina l'attività di valutazione degli elementi dalla sua applicazione ad un ufficiale soldato (cioè un evaluatore). L'agente è responsabile dell'assegnazione di informazioni ai lavoratori. Queste ultime elaborano le informazioni e applicano i metodi ML forniti dal sistema. Si noti che c'è una copia del modello ML disponibile per ogni lavoratore. Una volta che gli agenti del lavoro hanno completato il loro lavoro, si uniscono a loro se necessario (protezione e monitoraggio di un dipendente o di un gruppo di lavoratori) mentre ritornano il suo risultato a lui.
Questo processo si basa sul modello Belief-Desiri-Attempted (BDI) De Silva et al. 2020 ) dove ogni agente ha uno scopo o una serie di loro che devono essere incontrati per completare il suo ciclo di vita. A tal fine, la regina ha un bersaglio assegnatotak e l'obiettivo di un soldato per valutare le sue informazioni. Tutti gli obiettivi di solito includono compiti associati che sono azioni da raggiungere. Gli agenti intelligenti sono stati messi in atto con almeno un compito, consentendo loro di raggiungere i loro obiettivi. Questi compiti sono messi in atto in un ambiente condiviso da agenti, e questo include opportunità per i potenziali clienti. Ogni agente intelligente ha uno stato mentale e il suo processore o manager, così come una serie di credenze (motivazioni). La regina ha anche una serie di regole e un piano di gestione delle opportunità, mentre allo stesso tempo i soldati hanno alcuni standard simili per distribuire la conoscenza sulle opportunità tra i lavoratori. No.
Figura 3.5: Estratto dalle principali entità coinvolte nelle formiche di Mas.
Brego, i lavoratori includono il modello ML nei loro stati mentali per ottenere la valutazione delle informazioni e un piano, nonché con alcune regole semplici per organizzarle. Infine, le interazioni tra gli individui seguono la struttura gerarchica che consiste principalmente di conversazioni dirette. Si noti che in questo caso, i lavoratori non devono impegnarsi con altri dipendenti mentre affrontano il loro impegno individualmente sotto ordini del soldato.
Il design del modello concreto è stato affrontato attraverso una metodologia agente. SOFTWARE-TH-001. La composizione dei risultati è stata trasformata per soddisfare il quadro MESA. Le conversazioni e le interazioni dell'agente sono state implementate seguendo gli standard ORG-TH-006 ( ORG-TH-006 ) Melo et al. 2019 ).
3.2.6 Processi del sistema interno
Il quadro di lavoro per SYSTEM-TH-001 presenta tre processi principali in accordo con la sua architettura. Il primo processo comprende le diverse azioni realizzate sia dall'agente di viaggio che dal cliente fino ad una vera e propria vendita di un servizio turistico. Il secondo processo si riferisce al compito del feedback. Infine, il terzo processo include passi per aggiornare le informazioni sui prezzi e servizi.
Figura 3.6: I processi di offerta e vendita di un servizio per la fornitura di servizi turistici.
altre informazioni, se del caso.
Il processo di vendita di un servizio turistico include una serie e la maggior parte sono stati comuni a entrambi gli utenti finali (cioè, agente di viaggio o cliente). Succede perché entrambi i ruoli interagiscono più volte durante il processo (vedi Fig. 3.6 ). Inizialmente, gli utenti finali effettuano l'accesso al sistema. Se gli utenti sono già clienti, possono richiedere un servizio turistico specifico e inviarli all'agenzia di viaggi. Tuttavia, se gli utenti sono agenti di viaggio possono prendere l'iniziativa (i clienti sono stati fisicamente con loro) o rispondere a potenziali richieste da parte dei clienti prima. Poi il sistema analizza
Figura 3.7: Il processo di aggiornamento delle informazioni basato sul feedback dei clienti.
i clienti a decidere se sono adatti per la vendita o meno. Se sono adatti, gli agenti di viaggio prioritizzano la loro domanda. Se i clienti hanno risposto alla risposta fornita dalle agenzie di viaggio e uno dei loro servizi turistici interessati, questo sistema completerà la sua procedura per l'invio di documenti con informazioni sulle transazioni sul servizio turistico. Tuttavia, se i clienti non sono stati in grado di rispondere con i servizi turistici richiesti dalle agenzie di viaggio. In questo caso, il procedimento è chiuso. Inoltre, i clienti possono essere infelici con le offerte dell'agenzia di viaggi e dovranno generare nuovi servizi che soddisfano i loro desideri.
Il processo di feedback segue una serie di passi con i clienti che entrano in commenti su un servizio turistico precedentemente acquistato e completato (vedi Fig. 3.7 ). Si tratta di un processo semplice e facoltativo eseguito solo dai clienti in cui le loro opinioni sono memorizzate nel sistema. Le informazioni fornite vengono utilizzate per ottimizzare le raccomandazioni contenute in SYSTEM-TH-001.
Il processo di aggiornamento delle informazioni è tipico lavoro di manutenzione del sistema. Esso modifica principalmente le conoscenze memorizzate in entrambi i repository: Fornitori competenze e servizi turistici sanno come. Tale compito dovrebbe essere svolto giornalmente per mantenere il quadro aggiornato SYSTEM-TH-001. Tuttavia, mentre un processo manuale il sistema fornisce passaggi automatizzati per gestire le azioni e semplificare il lavoro con un amministratore. Si prega di notare che l'amministratore non è considerato un utente finale dal sistema (vedi Fig. 3.6 ),
3.3 Esperimenti
La maggior parte degli esperimenti, almeno quelli più rilevanti per la validazione come soluzione per le prestazioni sono mostrati in questa sezione. SYSTEM-TH-001 3 gli esperimenti sono inclusi in ambienti reali. COMPANY-002 1 era l'agenzia di viaggi selezionata per condurre i suoi esperimenti. Si prega di notare che questa è la prima azienda ad essere stata messa in produzione una volta che la fase di sviluppo è diventata completa.
Il MAS incluso nel sistema offre una configurazione di base adattata alle sue esigenze. Queste esigenze sono state testate in precedenza regolando i parametri prima di questi esperimenti. Così, MAS consiste di due formiche con cinque soldati e dieci lavoratori.
Il primo esperimento riguarda la configurazione dei parametri e delle impostazioni di sistema. Inoltre, un test di base per valutare il livello di soddisfazione del sistema tra gli agenti di viaggio e i clienti è presentato come richiesto dalle raccomandazioni. Il secondo esperimento dettaglia le prestazioni del potenziale algoritmo di rilevamento client. È incluso un confronto con altri metodi di stato dell'arte. Il terzo esperimento valuta le prestazioni del sistema una volta messe in atto presso l'agenzia di viaggi. I confronti tra i benefici delle agenzie di viaggio sono affrontati utilizzando e senza il quadro SYSTEM-TH-001. Questo fatto ha illustrato la rilevanza di un sistema mentre gestisco un'agenzia per i viaggi.
3.3.1 Impostazione del parametro e validazione del sistema iniziale
Il primo esperimento comprende una serie di passi per mostrare come funziona il sistema proposto. In primo luogo, i parametri del quadro SYSTEM-TH-001 sono stati creati per produrre raccomandazioni sui servizi turistici per i clienti e gli agenti di viaggio. Questi valori sono stati forniti 3 esperti nel settore di un'agenzia di viaggi selezionata (cioè, persone con responsabilità per la sua azienda). Allora... 10 clienti (mantenendo l'anonimato) e 3 Gli agenti di viaggio dell'azienda (cioè alcuni dei suoi lavoratori) hanno valutato le raccomandazioni ottenute per i loro desideri turistici specifici. Infine, questi attori hanno dato un feedback sulle prestazioni del sistema e la loro soddisfazione per i risultati ottenuti. Tale soddisfazione è stata misurata da una scala visiva analitica della soddisfazione (MSA) Lynsky et al. 2021 ). Che l'AVS fosse incluso in un documento anonimo. Il risultato dell'AVS è diventato una gamma da 0 a 1 per ottenere l'opinione risultante.
1 [LINK-REDACTED]
Rol Satis VAS Agente A 0,85 Agente B 0,93 Agente C 0,73 Media ± S.D. 0.84 ± 0.10
Tabella 3.1: Valore di soddisfazione fornito dagli agenti di viaggio.
Rol Satis VAS cliente 1 0,71 Cliente 2 0,62 Cliente 3 0,89 Cliente 4 0,76 Cliente 5 0,95 Cliente 6 0,58 Cliente 7 0,78 Cliente 8 0,69 Cliente 9 0,92 Cliente 10 0,76 significa ± D.E. 0.77 ± 0.12
Tabella 3.2: Valore di soddisfazione dei clienti.
I parametri impostati (vedere Sezione) 3.2.3 ), gli esperti dell'agenzia di viaggi hanno deciso come segue i valori per loro. Per θT. ÇA e ΔE, i valori sono stati fissati 0,3, 0,45 e 0,25 rispettivamente. Tale decisione è stata motivata dal presupposto che i clienti danno più importanza per l'alloggio e la posizione rispetto ad altre caratteristiche del servizio turistico. E poi, wC u e j.g. 0,4 e 0,6 dare moderata attualità ai commenti dei clienti precedenti. I pesi degli elementi in ogni categoria (trasporto, alloggio e extra) sono stabiliti. Per la categoria di trasporto, la qualità wT e i fermi Wt sono impostati su 0,3, 0,1, 0,2 e 0,4 rispettivamente. Tale decisione è stata motivata dal presupposto che gli utenti spesso considerano i prezzi dei trasporti di essere molto importanti al di sopra della loro altra caratteristica. Per la categoria di alloggio, qualità WA e posizione sono stati impostati in 0,35, 0,25, 0,15 e 0,25 rispettivamente. Questi valori riflettono un'ipotesi che gli utenti spesso considerano rilevante il prezzo e la qualità del loro ostaggio, a meno che la sua posizione o servizi sono anche molto importanti. Per la categoria di extra, qualità WE e flessibilità WE. 0,45, 0,15, 0,15 e 0,25 rispettivamente. Tale decisione inizia con la premessa che gli utenti pongono più enfasi sui prezzi e sulla qualità degli extra.
Una volta che i parametri di sistema sono completamente impostati, i tre agenti di viaggio fanno richieste SYSTEM-TH-001 Per ottenere raccomandazioni in base alle vostre preferenze. Queste preferenze sono state selezionate come eterogenee per convalidare il sistema attraverso una vasta gamma di possibilità.
I clienti hanno poi fornito indicazioni che il sistema era attualmente assistito da agenti di viaggio per risolvere potenziali problemi con come operavano. Le agenzie di viaggio hanno anche fornito agli utenti le migliori impostazioni del sistema. Se un cliente ha concordato con uno dei servizi turistici offerti, il suo sistema ha completato il relativo processo di prenotazione corrispondente.
Infine, un documento anonimo con l'AVS Ã ̈ stato inviato ai partecipanti. I risultati sono visualizzati nella tabella 3.1 e nel tavolo 3.2. La soddisfazione media degli agenti di viaggio era 0,84 mentre il numero medio di clienti era 0,77. In entrambi i casi, sono state ottenute deviazioni standard simili. Così, la soddisfazione media complessiva del sistema è stata 0, 80 ± 0, 11.
Per concludere, possiamo dire che il risultato è abbastanza accettabile da entrambe le prospettive (clienti e agenti di viaggio). Inoltre, i clienti sono più pressanti e esigenti degli agenti di viaggio nel valutare la soddisfazione delle raccomandazioni formulate dal loro quadro di lavoro SYSTEM-TH-001.
3.3.2 Convalida dell'algoritmo di stima dalla propensione all'acquisto.
Tale esperimento affronta le prestazioni di un modello di stima per proporre l'acquisto (bi-stadio). La proposta si confronta con la più tipica Sen et al. ( 2020 ); González et al. ( 2020 ): Foresta Random (RF e Gradient Boosting, K-Nearest Neighbbour.
COMPANY-002 hanno fornito il set di dati per lo sviluppo di questo esperimento. Contiene circa 104 con un tasso di conversione iniziale 14 % Cioè, la percentuale di clienti che hanno finalmente acquistato il loro servizio turistico (cioè i dati sono sbilanciati).Ogni istanza include una varietà e la diversità con informazioni sul dataset di contatto. In questo caso particolare, le informazioni più precise sui dati sono disponibili a seguito della riservatezza. Tutti gli algoritmi selezionati sono formati con 80 % e sono testati con 20 % Resta. Questa divisione viene eseguita con campionamento stratificato. Gli iperparametri delle alternative ML sono selezionati da 10 -fold.cross.- convalida. L'output di ogni algoritmo è presentato in cinque categorie che si preoccupano per la distribuzione delle probabilità
RF GB KNN LR Bistadio
modello francese. cassa frq.tit
Treno
basso 75.0 0.0 74.2 5.8 0.0 100.0 72.5 11.5 16.6 1.7 basso 9.9 0.0 10.3 25.2 54.2 0.0 9.0 17.8 17.1 5.1 regolare regolare 9.9 89.1 10.3 34.5 29.8 20.6 13.2 19.6 44.7 10.9 alto 3.9 100.0 4.1 63.4 11.9 42.2 4.2 26.7 15.8 32.8 molto alto 1.2 100.0 1.0 87.3 4.1 100.0 1.1 28.2 5.9 48.0
Test di prova
basso 57.5 4.9 73.6 7.0 0.0 - 72.3 6.7 17.0 2.5 basso 17.1 16.5 10.0 25.0 75.2 7.5 2.0 25.0 17.0 6.7 regolare regolare 25.2 30.9 9.8 28.8 17.4 26.7 5.8 22.9 46.1 10.2 alto 0.0 - 4.8 41.4 5.3 40.6 7.3 34.1 14.6 34.2 molto alto 0.2 100.0 1.8 63.6 2.0 58.3 12.6 35.5 5.4 51.5
Tabella 3.3: Esecuzione degli algoritmi di classificazione ML con frequenza relativa (enq.) espressa in percentuale sul totale generale e il tasso di conversione per ciascuna categoria
dal set di formazione. Le prestazioni sono misurate in termini di tasso di conversione e di frequenza relativa per ciascun gruppo di classificazione espresso in percentuale dal totale generale. La potenza predittiva viene valutata controllando il tasso di conversione in diversi gruppi e frequenza fornisce un significato del gruppo. Infine, i potenziali sovrapposizioni dell'allenamento vengono valutati e conformi a una console di prova eseguita.
I risultati sono visualizzati nella tabella 3.3. RF ha una brutta corrispondenza tra formazione e test sia a frequenze come con i tassi di conversione. Infatti, un gruppo non ha la rappresentazione nel dataset del test. KNN ha una condotta simile in gruppi di formazione e test con differenze 21 %. In questa situazione non c'è motivo di valutare altre misure di prestazione. GB ha una corrispondenza generalmente buona tra istanze di formazione e test, ad eccezione dei tassi di conversione per categorie alte o molto basse che hanno differenze più che 20 %. Queste differenze significano, come con RF e KNN) che non ha senso valutare gli altri elementi di valutazione. LR ha il migliore contemporaneamente tra formazione e test, sia in frequenza come con i tassi di conversione. La distribuzione dei dati è elevata e sbilanciata in tutte le categorie, dove il gruppo a bassa probabilità include più di 70 % informazioni. Inoltre, le cinque categorie non hanno una distanza sufficiente tra di loro alla fine del loro tasso di conversione. 2 % In alcuni casi, questo rende difficile la differenziazione tra gruppi vicini. Alla fine, il modello bi-stadio proposto ha un eccellente abbinamento tra istanze di formazione e test con una deviazione massima da 3 %. La distribuzione dei dati è la più equilibrata di modelli collaudati, dove categoria regolare con 45 % dati e il molto alto almeno denso con 6 % informazioni per la formazione e 46 % e 5 % per il set di test rispettivamente. Le categorie di probabilità ottenute sono decisamente diverse con cinque valori di probabilità
Innovatori Tradizionali Servizi n Time c.rate Re.g.
Web Web
N Costi 20 3.2 15.0 2 20 2.9 25.0 3 N Isole 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
Altri
N Costi 8 4.2 37.5 1 8 2.7 50.0 2 N Isole 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
Tabella 3.4: Astratto dei risultati ottenuti per gruppi tradizionali e innovatori rispetto a ogni servizio turistico. N's sono quanti potenziali clienti sono stati trovati in ogni cura o gruppo Il tempo è la media (in ore) che ogni agente di viaggio passa elaborando il suo servizio turistico fino a quando non è accettato e escluso. Il tasso di conversione e il numero di raccomandazioni (Rec.) sono presentati
ed è valida nel set di dati di prova con deviazioni minime.
L'esperimento condotto dimostra che questo particolare problema ha bisogno di un approccio ad-hoc, come il modello bi-stadio messo avanti. Tale soluzione era appropriata per risolvere il problema della propensione all'acquisto fornito da COMPANY-002. Il modello bi-stadio meglio classifica in diverse categorie di probabilità con frequenze bilanciate. Fornisce anche la migliore corrispondenza tra formazione e test, garantendo così un'assenza di sovrapposizioni. Così, secondo i requisiti di prestazione il metodo proposto meglio serve come classificatore di ultima generazione per l'obiettivo di oggi.
3.3.3 Valutazione dell'efficienza del sistema completa
In questo esperimento possiamo controllare l'efficienza di SYSTEM-TH-001 in una situazione reale. La messa a punto del sistema con configurazione dei parametri è stata mantenuta e sono rimasti alla prima fase.
L'esperimento inizia organizzando in modo casuale e proporzionale a potenziali clienti di 184 in due gruppi: Tradizionali e Innovatori, per fare confronti tra loro. Tutti cercano lo stesso tipo di servizi turistici: Costa Nazionale, terre nazionali e Dubai-Maldives. Inoltre, web e altri canali sono indicati come telefonate con raccomandazioni familiari o visite di assistenza all'agenzia di viaggi. Va notato che questi servizi coprono una gamma di cure turistiche dedicate.
Il gruppo tradizionale è composto da 92 clienti che sono stati curati per mantenere il modo tradizionale in cui la nostra azienda è stata utilizzata (cioè senza supporto quadro)
SYSTEM-TH-001 ). D'altra parte, gli innovatori sono stati formati da 92 clienti che sono stati curati per l'utilizzo della cornice SYSTEM-TH-001 effettuare le richieste degli utenti e le impostazioni fornite da un'agenzia di viaggi. Entrambi i gruppi hanno lavorato con la stessa agenzia di viaggi per ridurre al minimo i potenziali cambiamenti dei risultati.
L'esperimento considera tre variabili principali: il tempo medio (in ore) che ogni agente ha dedicato a trattare il suo servizio turistico offerto con i clienti, il tasso di conversione e il numero di raccomandazioni. Questi risultati sono presentati nella tabella 3.4 per entrambi i gruppi.
Per il gruppo tradizionale, i risultati mostrano che un tempo medio per gestire i servizi è inferiore alle destinazioni nazionali. Ciò significa che i clienti sono più esigenti quando la destinazione del loro viaggio non è nello stesso paese. Il tasso di conversione oscilla sul canale web con un basso valore per il servizio Dubai-Maldives (cioè, solo pochi clienti completano il loro acquisto) mentre Safari e Costa Nazionale hanno alta percentuale. Un totale di raccomandazioni sono state formulate 8 per questo gruppo.
Per il gruppo di innovatori, Dubai-Maldives ha il suo tasso di conversione più basso e le coste nazionali hanno il suo più alto a canali web. Sono state riscontrate differenze significative nel numero di ore passate, e per quanto riguarda le raccomandazioni, nonché ad un tasso di conversione tra i tradizionali o gli innovatori. Il sistema era stato un aumento accettabile del tasso di conversione, una significativa riduzione delle ore e più raccomandazioni. Totale 15 di raccomandazioni per il gruppo Innovatori. I cambiamenti nel tasso di conversione e il numero di ore dedicate sono motivati dalla propensione all'acquisto dell'algoritmo di stima. Ha permesso di selezionare i migliori clienti per l'agenzia di viaggi, e i suoi clienti con meno interesse ad acquistarli sono stati esclusi. Inoltre, le informazioni visive fornite dal sistema e raccomandazioni precise potrebbero essere stati anche più facili per i clienti di accettare il loro servizio turistico.
SYSTEM-TH-001 ha dimostrato che funziona perfettamente con i problemi quotidiani di una società di viaggi. Potrebbe anche aumentare il tasso di conversione che si traduce in benefici per la nostra azienda e ridurre il loro numero di ore fino a quando i clienti non accettano o scartano diverse opportunità a disposizione di un particolare servizio turistico. Questo fatto si traduce in situazioni meno stressanti per i dipendenti e più agilità nel processo di prenotazione.
3.4 Conclusioni
Il capitolo sulla gestione dei servizi turistici attraverso l'esplorazione del cliente utilizzando un'architettura di agenti bioinspirati conclude che il quadro SYSTEM-TH-001 Rappresenta una soluzione innovativa ed efficiente per la trasformazione digitale nel settore del turismo. Il sistema combina strumenti avanzati di intelligenza artificiale e un approccio bioispirato per ottimizzare il gioco tra agenti di viaggio con i clienti. Attraverso la sua architettura modulare, SYSTEM-TH-001 facilita la raccolta, l'elaborazione e l'aggiornamento delle informazioni pertinenti migliorando sia l'efficienza che le raccomandazioni precise.
L'analisi degli esperimenti effettuati a COMPANY-002 mostra che SYSTEM-TH-001 supera i metodi tradizionali e gli algoritmi standard in termini di tasso di conversione, soddisfazione del cliente o tempi di cura più brevi. Il modello bi-stadio, integrato nel quadro e ha sottolineato la sua capacità di prevedere la propensione per l'acquisto con gli agenti che consentono di alta precisione Per privilegiare i clienti migliori potenziali.
L'implementazione di un sistema multiagente bioispirato ha aggiunto flessibilità e scalabilità, garantendo un equilibrio di carico efficiente con capacità di risposta in tempo reale. Inoltre, il duplice approccio al SYSTEM-TH-001 Che beneficia sia di agenti che di clienti, rafforza il loro potenziale come strumento chiave per affrontare le sfide di oggi nel settore del turismo con il suo status di uno standard di innovazione.