商旅管理計劃無論規模大小，都面臨著如何確保談判的酒店協議價格具有競爭力的挑戰。但當下行業所用的大部分基準為一般平均值，其他數據選項也往往太少或太繁雜，不足以推動最終采購決策，結果導致許多公司錯過節省成本的機會。
HRS在全球范圍內為企業客戶采購大量的酒店間夜，能代表客戶實現更高水平的基準比較和可靠的房價預測。借助AAI獲得的新洞察，酒店項目可以在酒店談判中有更多的依據，從而幫助企業在其主要商旅目的地節省10%乃至更多的成本。與HRS合作的采購負責人能用新發現的、更準確的洞察指導2020年住宿預算編制、最終協議酒店價格確定，以及這些價格與搜索預訂渠道的整合。
增強型AI利用多種數據模型提升結果的準確性
增強型AI優于標準人工智能，因為它運行的是多個數據模型而非單個例行程序。HRS模型運用了金融機構、社交網絡和大型電商市場所使用的高級預測算法。模型隨后被合并加以驗證，獲得更高的準確性。最后的步驟是自動審核所有結果，并選擇誤差最小的模型/輸出。
HRS的AAI模型基于機器學習，可從連續的酒店價格數據源中識別出復雜的模式。從各個市場來看，影響分析的因素包括：長期價格模式，包括季節性；推動入住率的短期本地活動（例如體育賽事、會議等）；基于目的地的基準企業協議價；基于客戶的垂直領域和/或交易量的基準企業協議價；衡量過去預測中平均誤差的算法；智能編譯預測模型，以提高具體目的地的準確性；商旅人士搜索和預訂數據；每個目的地一致、增強的機器學習整合。
“為了實現更準確的價格預測，我們在端到端技術堆棧中使用了多種AI模型。這是公司酒店支出優化的一個新進展，”HRS首席執行官托比亞斯·萊格（Tobias Ragge）說，“AAI能在不到一秒鐘的時間內識別出市場具體的模式，能為全球酒店項目不斷探索數據，探查各種情景并以更準確的方式解讀結果。它還剔除了人腦會誤以為將產生重大影響的無關數據。”
將預測性數據分析與自動化相結合
幫助HRS客戶保持2020年及以后的競爭力的其他獨特要素還有：通過任何類型的數據系統追蹤企業在180多個國家、長達四年的協議價格記錄的能力。
為了促進全年持續采購，HRS的采購服務具有持續的糾正率，可將不同報告之間的客戶數據進行對比，突顯出差異并選擇各個指標來提高未來和歷史記錄的準確性。
HRS有500多名專家分布在全球六十大商旅城市，時刻緊跟市場發展步伐。他們具備本地市場知識并可以執行質量檢查，參照HRS數據庫中上百萬份酒店合同，為HRS客戶在全球擴展和整合項目時提供實時咨詢與指導。
HRS將在于11月19-21日在慕尼黑舉行的GBTA歐洲會議，以及于11月28日在巴黎舉行的HRS全球商旅論壇上介紹這一新的酒店價格預測技術。