Инновации и технологии. Рубрика в журнале - Сервис в России и за рубежом
Использование технологий искусственного интеллекта в маркетинге средств размещения
Статья научная
В условиях цифровой трансформации гостиничного бизнеса технологии искусственного интеллекта (ИИ) становятся ключевым инструментом повышения конкурентоспособности средств размещения. В статье рассматриваются современные подходы к применению ИИ в маркетинговой деятельности гостиниц, хостелов и других объектов размещения. Анализируются такие направления, как персонализация клиентского опыта, прогнозирование спроса, динамическое ценообразование, чат-боты для взаимодействия с гостями, а также использование аналитики больших данных для сегментации аудитории и оптимизации рекламных кампаний. На основе обзора зарубежных и отечественных кейсов выявлены преимущества внедрения ИИ-решений, а также существующие барьеры – технические, финансовые и этические. Сделан вывод о том, что интеграция искусственного интеллекта в маркетинг средств размещения способствует не только росту операционной эффективности, но и формированию устойчивых долгосрочных отношений с клиентами. Результаты исследования могут быть использованы практиками индустрии гостеприимства для разработки стратегий цифровой трансформации и использования инструментов искусственного интеллекта в маркетинге.
Бесплатно
Разработка моделей на основе методов машинного обучения для оценки кредитного риска банка
Статья научная
Данная статья посвящена применению методов машинного обучения для реализации подхода на основе внутренних рейтингов (ПВР), называемого также IRB-подходом. Важно понимать, что переход на модельный метод оценки кредитных рисков сокращает размер необходимого резерва банка по сравнению со стандартизированным подходом, что приводит к более выгодному распределению активов банка, также подход развивает качество человеческого капитала, повышает устойчивость банковской отрасли. Для обеспечения функционирования ПВР-подхода необходима повсеместная интеграция языков программирования (Python / SQL), развитая IT-инфраструктура, позволяющая хранить и обрабатывать большие объемы данных в реальном времени, ежемесячный мониторинг ключевых показателей (LGD, Default Rate, CCF и др.) для контроля отклонения фактических значений от модельных, выражающееся через коэффициент Parity. В банке также должна существовать мастершкала кредитных рейтингов для розничного и корпоративного кредитования, соответствующая национальным и международным рейтинговым агентствам, определяющая бакеты вероятности дефолта. Для разработки моделей банк должен иметь соответствующее структурное подразделение, а также отдел валидации, проверяющий точность моделирования. Авторы статьи знакомят читателя с основными риск-метриками, использующимися в моделях, включая вероятность дефолта, уровень потерь при дефолте, величину кредитного требования, ожидаемые и неожидаемые потери. Задача статьи заключается в разработке кредитных моделей и интерпретации их результатов. Проект реализуется в интересах тех системно значимых банков, которые еще не перешли на IRB-подход.
Бесплатно
Статья научная
Исследование посвящено количественной оценке причинно– следственного влияния рынка посуточной аренды на ключевые показатели эффективности гостиничного сектора. В работе применяется метод разности разностей (Difference–in– Differences) для анализа данных по 10 глобальным городам, разделенным на две группы: с либеральным и жестким режимами регулирования платформ P2P–аренды. Разработанный авторами интегральный индекс проникновения посуточной аренды (ИППА), агрегирующий метрики относительно численности населения, туристского потока и емкости отельного номерного фонда, позволил провести сопоставимый анализ уровня развития рынка P2P–аренды. Результаты регрессионного анализа демонстрируют статистически значимый негативный эффект: отели в городах с либеральным регулированием показывают снижение интегрального показателя доходности на 28,45 евро по сравнению с отелями в городах с запретительной политикой. Исследование выявило выраженный нисходящий градиент влияния. Корреляционный анализ данных гостиничных конгломератов (Accor, Hilton) подтверждает, что наибольшему негативному воздействию подвержены отели эконом– сегмента, затем среднего, в то время как люкс–сегмент демонстрирует относительную устойчивость. Кросс–валидация результатов на данных двух крупнейших гостиничных операторов подтверждает универсальность выявленной закономерности с учетом регуляторного контекста и ценовой сегментации. Практическая значимость работы заключается в разработке рекомендаций для органов государственного регулирования и участников гостиничного рынка, обосновывающих необходимость дифференцированного подхода к регулированию платформ P2P–аренды и стратегической переориентации инвестиционных потоков в гостиничной индустрии.
Бесплатно
