12 rzeczywistych przypadków zastosowania sztucznej inteligencji w branży turystycznej

12 rzeczywistych przypadków zastosowania sztucznej inteligencji w branży turystycznej

Czy pamiętasz swoją ostatnią podróż? Czy odebrałeś bilety bezpośrednio w kasie? Wątpię. W naszym przyspieszonym codziennym życiu znalezienie czasu na pójście do agencji, stacji lub recepcji po bilety to luksus, na który może sobie pozwolić niewielu. Poza tym po co zawracać sobie głowę, jeśli możesz je zdobyć za pomocą kilku kliknięć na laptopie lub smartfonie?

W efekcie sprzedaż usług turystycznych za pośrednictwem kanału cyfrowego wzrosła wykładniczo w ostatnich latach, osiągając łącznie 564,87 miliardów dolarów w 2016 roku. Oczekuje się, że w 2020 roku liczba ta osiągnie 817,54 miliarda dolarów. Ten gwałtowny wzrost jest napędzany przez najnowsze postępy technologiczne, w tym Nauka o danych.

Jeśli szukasz nowych pomysłów, jak dobrze wykorzystać ogromne ilości danych, które daje Twoja działalność biznesowa, oto 12 scenariuszy zastosowań uczenia maszynowego i analizy danych w branży turystycznej.

  1. Personalizacja UX (user experience) w liniach lotniczych

Według raportu McKinsey 2016 firmy turystyczne (aw szczególności linie lotnicze), jeśli dobrze wykorzystują Data Science, mają prawdopodobieństwo pomnożenia łącznej liczby klientów przez dwudziestu sześciu, wskaźnik utrzymania klientów – sześć, a rentowność – dziewiętnaście.

Wracając do linii lotniczych, chociaż w większości przypadków, w których stosuje się Data Science, dotyczy to zarządzania awaryjnego i przewidywania opóźnień, niektóre są nastawione na personalizację UX. Na przykład United Airlines przyjęło podejście „gromadzenia i analizy” swoich danych, ale zmieniło tę koncepcję i od 2014 r. Stosuje już metody „gromadzenia, wykrywania i działania” na swoich stronach docelowych.

Firma śledzi zachowania klientów, gromadząc dane zawierające ponad 150 zmiennych, w tym dane indywidualne (na przykład poprzednie zakupy i miejsca docelowe wyszukiwania) oraz ogólne dane historyczne. Ta ogromna ilość danych jest wykorzystywana do szczegółowej segmentacji klienta w celu dostosowania UX w czasie rzeczywistym, zgodnie z kategorią, do której należy użytkownik.

Zgodnie z przypisanym segmentem strona linii lotniczej wykonuje obliczenia w ciągu 200 milisekund, aby dostosować projekty na ekranie, tekst i inne elementy strony internetowej, aby zwiększyć prawdopodobieństwo konwersji. Według United ta dynamiczna personalizacja już zwiększyła dodatkowe przychody o 15% w ostatnich latach.

  1. Platformy rekomendacji

Prawdopodobnie jest to najczęstszy przypadek aplikacji Data Science. Obecnie 99% produktów, które odniosły sukces, ma wbudowane rozwiązanie rekomendacji. Podobnie jak propozycje spersonalizowanych treści w serwisie Netflix lub pole „Polecane rekomendacje” w Amazon, dostawcy usług turystycznych online często oferują spersonalizowane sugestie, oparte na ostatnich wyszukiwaniach i rezerwacjach.

Na przykład, wyszukując w Expedia loty do Londynu, zaoferowanych zostanie kilka opcji zakwaterowania na czas podróży. Podobnie Booking.com oferuje alternatywne miejsca docelowe, które mogą Cię zainteresować podczas kolejnego wypadu, również na podstawie wcześniejszych wyszukiwań.

To tylko dwa sposoby wykorzystania silników rekomendacji opartych na danych w branży turystycznej. Zgodnie z tym schematem internetowe biura podróży mogą oferować oferty wynajmu samochodów, alternatywne daty podróży (takie jak biuro podróży Fareboom.com) lub trasy, nowe cele podróży zgodnie z preferencjami użytkowników, a nawet niektóre polecane lokalne atrakcje.

Mając wystarczającą ilość danych na temat typowych wyszukiwań lub preferowanych ofert, można zbudować potężny algorytm rekomendacji, który uczy się jeszcze więcej na podstawie osobistych zachowań użytkownika podczas przeglądania, aby zaoferować bardziej spersonalizowane i cenniejsze sugestie.

Na przykład 8 na 10 rodzin może zarezerwować wycieczkę do Disneylandu w lipcu. Ta oferta nie jest interesująca dla podróżującego w interesach samotnie w styczniu, ale jeśli pokażesz temu użytkownikowi jednodniową wycieczkę do Las Vegas, szanse na sukces są dość duże.

W związku z tym inwestowanie w konsulting Data Science może nie tylko pozytywnie wpłynąć na Twoje dochody poprzez dodatkową sprzedaż, ale może również zwiększyć udział użytkowników, przyczyniając się do spersonalizowanego i wydajnego UX (user experience).

  1. Szacunki cen lotów i hoteli

Stawki lotów i ceny hoteli zmieniają się stale w zależności od dostawcy i przewidywanego zakupu. Prawie nikt nie ma czasu na ręczne śledzenie wszystkich tych zmian, dlatego dziś w branży turystycznej istnieje duże zapotrzebowanie na inteligentne narzędzia, które monitorują i wysyłają na czas alerty z interesującymi ofertami.

Zespół AltexSoft Data Science stworzył innowacyjne narzędzie do prognozowania stawek dla globalnego internetowego biura podróży. Pracując nad swoim głównym produktem, cyfrową witryną do rezerwacji podróży, byli w stanie uzyskać dostęp do danych historycznych o milionach wyszukiwań stawek i gromadzić je przez kilka lat. Dzięki takim informacjom stworzyli samouczący się algorytm, który jest w stanie przewidzieć przyszłe zmiany cen na podstawie szeregu czynników, takich jak trendy sezonowe, wzrost popytu, oferty specjalne i promocje linii lotniczych.

Przy średnim współczynniku ufności 75% narzędzie umożliwia tworzenie prognoz w krótkim okresie (kilka dni) i długoterminowym (kilka miesięcy).

Na przykład, jeśli w ostatnich sezonach wakacyjnych wszystkie ceny lotów z San Francisco do Dallas znacznie wzrosły na kilka tygodni przed Bożym Narodzeniem, ten sam trend może wystąpić również w tym roku. W takim przypadku algorytm powie, że czekanie może być zbyt ryzykowne i poprosi Cię o zarezerwowanie lotu już teraz.

Podobnie, jeśli cena lotów do Las Vegas na ogół spadnie poniżej średniej na tydzień przed Bożym Narodzeniem, zaoferuje się zaczekanie i rezerwację lotów w bliższym terminie.

Inny znaczący startup, który korzysta z Data Science, aby pomóc ludziom rezerwować najtańsze loty za pomocą zastosowanej analizy predykcyjnej, stworzył intuicyjną aplikację mobilną do przewidywania cen biletów lotniczych.

Narzędzie Hopper codziennie analizuje miliardy zestawów danych, aby zapewnić dokładne prognozy wahań cen. Szczegółowy opis działania systemu znajduje się na stronie internetowej firmy.

Dlatego narzędzia prognostyczne oparte na analizie, takie jak wspomniane powyżej, okazały się cennym uzupełnieniem portalu rezerwacji podróży. Chociaż odnoszą się one głównie do rezerwacji lotów, mogłyby być stosowane w innych specyficznych obszarach branży turystycznej i hotelarskiej.

Mogą być używane do przewidywania zmian cen hoteli, informowania, kiedy wszystkie pokoje w danym hotelu będą zapełnione, a nawet sugerowania alternatywnych tras wycieczek zgodnie z prognozą pogody lub przewidywanym obciążeniem lotniska w określonym dniu, aby pomóc użytkownikom nie tylko zaoszczędzić pieniądze, ale poprawić jakość obsługi klienta.

  1. Inteligentni asystenci podróży

Na co dzień ludzie szukają przede wszystkim komfortu. W ten sposób inteligentne usługi concierge, napędzane przez sztuczną inteligencję (AI), nabierają rozpędu w kilku branżach. Rezerwacja wycieczek to tylko jeden z wysoce zautomatyzowanych obszarów wykorzystujących algorytmy.

Inteligentne programy, szkolone do wykonywania określonego zadania na żądanie użytkownika, są często nazywane „botami” lub „chatbotami”. Niektóre duże firmy przyjęły platformy komunikatorów internetowych jako doskonały sposób docierania do klientów i budowania z nimi lepszych relacji.

Na przykład Hyatt, światowy lider w branży hotelarskiej, korzysta z platform społecznościowych do łączenia się ze swoimi klientami od 2009 roku. Niedawno firma rozszerzyła zestaw narzędzi obsługi klienta o Facebook Messenger. Jednak mobilne wsparcie 24/7 wymaga znacznych zasobów, zarówno ludzkich, jak i finansowych. Stąd przydatność wirtualnych asystentów ze sztuczną inteligencją.

W większości przypadków wirtualni asystenci podróży są zintegrowani z popularnymi komunikatorami internetowymi, takimi jak Facebook Messenger, Slack, Telegram czy Skype i są szkoleni do wykonywania różnych zadań: od wyszukiwania najtańszych ofert, rezerwacji lotów i rezerwacji hoteli, po planowanie pełnić wycieczki i poprawiać ogólne wrażenia klientów dzięki przydatnym informacjom, wskazówkom i sugestiom na temat popularnych miejsc turystycznych, miejsc do jedzenia lub lokalnych atrakcji: to najpopularniejsze sposoby korzystania z botów AI.

Inne popularne usługi rezerwacji podróży umożliwiają planowanie podróży bezpośrednio z aplikacji Facebook Messenger za pośrednictwem bardziej „humanizowanych” chatbotów. Nie potrzebują specjalnych poleceń, rozumieją proste pytania i odpowiadają w sposób nieformalny i potoczny.

Lista podróżniczych chatbotów nie przestaje rosnąć, podobnie jak przypadków ewentualnego wykorzystania tej technologii. Zastosowanie tych asystentów podróży AI nie kończy się na wyszukiwaniu i rezerwacji. Mogą pełnić rolę mobilnych towarzyszy / doradców w podróży, rozwiązując w locie problemy takie jak:

Jakie są zasady dotyczące bagażu mojego lotu?

Gdzie jest najbliższa poczekalnia?

Jaki jest mój numer bramki wejściowej?

Ile czasu zajmie mi dotarcie na lotnisko?

Podczas gdy chatboty nie osiągnęły jeszcze ogromnej popularności wśród podróżnych, inteligentni asystenci stają się coraz bardziej popularni w połączeniu z urządzeniami aktywowanymi głosem. Szacunkowa liczba właścicieli Amazon Echo wyniosła około 8,2 miliona osób w lipcu 2017 roku. Urządzenie Echo, obsługiwane przez inteligentnego asystenta Amazon Alexa, zapewnia interfejs w pełni aktywowany głosem. Podobne produkty są dostępne w Google z technologią Google Assistant i Apple z technologią Siri.

Amazon i Apple już oferują otwarte zestawy programistyczne do integracji asystentów głosowych z usługami innych firm. Na przykład Alexa z Amazon ma około 15 000 umiejętności związanych z usługami zintegrowanymi. Gdy użytkownicy włączają wyszukiwarki lub agregatory w Alexa, mogą śledzić loty w czasie rzeczywistym, badać opcje podróży i rezerwować pokoje hotelowe.

Najbardziej znani inteligentni asystenci mają już wystarczającą ilość publiczności, a integracja z nimi to najkrótszy sposób dotarcia do podróżnych, którzy są przyzwyczajeni do interfejsów aktywowanych głosem.

  1. Indywidualne oferty dla MVC (najbardziej wartościowi klienci)

Rośnie znaczenie programów lojalnościowych dla branży turystycznej i hotelarskiej. W 2016 roku liczba członków programów lojalnościowych głównych sieci hotelowych wzrosła o 13,1% (344 mln członków). Ponieważ liczba ta nie przestanie rosnąć, biura podróży i hotele będą miały wystarczająco dużo przechowywanych danych, aby skutecznie stosować personalizację opartą na sztucznej inteligencji.

Członkowie wywodzący się z tych programów lojalnościowych, czyli najcenniejsi klienci, to użytkownicy, na których branża powinna się skupić w pierwszej kolejności, aby uniknąć porzucenia. I to jest aplikacja, którą ma pod ręką uczenie maszynowe .

Dostarczanie spersonalizowanych ofert nowym lub niezarejestrowanym użytkownikom przy użyciu technik śledzenia zachowań, metadanych i historii zakupów nie zawsze będzie działać dobrze. Niektórych prognoz można dokonać na podstawie ogólnej historii danych, ale nie będą one tak dokładne dla nowoprzybyłych. Z drugiej strony łączenie danych historycznych i danych w czasie rzeczywistym od często kupujących jest znacznie łatwiejsze. OTA i hotele mogą przedstawiać spersonalizowane sugestie dla MVC, zmniejszając współczynnik porzuceń i wzmacniając więzi między markami a ich lojalnymi klientami.

Indywidualne sugestie dotyczące MVC obejmują również dodatkowe możliwości sprzedaży. Na przykład OTA mogą wykorzystywać swoje dane do sugerowania niektórych pokoi hotelowych lub opcji wynajmu pojazdów, oprócz zakupu biletów lotniczych, ponieważ używają interfejsów API rezerwacji dostawców. Czynność tę można wykonać za pośrednictwem poczty lub bezpośrednio ze strony internetowej.

  1. Optymalizacja zarządzania sytuacjami awaryjnymi

Podczas gdy poprzedni przypadek skupia się głównie na planowaniu podróży i pomocy użytkownikom w najczęstszych sytuacjach podczas ich podróży, zautomatyzowane zarządzanie kryzysowe jest nieco inne. Jego celem jest rozwiązanie rzeczywistych problemów, z którymi podróżny może się zmierzyć w drodze do celu.

W przypadku podróży służbowych i korporacyjnych zarządzanie sytuacjami awaryjnymi jest zawsze zadaniem czasochłonnym, ponieważ wymaga natychmiastowej reakcji. Chociaż szanse na dotknięcie burzą lub erupcją wulkanu są bardzo małe, ryzyko przerwania podróży jest nadal dość wysokie: istnieją tysiące opóźnień i kilkaset lotów odwoływanych dziennie.

Niezależnie od powodów, utknięcie gdzieś w Europie późną nocą, kiedy jutro przed południem musisz być w Tokio, może spowodować ogromne niedogodności. Ponadto w przypadku podróży służbowych może to spowodować znaczne straty i poważne konsekwencje dla Twojej firmy.

Dzięki niedawnym postępom technologicznym możliwe było przewidzenie takich przerw i skuteczne ograniczenie strat zarówno dla podróżującego, jak i dla operatora. Narzędzie 4site, stworzone przez Cornerstone Information Systems, ma na celu poprawę efektywności podróży służbowych. Produkt jest przeznaczony dla podróżnych, firm zarządzających podróżami i klientów korporacyjnych, zapewniając unikalny zestaw funkcji do zarządzania przerwami w podróży w czasie rzeczywistym.

Zaletą, jaką przynosi tu nauka o danych , jest przewidywanie przerw w podróży na podstawie dostępnych informacji o pogodzie, aktualnych opóźnieniach i innych danych z usług lotniskowych. Wyszkolony algorytm do monitorowania tych danych może wysyłać na czas powiadomienia, ostrzegać użytkowników i automatycznie wdrażać plan awaryjny.

Na przykład, jeśli w miejscu docelowym występują obfite opady śniegu i wszystkie loty są przekierowywane na inne lotnisko, inteligentny asystent może sprawdzić, czy są tam dostępne hotele, lub zarezerwować transfer z rzeczywistego miejsca przylotu do pierwotnego miejsca docelowego.

Nie tylko pasażerowie są dotknięci nieoczekiwanymi wydarzeniami; Linie lotnicze ponoszą również znaczne straty za każdym razem, gdy lot jest odwołany lub opóźniony. Dlatego Amadeus, jeden z głównych globalnych systemów dystrybucji (GDS), wprowadził system Schedule Recovery, aby pomóc liniom lotniczym w ograniczeniu ryzyka odwołania podróży. Narzędzie to, mechanizm rekomendacji oparty na Data Science , pomaga liniom lotniczym skutecznie reagować na wszelkie zagrożenia lub zakłócenia w ich działalności i zarządzać nimi.

Prowadzi również operatorów do podejmowania uzasadnionych decyzji mających na celu optymalizację operacji w celu uzyskania lepszej wydajności. Qantas, największa linia lotnicza w Australii, jako pierwsza zastosowała ten system w celu usprawnienia swojej działalności. W rezultacie firma stwierdziła, że ​​„rozwiązanie Amadeus pomaga zmniejszyć liczbę i czas trwania opóźnień, czy to z powodu nadmiernego ruchu, opóźnień operacyjnych czy warunków pogodowych, prowadząc do lepszej obsługi klientów ”.

System został poddany naprawdę ciężkiej próbie w 2016 roku. Podczas silnych burz, które spowodowały opóźnienia na całym wschodnim wybrzeżu Australii, tylko 15 z 436 lotów Qantas (około 3,4%) zostało odwołanych, w porównaniu z 70 z 320 (22%). obsługiwany przez Virgin Australia, która używa przestarzałego ręcznego systemu zarządzania incydentami. Punktualne wyniki firmy również pozostały wysokie: 86% w sobotę i 62% w niedzielę, podczas gdy Virgin osiągnęła odpowiednio 74% i 48%.

  1. Obsługa klienta

Podobnie jak osobiści asystenci podróży i inteligentne zarządzanie sytuacjami awaryjnymi, linie lotnicze i inne firmy turystyczne mogą wykorzystać moc sztucznej inteligencji do usprawnienia procesu obsługi klienta. Zwłaszcza teraz, gdy 50% konsumentów twierdzi, że szybkość odpowiedzi na zapytanie jest najbardziej ceniona w dobrej obsłudze klienta.

Na podstawie eksperymentu przeprowadzonego przez firmę Qantas w celu oceny skuteczności jej systemu zarządzania kryzysowego, rozwiązanie sytuacji zajmuje doświadczonemu fachowcowi od 15 do 20 minut, podczas gdy za pomocą algorytmu można to zrobić w mniej niż minutę.

To powiedziawszy, Gartner przewiduje, że 25% operacji obsługi klienta i wsparcia będzie zależało od technologii wirtualnych asystentów w 2019 roku.

Połączenie wirtualnych asystentów z ludźmi nie tylko pomoże Ci zwiększyć lojalność wobec marki, ale także zoptymalizuje wyniki Twojej firmy. Na przykład, jeśli bagaż pasażera zostanie zgubiony, zgłoszenie utraty lub nawet wykonanie automatycznego wyszukiwania przez wirtualnego asystenta może znacznie przyspieszyć proces wyszukiwania. Takie podejście eliminuje biurokrację i papierkową robotę, co jest doskonałym sposobem na zrehabilitowanie się w zakresie obsługi klienta. Ponadto oferowanie darmowego bonusu za wszelkie niedogodności to jeszcze lepszy sposób na zatrzymanie klientów.

  1. Analiza nastrojów w sieciach społecznościowych

Według Amadeus 90% amerykańskich podróżników ze smartfonami dzieli się swoimi doświadczeniami, zdjęciami i opiniami o usługach w sieciach społecznościowych. TripAdvisor ma 390 milionów unikalnych użytkowników i 435 milionów recenzji. Co minutę do witryny wysyłanych jest około 280 recenzji podróżnych.

Ta duża pula cennych danych może zostać przeanalizowana przez branżę w celu ulepszenia jej usług. Oprócz konwencjonalnej analizy statystycznej podzbiorów opinii, moc obliczeniowa i leżące u jej podstaw techniki uczenia maszynowego pozwalają na analizę wszystkich recenzji związanych z marką.

Analiza emocji ma na celu zbadanie danych tekstowych w celu zdefiniowania i sklasyfikowania ich emocjonalnych i rzeczywistych cech. Na przykład Google Cloud Natural Language API to standardowy interfejs programowania aplikacji, który można dostosować i zintegrować z narzędziami analitycznymi, aby zapewnić analizę w czasie rzeczywistym wszystkich wersji związanych z marką.

Dojrzałość przetwarzania języka naturalnego i analizy nastrojów pozwala na zastosowanie precyzyjnych narzędzi analitycznych, co pozwala uniknąć czasochłonnego gromadzenia danych. Wachlarz zastosowań jest szeroki. Może to być dynamiczne monitorowanie ogólnego wizerunku marki lub analiza ad hoc reakcji sieci społecznościowych po aktualizacji lub nowości w produkcie lub usłudze.

  1. Dynamiczne ceny w branży turystycznej

Dynamiczna wycena polega na zmianie cen pokoi czy produktów turystycznych w zależności od różnych uwarunkowań rynkowych. Wspomniana optymalizacja cen nie jest niczym nowym; Hilton i Marriott od 2004 r. Zmieniają ceny pokoi raz lub dwa razy dziennie. Wraz z upowszechnieniem się aplikacji do uczenia maszynowego dynamiczne ceny opierają się na analizie predykcyjnej najlepszej ceny, obejmującej więcej zmiennych.

W 2015 roku Starwood Hotels zaczęło opracowywać narzędzie do analizy predykcyjnej, które uwzględniało setki czynników, aby zawsze pokazywać najbardziej efektywną cenę. Obejmują one dane o konkurencyjnych cenach, pogodzie, schemacie rezerwacji użytkownika, danych dotyczących zawodu, typach pokoi, stawkach dziennych i innych zmiennych. Chociaż system może działać w pełni automatycznie, umożliwia również operatorom przeglądanie tablicy rozdzielczej i ręczne dostosowywanie dawek, jeśli to konieczne.

Dynamiczne ustalanie cen umożliwia ustanowienie skutecznego zarządzania zyskami w oparciu o zrozumienie odpowiednich danych od klientów i rynków. Podczas gdy internetowe biura podróży (OTA) dominują w dziedzinie rezerwacji pokoi, dynamiczne ceny oparte na danych pozwalają hotelom zarządzać rezerwacjami pokoi bezpośrednio, unikając pośredników.

  1. Konkretne oferty dotyczące nieprzewidzianych podróży

Przerwy w podróży, takie jak odwołanie lotów, mogą oferować właścicielom hoteli nieoczekiwane możliwości. W straszną zimę 2013 roku w USA odwołano 500 lotów dziennie. W następnym roku sieć hoteli Red Roof Inn rozpoczęła kampanię eventową.

Hotel korzystał z publicznych zbiorów danych dotyczących odwołań lotów krzyżowych wraz z informacjami o pogodzie. Dane zostały zebrane za pośrednictwem interfejsu API i przetworzone za pomocą algorytmu warunkowego. W rezultacie sieć hoteli przewidziała odwołanie lotów i skierowała swoją reklamę do podróżnych z obszarów, które prawdopodobnie miałyby to dotyczyć. Kampania oferowała potencjalnym gościom, którzy chcą dokonać rezerwacji last minute, informacje o dostępnych pokojach i odległościach od lotnisk.

Wyniki kampanii były imponujące: liczba rezerwacji w Red Roof Inn wzrosła o 266% w przypadku rezerwacji za pośrednictwem urządzeń mobilnych.

  1. Wykrywanie oszustw

Według kilku raportów linie lotnicze i branża turystyczna cierpią na wysoki poziom oszustw w handlu elektronicznym. Każdego roku tracą miliardy dolarów, zwracając skradzione pieniądze klientom. Oszustwa płatnicze to jeden z najpopularniejszych rodzajów oszustw w tej branży. Polega ona na użyciu skradzionej karty kredytowej do rezerwacji lotów lub zakwaterowania. Innym popularnym rodzajem oszustwa jest oszustwo „przyjazne”, w którym klient płaci za zakup, a następnie twierdzi, że karta została skradziona, żądając zwrotu opłaty.

Analiza zachowań klientów za pomocą profili i technologii uczenia maszynowego może pomóc w zapobieganiu i wykrywaniu nielegalnych transakcji. Zastosowanie technologii sztucznej inteligencji do wykrywania oszustw poprawia średni ostateczny koszt transakcji.

  1. Doświadczenie podczas pobytu

Rozwiązania AI mogą pomóc podróżnym nie tylko w drodze do celu, ale także podczas pobytu w hotelu. Dzięki wirtualnym asystentom głosowym w pokojach goście mogą czuć się bardziej komfortowo. Na przykład mogą ustawić temperaturę w pomieszczeniu, wyregulować światło lub włączyć i wyłączyć telewizor. Dzięki rozpoznawaniu twarzy hotele mogą przyspieszyć rejestrację i zwiększyć bezpieczeństwo hostingu.

Rozpoznawanie twarzy i usługi głosowe już działają w wielu hotelach na całym świecie. Coraz więcej placówek korzysta z chatbotów, a nawet ma roboty-woźne. Coraz częściej pojawiają się głosowi wirtualni asystenci. Według raportu Oracle Hotel 2025 78% hoteli ulepszy pokoje wyposażone w urządzenia sterowane głosem, a 68% wykorzysta roboty do zameldowania i wymeldowania w 2025 r.

Wynn Las Vegas wyposażył wszystkie swoje pokoje w Amazon Echo, a kombinezony Safeco Field Suits są używane nie tylko w pokojach, ale także sugerują gościom, co robić w mieście podczas ich pobytu. Hotel Radisson Blu Edwardian w Londynie korzysta z chatbota imieniem Edward, a w hotelu Las Vegas Cosmopolitan jest Rose, kolejna wirtualna konsjerżka, która odpowiada na wszelkie pytania i pomaga 24 godziny na dobę, 7 dni w tygodniu. Clarion Hotel Amaranten w Sztokholmie również używa chatbota opartego na Alexie.

Dzięki technologii rozpoznawania twarzy doświadczenie w hotelu staje się znacznie bezpieczniejsze. Na przykład Lemon Tree Hotel w Deli zainstalował system rozpoznawania twarzy, aby zwiększyć bezpieczeństwo. System ten rejestruje obrazy twarzy z kamery CCTV i porównuje je z istniejącymi obrazami w bazie danych. Japoński hotel Henn na jest w całości zarządzany przez roboty. W Hotelu Henn na recepcjonistami są roboty, concierge jest także robotem i zamiast wydawać klucze elektroniczne, goście muszą zarejestrować swój wizerunek twarzy podczas rejestracji.

Data Science pokazuje, jak będziemy podróżować w przyszłości. Pola wymienione powyżej dla Twojej aplikacji to tylko wierzchołek góry lodowej.