Inteligencia artificial para reducir pérdidas por cancelaciones en hoteles
📈 El nuevo estudio de Pilar Talón-Ballestero e Ismael Gómez-Talal de la Universidad Rey Juan Carlos, con Mana Azizsoltani y Ashok Singhana Azizsoltani de la Universidad de Nevada, publicado en IEEE Xplore, propone un modelo de IA para predecir cancelaciones de reservas en hoteles. El segmento B2C transient puede superar el 30% de cancelaciones, mientras que Booking.com registra entre 30% y 50%. El estudio utiliza más de 79.000 registros de datos y alcanza un 96% de precisión mediante un enfoque de stacking meta-modeling combinando algoritmos como Random Forest, XGBoost y LightGBM, y utiliza SHAP para la interpretabilidad del modelo. El modelo es principalmente para investigación pero puede ser aplicado en cadenas hoteleras.
Share