Direkt zum Inhalt

Das Projekt erforscht neue Anwendungsfelder des machinellen Lernens für den digitalen Kreuzfahrtberter Cruisewatch. Das Unternehmen vermittelt Kreuzfahrten verschiedenster Anbieter in einer zentralen Website und besitzt einen sehr umfangreichen Datensatz an gesammelten (Meta-)Information zu aktuellen und vergangenen Fahrten. Entsprechend gibt es sehr viele Möglichkeiten machinelles Lernen einzusetzen. Die aktuellen erforschten Algorithmen umfassen Preisvorhersagen, automatisierte Analysen von  Kundenverhalten sowie Kundenbewertungen.

 

Das Projekt besteht aus Reisepreisvorhersage, Kundenverhaltensanalyse und Kundenbewertungs-analyse. Preisvorhersage: Ein auf über sieben Jahre Preishistorie  basierendes Modell wurde entwickelt, um den Verkaufspreis von Kreuzfahrten in den nächsten Wochen bis zur Abreise vorherzusagen. Nach Analyse des von Cruisewatch bereitgestellten Verkaufspreises wurde analysiert, für welche Konstellationen und Dimensionen sich der Preis unterschiedlich ändert. Daher wird das Modell für diese Gruppen separat trainiert und die Ergebnisse entsprechend optimiert. Analyse des Kundenverhaltens: Basierend auf den vorhandenen Kundeninformationen und dem Verhalten (z. B. welche Reise / Schiff / Reederei die Kunden mögen) liefert der Algorithmus Empfehlung für weitere Reisen.

 

Um auch Neukunden passende Reisen empfehlen zu können, wurde ein interaktives Tool entwickelt, welches sehr effizient, d.h. mit möglichst wenig Fragen, die relevantesten Angebote findet. Zudem  wird auch erforscht, welche Eigenschaften von Kreuzfahrtschiffen für Kunden besonders wichtig sind, um den Beratungsprozess entsprechend anzupassen.

 

Kundenbewertungsanalyse: Basierend auf Bewertungen der Kunden zu ihren Reisen werden Merkmale extrahiert, um automatisiert festzustellen, ob die Bewertungen positiv und negativ sind. Darüber hinaus werden die Feedbacks durch Aggregation in Clustern so dargestellt, dass der Kunden mit wenig Aufwand einen Überblick über die Vor- und Nachteile einer Kreuzfahrt erhält.

Begin
End