现在各大OTA（OnlineTravelAgency）平台极大地方便了人们的出行、酒店住宿、景区门票等，您只需轻松完成预订一个指头。拥有数十家国内外酒店、民宿预订平台。为了吸引更多用户预订，这些平台会鼓励商家设置更宽松的取消政策，比如随时免费取消，或者限时免费取消等。Booking，销量最大的在线酒店预订网站世界上最多的房间，因为可以免费取消的优势而深受旅行者的欢迎。不过，对于用户来说，“免费取消”是一件很美好的事情，但是对于酒店来说，却是一件大事。临时取消订单通常会给酒店带来以下损失：取消的房间不能及时售出，酒店失去收益；酒店以较低的价格出售取消的房间，减少了利润。分销渠道成本；在用户可以随时放出酒店信鸽的情况下，酒店有什么办法尽可能减少损失？葡萄牙商业分析师（BusinessAnalyst，简称BA，这个职位相当于IT公司Manager的产物）ManuelBanza，拥有超过5年的酒店管理经验。利用欧洲酒店预订平台的公开数据，他发现了更容易取消订单的用户特征，从而帮助酒店及时止损。从近120,000份酒店预订数据中发现规律作为一名数据科学爱好者，ManuelBanza从数据科学和机器学习入手。他首先对一个“酒店预订需求数据集”（Hotelbookingdemand）进行了综合分析。该数据集包含普通酒店和度假酒店的32个维度的数据，包括：用户国籍、预订时间、住宿时间、成人和儿童或婴儿人数、订单最终是否取消、取消总次数用户在此订单前的订单信息等HotelBookingDemand酒店预订需求数据集发布者：葡萄牙里斯本大学收录数量：共119,390条数据，32维数据格式：csv数据大小：16.9MB（压缩文件1.3MB）地址：https://hyper.ai/部分数据在datasets/14866通过统计，ManuelBanza发现有不少用户在一年内取消了酒店预订。2018年OTA平台Booking有49.8%的预订单被取消；在HRS集团，这一比例甚至高达66%。总体来看，2018年多个平台的平均预订订单取消率达到39.6%各预订渠道取消订单比例接下来，笔者对数据进行了探索性分析，发现：与普通酒店和度假酒店相比，订单更有可能被客人取消；春节和夏季取消比例较大，冬季取消比例最低；各种预订渠道中，用户在OTA平台下单最多，同时在OTA平台取消订单最多；用户预订时间越早，不确定性越大，取消的概率也越大作者表示，预订时间是分析酒店收入表现时最重要的指标之一。分析结果显示，提前1年以上预订的取消概率最高，为57.14%；一周内预订的取消概率最低，为7.73%。提前预订的天数（横轴）与取消订单的概率（纵轴）成正比。似乎越早计划，就越跟不上变化。建立一个模型来预测订单取消。第一步：数据清洗首先对数据集中的缺失值进行处理。如果变量是数字，则这些缺失值必须替换为特征的平均值，如果变量是分类变量，则必须替换为常量。然后删除reservation_status（预订状态，这个变量代表订单是否取消，0不取消，1取消），因为这是机器学习模型会预测的值。第二步：选择最佳模型在开始测试数据的最佳算法之前，按8:2的比例拆分数据集。然后80%的数据将用于训练模型，20%的数据将用作验证集。在数据科学中，预测订单取消是一个监督分类问题，也称为二元分类。因此，作者选择了LightGBM、CatBoost、XGBoost、H2O等现有的几种二元分类模型进行训练和对比，最终选择了实验效果最好的模型CatBoost。通过CatBoost的预测结果，发现以下几点：如果用户的国籍是葡萄牙，取消订单的可能性很大。但是，对于团体预订，酒店一般不会提前得到每个人的国籍信息。如果取消预订，大多数酒店会将其国籍默认为酒店所在的国家/地区。因此，此信息仅供参考，不一定准确；与至少提出过一项特殊要求的用户相比，未提出过特殊要求的用户更有可能取消订单；lead_time（预订时间和入住时间之间的天数）值越低，预订被取消的可能性就越小（这个预测与之前的数据分析一致）。欧洲之星博物馆是葡萄牙的热门酒店，店内有考古展览。多个OTA平台上线，支持在线预订和免费取消。取消之前，我先救一波。利用这种预测模型，酒店可以提前知道哪些用户有可能取消预订，并及时采取补救措施。比如提前联系取消可能性较大的用户，通过沟通，让他们尽早取消，给酒店留出更多时间卖房。或者，你可以接触到容易取消的用户，告诉他们酒店的好东西，给他们一些入住奖励，尽量挽救他们。
