商旅管理计划无论规模大小，都面临着如何确保谈判的酒店协议价格具有竞争力的挑战。但当下行业所用的大部分基准为一般平均值，其他数据选项也往往太少或太繁杂，不足以推动最终采购决策，结果导致许多公司错过节省成本的机会。
HRS在全球范围内为企业客户采购大量的酒店间夜，能代表客户实现更高水平的基准比较和可靠的房价预测。借助AAI获得的新洞察，酒店项目可以在酒店谈判中有更多的依据，从而帮助企业在其主要商旅目的地节省10%乃至更多的成本。与HRS合作的采购负责人能用新发现的、更准确的洞察指导2020年住宿预算编制、最终协议酒店价格确定，以及这些价格与搜索预订渠道的整合。
增强型AI利用多种数据模型提升结果的准确性
增强型AI优于标准人工智能，因为它运行的是多个数据模型而非单个例行程序。HRS模型运用了金融机构、社交网络和大型电商市场所使用的高级预测算法。模型随后被合并加以验证，获得更高的准确性。最后的步骤是自动审核所有结果，并选择误差最小的模型/输出。
HRS的AAI模型基于机器学习，可从连续的酒店价格数据源中识别出复杂的模式。从各个市场来看，影响分析的因素包括：长期价格模式，包括季节性；推动入住率的短期本地活动（例如体育赛事、会议等）；基于目的地的基准企业协议价；基于客户的垂直领域和/或交易量的基准企业协议价；衡量过去预测中平均误差的算法；智能编译预测模型，以提高具体目的地的准确性；商旅人士搜索和预订数据；每个目的地一致、增强的机器学习整合。
“为了实现更准确的价格预测，我们在端到端技术堆栈中使用了多种AI模型。这是公司酒店支出优化的一个新进展，”HRS首席执行官托比亚斯·莱格（Tobias Ragge）说，“AAI能在不到一秒钟的时间内识别出市场具体的模式，能为全球酒店项目不断探索数据，探查各种情景并以更准确的方式解读结果。它还剔除了人脑会误以为将产生重大影响的无关数据。”
将预测性数据分析与自动化相结合
帮助HRS客户保持2020年及以后的竞争力的其他独特要素还有：通过任何类型的数据系统追踪企业在180多个国家、长达四年的协议价格记录的能力。
为了促进全年持续采购，HRS的采购服务具有持续的纠正率，可将不同报告之间的客户数据进行对比，突显出差异并选择各个指标来提高未来和历史记录的准确性。
HRS有500多名专家分布在全球六十大商旅城市，时刻紧跟市场发展步伐。他们具备本地市场知识并可以执行质量检查，参照HRS数据库中上百万份酒店合同，为HRS客户在全球扩展和整合项目时提供实时咨询与指导。
HRS将在于11月19-21日在慕尼黑举行的GBTA欧洲会议，以及于11月28日在巴黎举行的HRS全球商旅论坛上介绍这一新的酒店价格预测技术。