Personalisierte Hotelempfehlungen mit Deep Learning
Hotels.com ist einer der führenden Internetanbieter zur Online-Buchung von Unterkünften. Das Unternehmen betreibt 90 Websites in 41 Sprachen, an die rund 325.000 Hotels an geschätzt 19.000 Standorten angeschlossen sind. Die zugehörige App zum Buchen von Reisen wurde 70 Millionen Mal heruntergeladen und hilft Reisenden weltweit, die perfekte Unterkunft zu finden.
Die Herausforderungen
Die Herausforderungen
Hotels.com hostet Millionen von Fotos für die über 325.000 Hotels auf seiner Website. Jeden Tag werden Tausende neuer Fotos von Unterkünften und Kunden hochgeladen. Diese Fotos müssen schnell analysiert werden, um doppelte und qualitativ minderwertige Bilder zu vermeiden, und dann unterteilt werden (z. B. Küche, Pool, Fitnessraum), damit sie logisch sortiert werden können. Wenn Kunden die Website durchsuchen, müssen die Hotelempfehlungen personalisiert werden, um den Kunden zu helfen, das perfekte Hotel für ihre Bedürfnisse zu finden. Dies zu erreichen, erfordert eine enorme Rechenleistung und fortschrittliche Analysefunktionen.
Ein verbessertes Kundenerlebnis dank Machine Learning: Eine erhebliche Anzahl von Bildern für jede Unterkunft enthielt Duplikate und es mangelte an Organisationsmöglichkeiten, um Rankings und Klassifizierungen vornehmen zu können. Außerdem wurde eine Echtzeit-Bewertung benötigt sowie eine effizientere Implementierung von Machine Learning- bzw. Deep Learning-Modellen in der Produktion.
Eine stabilere und schnellere Daten-Pipeline: Der vor Ort eingerichtete Hadoop-Cluster, der SQL und SAS für Data Science in jeder Größenordnung nutzte, war langsam und begrenzt. Es dauerte zwei Stunden, um auch nur zehn Prozent der Daten einer Daten-Pipeline zu verarbeiten.
Steigerung der Kundenkonversion: Das Unternehmen wünschte sich, in Echtzeit Einblick in Kundentrends nehmen zu können. So hoffte es, Strategien für eine bessere Konversionsrate und einen höheren Customer-Lifetime-Value entwickeln zu können.
Die Lösung
Die Lösung
Ziel von Hotels.com war es, die Möglichkeiten die Data Science seinem Geschäftsmodell bietet, besser auszuschöpfen. Genau dabei hat Databricks geholfen. Das Reiseportal kann nun das Verhalten seiner Kunden vorhersagen und ein optimiertes Nutzungserlebnis schaffen. Die Databricks-Lösung beinhaltet:
Ein Cluster-Management: Dank Cluster-Management können die Datenvolumen nun besser skaliert werden – ohne, dass hierzu die Komplexität der Infrastruktur erhöht werden musste.
Einen interaktiven Arbeitsbereich: Databricks interaktiver Arbeitsbereich ließ bei Data Science-Teams eine Kultur der Zusammenarbeit entstehen – sowohl innerhalb bei Hotels.com, als auch bei anderen Abteilungen der Muttergesellschaft Expedia.
Databricks Runtime: Mit Databricks Runtime hat sich die Performance der Verarbeitung von Streaming-Daten aller Größenordnungen deutlich verbessert.
„Agilität und Flexibilität waren entscheidende Faktoren, wollten wir die von uns gesteckten Ziele in den Bereichen Data Science und Data Engineering tatsächlich verwirklichen. Der Wechsel auf die Databricks Unified Analytics-Plattform, auf der nun 100 % unserer Workflows laufen, war da genau die richtige Entscheidung. Unser Unternehmen und unsere Kunden haben von ihr erheblich profitiert.“
—Matt fryer VP, Chief data science officer, Hotels.com
Die Ergebnisse
- Beschleunigte ETL, unabhängig von der Datenmenge: Das verarbeitbare Datenvolumen wurde um das 20-fache gesteigert – ohne negative Beeinträchtigung der Performance.
- Optimiertes Nutzererlebnis: Akkurater und wirkungsvoller Einsatz von Bildern, deren Auswahl sich an der individuellen Suche eines Kunden nach einer passenden Unterkunft orientiert.
- Höhere Umsätze: Die Verknüpfung der Unterkunftrecherche mit einer passenden Bildanzeige ließ die Konversionsrate – und damit die Umsätze – spürbar ansteigen.
