CN107358477A - 旅游网站酒店实时定价方法、系统、存储介质和电子设备 - Google Patents
旅游网站酒店实时定价方法、系统、存储介质和电子设备 Download PDFInfo
- Publication number
- CN107358477A CN107358477A CN201710684999.XA CN201710684999A CN107358477A CN 107358477 A CN107358477 A CN 107358477A CN 201710684999 A CN201710684999 A CN 201710684999A CN 107358477 A CN107358477 A CN 107358477A
- Authority
- CN
- China
- Prior art keywords
- hotel
- price
- rmb
- house type
- difference
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000003860 storage Methods 0.000 title abstract description 17
- 230000003827 upregulation Effects 0.000 claims abstract description 12
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 2
- 238000004590 computer program Methods 0.000 claims 1
- 230000008901 benefit Effects 0.000 abstract description 23
- 230000002860 competitive effect Effects 0.000 abstract description 15
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 description 9
- 238000012545 processing Methods 0.000 description 7
- 210000004027 cell Anatomy 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000000052 comparative effect Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 238000005311 autocorrelation function Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000004069 differentiation Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000005291 magnetic effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 210000000352 storage cell Anatomy 0.000 description 1
- 238000013517 stratification Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0278—Product appraisal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/12—Hotels or restaurants
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供旅游网站酒店实时定价方法、系统、存储介质和电子设备,其中方法包括:旅游网站预设各酒店各房型的人民币售价,各酒店各房型还对应预存有人民币底价;获取各酒店各房型的第三方网站人民币定价,并获得各酒店各房型的第三方网站人民币定价减去预设标准差的差值;当所述差值小于该酒店该房型的人民币底价时,则该酒店该房型的人民币售价不变;当所述差值大于该酒店该房型的人民币售价时,则该酒店该房型的人民币售价上调;当所述差值大于该酒店该房型的人民币底价且小于该酒店该房型的人民币售价时,则该酒店该房型的人民币售价下调。本发明实现对旅游网站的酒店房型动态差异化实时定价,从而提高与第三方网站的竞争优势。
Description
技术领域
本发明涉及互联网技术领域,尤其涉及一种旅游网站酒店实时定价方法、系统、存储介质和电子设备。
背景技术
随着信息科技发展,在线预订酒店已逐渐成为出差旅游人士解决住宿问题的首要途径,尤其是在出境游过程中。旅游网站,尤其是OTA(Online Travel Agent,译为在线旅行社)网络平台整合了多家供应商的房源,产品丰富,吸引了越来越多的顾客。
然而,市场调研发现,旅游网站对于酒店房价的管理尚处于起步阶段,定价方法通常是以成本为导向,在底价的基础上固定一个佣金率,不能做到个性化、层次化、自动化。
酒店客房定价相关的科研资料和专利多是针对单一酒店,基于需求量和价格敏感度建立收入最大化的规划模型。但是OTA网络平台涉及的房型资源复杂,有不同星级不同地域特色,价格结构种类繁多,竞争激烈(包含OTA网络平台内部不同酒店和房型之间的竞争,与酒店官网的竞争,与其他OTA网络平台的竞争),规划模型无法覆盖各类酒店,无法合理模拟竞争因素,以至于目前少有参考文献研究与竞争对手动态博弈的酒店定价方案。
作为国内OTA网络平台,售卖时均以人民币形式与顾客结算,预先收取房费,等顾客入住之后,OTA网络平台以签约外币价格支付房费给海外酒店。通常情况下,海外酒店的提前预定期为5个月,OTA网络平台需要提供未来5个月的房源和价格。全球一百多种主要货币与人民币的汇率波动频繁,收取顾客房费与支付酒店房费的时间差异,可能会因为汇率极大波动导致损失,而现有定价方法尚未考虑这一因素。
因此,现有技术尚缺少一种基于竞争行为的酒店动态定价方法,并且同时考虑汇率波动的影响。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
针对现有技术中的缺陷,本发明要解决的问题在于,如何及时跟进竞争对手,积极扩展市场份额,针对不同酒店产品差异化定价,同时解决汇率浮动带来的影响。
根据本发明的一个方面,提供一种旅游网站酒店实时定价方法,包括:
步骤S101、旅游网站预设各酒店各房型的人民币售价,所述各酒店各房型还对应预存有人民币底价;
步骤S102、获取各酒店各房型的第三方网站人民币定价,并获得各酒店各房型的第三方网站人民币定价减去预设标准差的差值;
步骤S103、当所述差值小于该酒店该房型的人民币底价时,则该酒店该房型的人民币售价不变;
步骤S104、当所述差值大于该酒店该房型的人民币售价时,则该酒店该房型的人民币售价上调,并且上调后的人民币售价推送至客户端;
步骤S105、当所述差值大于该酒店该房型的人民币底价且小于该酒店该房型的人民币售价时,则该酒店该房型的人民币售价下调,并且下调后的人民币售价推送至客户端。
优选地,上述的旅游网站酒店实时定价方法的步骤S104中,该酒店该房型的人民币售价上调的步骤包括:
步骤S1041、根据该酒店的历史销售数据,利用TOPSIS法计算该酒店的历史销售数据的综合评分Z1,判断所述综合评分Z1是否高于设定的评分阈值U,若是则执行步骤S1042,若否则执行步骤S1043;
步骤S1042、该酒店该房型的人民币售价上调至等于该酒店该房型的第三方网站人民币定价;
步骤S1043、获得该酒店该房型的第三方网站佣金率M1,M1=(E1-G1)/E1,E1为该酒店该房型的第三方网站人民币定价,G1为该酒店该房型的人民币底价;计算该酒店该房型的售价佣金率L1,L1=M1*(1-Z1/U);获得该酒店该房型上调后的人民币售价V1,V1=G1/(1-L1)。
优选地,上述的旅游网站酒店实时定价方法的步骤S105中,该酒店该房型的人民币售价下调的步骤包括:
步骤S1051、根据该酒店的历史销售数据,利用TOPSIS法计算该酒店的历史销售数据的综合评分Z2,判断所述综合评分Z2是否高于设定的评分阈值U,若是则执行步骤S1052,若否则执行步骤S1053;
步骤S1052、该酒店该房型的人民币售价下调至等于该酒店该房型的第三方网站人民币定价;
步骤S1053、获得该酒店该房型的第三方网站佣金率M2,M2=(E2-G2)/E2,E2为该酒店该房型的第三方网站人民币定价,G2为该酒店该房型的人民币底价获得该酒店该房型的售价佣金率L2,L2=M2*(Z2/U);获得该酒店该房型下调后的人民币售价V2,V2=G2/(1-L2)。
优选地,上述的旅游网站酒店实时定价方法的步骤S102中,所述预设标准差大于等于1元。
优选地,上述的旅游网站酒店实时定价方法的步骤S101中,某酒店某房型的人民币售价由该酒店该房型的人民币底价与一预设佣金率计算获得。
优选地,上述的旅游网站酒店实时定价方法还包括:
步骤S100、旅游网站内预存各酒店各房型的外币底价,根据预测的人民币与外币的汇率,将各酒店各房型的外币底价换算为人民币底价,对应预存至各酒店各房型下。
优选地,上述的旅游网站酒店实时定价方法的步骤S100中,采用人工神经网络模型和自回归积分滑动平均模型预测人民币与外币的汇率。
根据本发明的另一方面,提供一种旅游网站酒店实时定价系统,包括:
售价预设模块,用于预设各酒店各房型的人民币售价,所述各酒店各房型还对应预存有人民币底价;
爬取模块,用于获取各酒店各房型的第三方网站人民币定价,并获得各酒店各房型的第三方网站人民币定价减去预设标准差的差值;
第一调价模块,用于当所述差值小于该酒店该房型的人民币底价时,维持该酒店该房型的人民币售价不变;
第二调价模块,用于当所述差值大于该酒店该房型的人民币售价时,上调该酒店该房型的人民币售价,并且上调后的人民币售价推送至客户端;
第三调价模块,用于当所述差值大于该酒店该房型的人民币底价且小于该酒店该房型的人民币售价时,下调该酒店该房型的人民币售价,并且下调后的人民币售价推送至客户端。
根据本发明的另一个方面,提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述的旅游网站酒店实时定价方法的步骤。
根据本发明的另一个方面,提供一种电子设备,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行上述的旅游网站酒店实时定价方法的步骤。
有鉴于此,本发明与现有技术相比的有益效果在于:
(1)基于旅游网站的酒店售价与第三方网站定价的对比,判断旅游网站的酒店售价的价格优劣,从而,可以针对性地调整酒店售价;
(2)对酒店建立综合评估体系,根据酒店的历史销售表现划分类别,使得基于价格优劣的定价更加精细化;从而,将价格优劣和评分优劣相结合,多角度判断与第三方网站定价的差异幅度,最大限度地提升收益;
(3)引入汇率预测,从而减小汇率波动对定价的影响。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出本发明一个示例性实施例中旅游网站酒店实时定价方法的流程示意图;
图2示出本发明一个示例性实施例中9家酒店过去30天的历史销售数据表;
图3示出对图2的数据进行归一化处理、选取最优最劣值、设定权重系数后的数据表;
图4示出对图3中各指标距离汇总和酒店综合评分Z值的数据表;
图5示出对各酒店按照综合评分进行排序的数据表;
图6示出对产低酒店、价优房型上调人民币售价的数据表;
图7示出对产低酒店、价劣房型下调人民币售价的数据表;
图8示出对各酒店各房型进行四象限分类的示意图;
图9示出美元对人民币历史汇率表;
图10示出本发明示例性实施例中一种计算机可读存储介质的示意图;
图11示出本发明示例性实施例中一种电子设备的示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本发明将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外,附图仅为本发明的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
图1是第一实施例中旅游网站酒店实时定价方法的流程示意图。参照图1所示,本发明的方法包括以下步骤:
步骤S101、旅游网站预设各酒店各房型的人民币售价,其中各酒店各房型还对应预存有人民币底价。此处,人民币底价是旅游网站与酒店供应商之间签订的支付价,旅游网站在线预售酒店产品时,若售价低于这个签订的支付价旅游网站不仅没有收益还会亏损,因此将该签订的支付价作为人民币底价。当然,上述所指为国内酒店,旅游网站与国内酒店供应商签订的支付价通常以人民币计,因此直接为人民币底价。对于海外酒店,旅游网站与海外酒店签订的支付价为外币底价,基于此本发明还引入汇率预测模型,基于汇率波动折算外币底价,以期减小汇率波动对定价的影响,这将在下文中详细展开论述。
在预存的人民币底价的基础上,旅游网站对每个酒店每种房型预设了人民币售价。某酒店某房型的人民币售价由该酒店该房型的人民币底价与一预设佣金率计算获得。该预设佣金率可由旅游网站根据生产实际进行设定,各酒店各房型的预设佣金率可等可不等。基于预设佣金率为正值的考虑,各酒店各房型的人民币售价均大于该酒店该房型的人民币底价。
步骤S102、获取各酒店各房型的第三方网站人民币定价,并获得各酒店各房型的第三方网站人民币定价减去预设标准差的差值。其中,第三方网站为其他旅游网站或者其他有酒店预售服务的在线平台。利用爬虫技术获取第三方网站上关于每个酒店每种房型的人民币定价,作为后续价格优势判断的基础数据。
基于获取的第三方网站人民币定价,利用该第三方网站人民币定价减去一个预设标准差得到差值,然后判断这一差值与对应酒店房型的人民币底价和人民币售价之间的大小关系。此处,所述的预设标准差在生产实际中通常设为1元,从而,使得本旅游网站后续的定价既能比第三方网站低,又不会过低,实现既有竞争优势又不会亏损。当然,在其他实施方式中该预设标准差也可设为大于1的数值,例如2元、5元等等。或者,在一个变型方式中,也可以将该预设标准差设为0元,也即直接将获取的第三方网站人民币定价与本旅游网站的人民币底价、和人民币售价进行比较。
将第三方网站人民币定价减去预设标准差的差值,与对应酒店房型的人民币底价和人民币售价比较,可以得出三种比较结果。针对三种比较结果,分别执行不同的定价方式。
第一种比较结果,第三方网站人民币定价减去预设标准差(设为1元)的差值,小于该酒店该房型的人民币底价,则执行步骤S103维持该酒店该房型的人民币售价不变。当差值小于人民币底价,而人民币底价又小于本旅游网站的人民币售价,因此可进一步获知该差值远小于本旅游网站该酒店该房型的人民币售价。此时,则表明针对该酒店该房型,本旅游网站的人民币售价与第三方网站的人民币定价相比没有竞争优势,且没有降价空间(因本旅游网站人民币售价降价的最底限为该酒店房型的人民币底价)。当人民币售价没有竞争优势同时没有降价空间时,继续跟进第三方网站的人民币定价会导致亏损,因此维持原先设定的具有预设佣金率的人民币售价不变。
第二种比较结果,第三方网站人民币定价减去预设标准差的差值,大于该酒店该房型的人民币售价,则执行步骤S104上调该酒店该房型的人民币售价,并将上调后的人民币售价推送至客户端。当差值大于人民币售价时,可知针对该酒店该房型,本旅游网站的人民币售价与第三方网站的人民币定价相比具有竞争优势。并且,因本旅游网站的人民币售价小于第三方网站的人民币定价(更准确地说是本旅游网站的人民币售价,小于第三方网站的人民币定价与预设标准差1元的差值),因此出于最大收益的考虑,可以进一步适当地上调本旅游网站的人民币售价,使其上调后的售价既保持竞争优势(仍小于或至少等于第三方网站的人民币定价,下文会详细论述),又能实现本旅游网站的最大收益。
具体的,针对第三方网站人民币定价减去预设标准差的差值大于本旅游网站该酒店该房型的人民币售价的情况,上调本旅游网站的该酒店该房型的人民币售价的步骤包括:
步骤S1041、根据该酒店的历史销售数据,利用TOPSIS法计算该酒店的历史销售数据的综合评分Z1。历史销售数据的综合评分Z1表明该酒店的产量优势,综合评分Z1越高则该酒店的产量优势越大。具体的,设定一评分阈值U,判断该酒店的综合评分Z1是否高于该评分阈值U,若是则表明该酒店产量优势大,因此执行步骤S1042;若否则表明该酒店产量优势小,则执行步骤S1043。
步骤S1042、该酒店该房型的人民币售价上调至等于该酒店该房型的第三方网站人民币定价。也即,当该酒店该房型在售价上具有竞争优势(售价比第三方网站低),并且该酒店产量上也具有较大优势时(产量依据历史销售数据,包括顾客转化率、成交间夜量、点评数量等信息计算得来,下文会详细论述),直接将本旅游网站的该酒店该房型的人民币售价上调至等于第三方网站人民币定价。这样,本旅游网站既能实现售价与第三方网站同步,又能依赖该酒店的产量优势,继续保持该酒店该房型的销售优势,实现本旅游网站的收益最大化。
步骤S1043、当该酒店该房型在售价上具有竞争优势(售价比第三方网站低),但该酒店产量优势不明显(例如销售量小于第三方网站、成交间夜量过大等等)时,依据以下方法上调该酒店该房型的人民币售价:获得该酒店该房型的第三方网站佣金率M1,M1=(E1-G1)/E1,E1为该酒店该房型的第三方网站人民币定价,G1为该酒店该房型的人民币底价;计算该酒店该房型的售价佣金率L1,L1=M1*(1-Z1/U);获得该酒店该房型上调后的人民币售价V1,V1=G1/(1-L1)。这样,依据该酒店的综合评分Z1,确定其人民币售价上调幅度,使其调价充分考虑到产量的影响,同时保证比第三方网站人民币定价低。从而,上调后既能在售价上仍保持适当的竞争优势,又能充分考虑产量影响,提升本旅游网站的销售优势。
举例来说,可以根据本旅游网站的所有酒店最近30天的历史销售数据,包含顾客转化率、成交间夜量和点评数量等信息,利用TOPSIS(Technique for Order Preferenceby Similarity to an Ideal Solution)法计算距离最优值和最劣值的差距,加权得到综合评分Z,对所有酒店进行排序,综合评分Z分越高则表明该酒店产量优势越大,在所有酒店的综合评分Z的排序表中取30%分位点作为评分阈值U,或者也可根据公司的目标导向,设置不同的分位点作为评分阈值,若综合评分Z高于该评分阈值U,则表明该酒店产量优势高。
在一个具体的实施方式中,参照图2所示,为9家酒店(利用酒店ID进行区分,其酒店ID分别是10001~10009)过去30天的历史销售数据表。根据点评数量、成交间夜、被访问次数、转化率、酒店评分、单间夜利润和总利润这7个指标,利用TOPSIS法计算每家酒店的综合评分Z。利用TOPSIS法的过程如下:
首先对每个指标进行归一化处理,其中i=1,2,…,9,i取不同数值时分别表示9个不同酒店;j=1,2,…,7,j取不同数值时分别表示7个不同指标;每个酒店每个指标用Xij表示,归一化处理之后的数据记为Aij。
参照图3所示,为针对图2的数据进行归一化处理、选取最优最劣值、设定权重系数后的数据表。归一化处理后,对每个指标选取最优值aj和最劣值bj,设置每个指标的权重系数,记为wj。然后,计算每家酒店每个指标到最优值和最劣值的距离, 汇总距离值将序列Bi归一化处理得到则每个酒店的综合评分上述各值,包括各酒店最优距离最劣距离汇总距离Bi、归一化汇总距离以及综合评分Z参考图4所示。
之后,参考图5所示,根据综合评分Z对各酒店进行排序。选取评分阈值U为30,则综合评分Z值大于30的酒店为高产酒店,综合评分Z值小于30的为低产酒店,因此高产酒店有酒店10002,酒店10008,酒店10001,其他酒店均是低产酒店。
根据上述方法计算各酒店的综合评分Z后,针对综合评分Z高于评分阈值U的酒店(即酒店10002,酒店10008,酒店10001),执行步骤S1042进行调价,使其售价等于第三方网站价格。针对综合评分Z低于评分阈值U的酒店,执行步骤S1043进行调价,使其售价低于第三方网站价格。
参照图6所示,为对产低(综合评分Z1小于评分阈值U,简称产低)酒店,价优(房型人民币售价小于第三方网站人民币定价,具有竞争优势,简称价优)房型,上调其售价使其价格比第三方网站低的数据表。酒店10006有两个房型(用房型ID进行标识,分别是房型100061和100062)。已知酒店10006的综合评分Z1为10,以及两种房型的人民币底价和第三方网站人民币定价分别如图所示。本发明的定价方法如下,计算第三方网站佣金率M1=(第三方网站人民币定价E1-本旅游网站该酒店该房型的人民币底价G1)/第三方网站人民币定价E1;计算本旅游网站该酒店该房型的售价佣金率L1=M1*(1-(该酒店的综合评分Z1/评分阈值U));最后获得本旅游网站该酒店该房型下调后的人民币售价V1=G1/(1-L1)。
例如,对于房型100061,第三方网站佣金率M1为0.167,1-(综合评分Z1/评分阈值)为0.667,那么本旅游网站的售价佣金率L1为0.167*0.667=0.1111,最后获得房型100061的人民币售价V1为500/(1-0.1111)=563。
当判断出第三种比较结果,即该酒店该房型的第三方网站人民币定价减去预设标准差的差值,大于本旅游网站的人民币底价且小于人民币售价时,执行步骤S105,下调本旅游网站该酒店该房型的人民币售价,并且下调后的人民币售价推送至客户端。当差值大于人民币底价且小于人民币售价时,可知针对该酒店该房型,本旅游网站的人民币售价与第三方网站的人民币定价相比不具有竞争优势。但是,因该差值大于人民币底价,因此本旅游网站的人民币售价具有一定的降价空间,通过适当下调人民币售价,可以增大本旅游网站的价格竞争优势。
具体的,步骤S1051、根据该酒店的历史销售数据,利用TOPSIS法计算该酒店的历史销售数据的综合评分Z2。判断综合评分Z2是否高于设定的评分阈值U,若是则表明该酒店在产量上具有竞争优势,属于产高酒店,因此执行步骤S1052,将该酒店该房型的人民币售价下调至等于第三方网站人民币定价。这样,既能使得该酒店该房型的人民币售价与第三方网站同步,又因该酒店的产量优势会进一步带动该酒店该房型的销售优势。因此,此时仅需将该酒店该房型的人民币售价下调至等于第三方网站即可,而不必小于第三方网站,从而通过产量优势的带动最大化收益。
而若该酒店的综合评分Z2低于设定的评分阈值U,则表明该酒店不具备产量优势,属于产低(综合评分Z2小于评分阈值U,简称产低)酒店,价劣(房型人民币售价大于第三方网站人民币定价,不具有竞争优势,简称价劣)房型,那么执行步骤S1053,将其人民币售价下调至小于第三方网站的人民币定价。步骤S1053同样采用TOPSIS法计算该酒店的综合评分Z2,然后计算该酒店该房型的第三方网站佣金率M2,获得该酒店该房型的售价佣金率L2,最后获得该酒店该房型下调后的人民币售价V2。这些子步骤的执行方法与上述步骤S1043同理,因此针对原理部分不再展开论述,此处以一个实例来展示步骤S1053的操作。
参照图7所示,为对产低酒店(酒店10009)、价劣房型(包括房型ID100091和100092)下调售价的数据表。酒店10009有两个房型,已知综合评分Z2,人民币底价G2和第三方网站人民币定价E2,本发明的定价方法如下,计算第三方网站佣金率M2=(第三方网站人民币定价E2-本旅游网站人民币底价G2)/第三方网站人民币定价E2;获得本旅游网站的售价佣金率L2=M2*(综合评分Z2/评分阈值U);最后计算下调后的人民币售价V2=G2/(1-L2)。对于房型100091,第三方网站佣金率M2为0.024,(综合评分Z2/评分阈值U)为0.3,那么本旅游网站的售价佣金率L2为0.024*0.3=0.0073,最后下调后的人民币售价V2为400/(1-0.0073)=403。
综上,基于本旅游网站各酒店各房型的人民币售价与第三方网站人民币定价之间价格优势的判断,结合本旅游网站各酒店的综合评分,对各酒店各房型的实时定价进行动态差异化调整,使得综合评分高的酒店(即产高酒店)其各房型人民币售价与第三方网站同步,从而在产量优势的带动下实现利益最大化;使得综合评分低的酒店(即产低酒店)其各房型的人民币售价上调或下调至比第三方网站稍低,从而利用价格优势带动产量,实现收益最大化。
在本发明的另一实施例中,还可以采用另一种方式判断各酒店各房型的售价和产量是否具有优势。参照图8所示,图8为对各酒店各房型进行四象限分类的示意图。将各酒店各房型的第三方网站人民币定价减去预设标准差的差值与本旅游网站的人民币底价、人民币售价进行对比,若第三方网站人民币定价减去预设标准差的差值小于本旅游网站的人民币底价,表明该酒店该房型不具备降价空间,则对该酒店该房型,本旅游网站的人民币售价不变,无需对该酒店该房型进行后续判断。若第三方网站人民币定价减去预设标准差的差值大于本旅游网站的人民币售价,则将该类酒店房型归类为“价优房型”,表明该酒店该房型的售价具有竞争优势,可进一步上调售价。若第三方网站人民币定价减去预设标准差的差值大于本旅游网站的人民币底价、且小于本旅游网站的人民币售价,则将该类酒店房型归类为“价劣房型”,表明该酒店该房型的售价不具有竞争优势,但具有一定的降价空间,可适当下调售价。这样,从价格指标维度,除去不具备调价空间售价不变的酒店房型,剩余具有调价空间的酒店房型,分为具有涨价空间的“价优房型”、以及具有降价空间“价劣房型”。如图示的X价格指标坐标轴,其原点(可理解为一个价格阈值,实际如何判定上文已论述)左侧为“价劣房型”,原点右侧为“价优房型”。
同时,从产量指标维度,采用TOPSIS法计算“价优房型”和“价劣房型”各自对应的酒店的综合评分,根据综合评分和评分阈值,将所有酒店分为“产高酒店”和“产低酒店”。如图所示Y产量指标坐标轴,其原点(即为评分阈值,或称为产量阈值,可根据生产实际灵活设定)上方为“产高酒店”,即综合评分大于评分阈值的酒店,其原点下方为“产低酒店”,即综合评分小于评分阈值的酒店。这样,通过价格指标和产量指标两个维度,将可调价的酒店房型归类为第一象限801中的“产高酒店、价优房型”,第二象限802中的“产高酒店、价劣房型”,第三象限803中的“产低酒店、价劣房型”,以及第四象限804中的“产低酒店、价优房型”,分别归入图示的四个象限中。
对于第一象限801中的“产高酒店、价优房型”,上调其人民币售价使其与第三方网站的人民币定价相等。对于第二象限802中的“产高酒店、价劣房型”,下调其人民币售价使其与第三方网站的人民币定价相等。对于第三象限803中的“产低酒店、价劣房型”,下调其人民币售价使其低于第三方网站的人民币定价。对于第四象限804中的“产低酒店、价优房型”,上调其人民币售价使其低于第三方网站的人民币定价。具体的调价方法与上述实施例同理,因此不再赘述。
在本发明的另一个实施例中,对于海外酒店,国内旅游网站售卖时均以人民币形式与顾客结算,预先收取房费,等顾客入住之后,旅游网站以签约的外币底价支付房费给海外酒店。这时,因海外酒店的提前预定期为5个月,而全球一百多种主要货币与人民币的汇率波动频繁,收取顾客房费与支付海外酒店房费之间存在时间差异,若不考虑汇率波动因素,很容易因汇率极大波动导致损失。因此,本发明的方法在步骤S101之前还执行:
步骤S100、旅游网站内预存各酒店(主要指海外酒店)各房型的外币底价,根据预测的人民币与外币的汇率,将各酒店各房型的外币底价换算为人民币底价,对应预存至各酒店各房型下。其中,采用人工神经网络模型(Artificial Neural Network,ANN模型)和自回归积分滑动平均模型(Autoregressive Integrated Moving Average Model,ARIMA模型)预测人民币与外币的汇率。
具体的,预测汇率包括:根据输入的历史汇率、CPI、工业股票价格指数、短期利率、货币供应量、长期利率等因素,判断ARIMA模型数据稳定性,估计ARIMA模型的(p,d,q)参数,计算对应的系数{βi}、{αj}和{γk}。假设Rt表示未来t时刻的汇率,xt表示汇率的线性部分,yt表示汇率的非线性部分,则Rt=xt+yt。用ARIMA模型预测线性部分:
那么时刻t的预测残差zt为:用ANN模型mode残差,其中f表示ANN模型的非线性函数。组合ARIMA模型和ANN模型,得到为预测的未来t时刻汇率。
举例来说,参照图9所示,图9为美元对人民币的历史汇率数据表,作为ARIMA模型的训练集数据。汇率的线性部分用ARIMA模型进行预测,根据图9线性部分的数据,首先看序列是否平稳,若平稳,则d=0,若不平稳,进行一阶差分,若一阶差分序列平稳,则d=1,以此类推。然后,对平稳时间序列分别求得其自相关系数ACF(Auto-Correlation Function)和偏自相关系数PACF(Partial Auto-Correlation Function),通过对自相关图和偏自相关图的分析,得到最佳的阶层p和阶数q。根据90%置信区间在图中绘制上下两条线,p的值就是ACF第一次穿过上置信区间时的横轴值,q的值就是PACF第一次穿过上置信区间的横轴值。例如设置参数d=1,p=2,q=2。然后,可用R软件自带的函数包arima(2,1,2)对训练集数据进行迭代训练,公式如下:
若达到收敛条件,则训练停止,若未达到收敛条件但到了最大迭代次数(通常是预设的阈值,例如1000次),迭代停止。收敛条件是预测值与真实值的差异最小化,系数{βi}、{αj}在每次迭代时不一样,迭代的目的时寻找最优的参数,而{γk}是服从标准正态分布的随机误差。迭代停止时,则得到了最优的参数,之后根据这些参数预测未来美元对人民币汇率线性部分。
然后,根据图9中的货币供应量、工业股票价格指数、短期利率和长期汇率,利用ANN模型预测汇率中的非线性部分如下列公式所示(公式中的*表示乘法):
其中,s是输入层节点数,h是隐藏层节点数。h和s设置为影响汇率的因素个数,如图9所示,影响汇率的有货币供应量、工业股票价格指数、短期利率和长期汇率共4个因素,则h=s=4。系数cj(j=0,1,2,…h)和dij(i=0,1,2,…s,j=1,2,….h)是在迭代训练中达到收敛条件时得到的。训练好ANN模型之后,可以预测未来的汇率非线性部分。
之后,结合ARIMA模型和ANN模型的预测结果,得到未来t时刻汇率
本实施例采用人工神经网络ANN模型和时间序列ARIMA模型预测人民币与各国流通货币之间未来的汇率,引入爬虫技术获取第三方网站定价,根据理想解法TOPSIS对不同酒店进行排序分类。从而,表现良好的酒店可以提高收益,表现不好的酒店则要低价处理实现扩充市场份额的同时最大化收益。
本发明将汇率预测应用到酒店定价,充分考虑汇率波动对酒店定价的影响;对酒店建立产量评分体系,根据酒店的历史表现划分类别,使得定价更加精细化;通过价格优劣和产量优劣相结合,多角度判断与第三方竞争对手定价的差异幅度。从而,将产高酒店各房型的售价调整至与竞争对手同价,以期借助产量优势最大化收益,将产低酒店各房型的售价调整至合理低于竞争对手价,从而扩充市场份额。通过价格和产量两个维度,结合汇率预测,对不同酒店不同房型实施差异化定价。
本发明还提供一种旅游网站酒店实时定价系统,包括售价预设模块、爬取模块、第一调价模块、第二调价模块、第三调价模块等程序模块,其中各程序模块均可对应执行上述任一实施例所述的方法。其原理和具体执行步骤不再重复论述。
在本发明的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被例如处理器执行时可以实现上述任意一个实施例中所述旅游网站酒店实时定价方法的步骤。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述旅游网站酒店实时定价方法描述的根据本发明各种示例性实施方式的步骤。
参考图10所示,描述了根据本发明的实施方式的用于实现上述方法的程序产品700,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品700可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
在本发明的示例性实施例中,还提供一种电子设备,该电子设备可以包括处理器,以及用于存储所述处理器的可执行指令的存储器。其中,所述处理器配置为经由执行所述可执行指令来执行上述任意一个实施例中所述旅游网站酒店实时定价方法的步骤。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为系统、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
下面参照图11来描述根据本发明的这种实施方式的电子设备800。图11显示的电子设备800仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图11所示,电子设备800以通用计算设备的形式表现。电子设备800的组件可以包括但不限于:至少一个处理单元810、至少一个存储单元820、连接不同系统组件(包括存储单元820和处理单元810)的总线830、显示单元840等。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元810执行,使得所述处理单元810执行本说明书上述旅游网站酒店实时定价方法部分中描述的根据本发明各种示例性实施方式的步骤。例如,所述处理单元810可以执行如图1中所示的步骤。
所述存储单元820可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)8201和/或高速缓存存储单元8202,还可以进一步包括只读存储单元(ROM)8203。
所述存储单元820还可以包括具有一组(至少一个)程序模块8205的程序/实用工具8204,这样的程序模块8205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线830可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备800也可以与一个或多个外部设备900(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备800交互的设备通信,和/或与使得该电子设备800能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口850进行。并且,电子设备800还可以通过网络适配器860与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器860可以通过总线830与电子设备800的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备800使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本发明实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本发明实施方式的上述旅游网站酒店实时定价方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由所附的权利要求指出。
Claims (10)
1.一种旅游网站酒店实时定价方法,其特征在于,所述方法包括:
步骤S101、旅游网站预设各酒店各房型的人民币售价,所述各酒店各房型还对应预存有人民币底价;
步骤S102、获取各酒店各房型的第三方网站人民币定价,并获得各酒店各房型的第三方网站人民币定价减去预设标准差的差值;
步骤S103、当所述差值小于该酒店该房型的人民币底价时,则该酒店该房型的人民币售价不变;
步骤S104、当所述差值大于该酒店该房型的人民币售价时,则该酒店该房型的人民币售价上调,并且上调后的人民币售价推送至客户端;
步骤S105、当所述差值大于该酒店该房型的人民币底价且小于该酒店该房型的人民币售价时,则该酒店该房型的人民币售价下调,并且下调后的人民币售价推送至客户端。
2.如权利要求1所述的旅游网站酒店实时定价方法,其特征在于,所述步骤S104中,该酒店该房型的人民币售价上调的步骤包括:
步骤S1041、根据该酒店的历史销售数据,利用TOPSIS法计算该酒店的历史销售数据的综合评分Z1,判断所述综合评分Z1是否高于设定的评分阈值U,若是则执行步骤S1042,若否则执行步骤S1043;
步骤S1042、该酒店该房型的人民币售价上调至等于该酒店该房型的第三方网站人民币定价;
步骤S1043、获得该酒店该房型的第三方网站佣金率M1,M1=(E1-G1)/E1,E1为该酒店该房型的第三方网站人民币定价,G1为该酒店该房型的人民币底价;计算该酒店该房型的售价佣金率L1,L1=M1*(1-Z1/U);获得该酒店该房型上调后的人民币售价V1,V1=G1/(1-L1)。
3.如权利要求1所述的旅游网站酒店实时定价方法,其特征在于,所述步骤S105中,该酒店该房型的人民币售价下调的步骤包括:
步骤S1051、根据该酒店的历史销售数据,利用TOPSIS法计算该酒店的历史销售数据的综合评分Z2,判断所述综合评分Z2是否高于设定的评分阈值U,若是则执行步骤S1052,若否则执行步骤S1053;
步骤S1052、该酒店该房型的人民币售价下调至等于该酒店该房型的第三方网站人民币定价;
步骤S1053、获得该酒店该房型的第三方网站佣金率M2,M2=(E2-G2)/E2,E2为该酒店该房型的第三方网站人民币定价,G2为该酒店该房型的人民币底价;获得该酒店该房型的售价佣金率L2,L2=M2*(Z2/U);获得该酒店该房型下调后的人民币售价V2,V2=G2/(1-L2)。
4.如权利要求1所述的旅游网站酒店实时定价方法,其特征在于,所述步骤S102中,所述预设标准差大于等于1元。
5.如权利要求1所述的旅游网站酒店实时定价方法,其特征在于,所述步骤S101中,某酒店某房型的人民币售价由该酒店该房型的人民币底价与一预设佣金率计算获得。
6.如权利要求1所述的旅游网站酒店实时定价方法,其特征在于,还包括:
步骤S100、旅游网站内预存各酒店各房型的外币底价,根据预测的人民币与外币的汇率,将各酒店各房型的外币底价换算为人民币底价,对应预存至各酒店各房型下。
7.如权利要求6所述的旅游网站酒店实时定价方法,其特征在于,所述步骤S100中,采用人工神经网络模型和自回归积分滑动平均模型预测人民币与外币的汇率。
8.一种旅游网站酒店实时定价系统,其特征在于,所述系统包括:
售价预设模块,用于预设各酒店各房型的人民币售价,所述各酒店各房型还对应预存有人民币底价;
爬取模块,用于获取各酒店各房型的第三方网站人民币定价,并获得各酒店各房型的第三方网站人民币定价减去预设标准差的差值;
第一调价模块,用于当所述差值小于该酒店该房型的人民币底价时,维持该酒店该房型的人民币售价不变;
第二调价模块,用于当所述差值大于该酒店该房型的人民币售价时,上调该酒店该房型的人民币售价,并且上调后的人民币售价推送至客户端;
第三调价模块,用于当所述差值大于该酒店该房型的人民币底价且小于该酒店该房型的人民币售价时,下调该酒店该房型的人民币售价,并且下调后的人民币售价推送至客户端。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1~7任一项所述的旅游网站酒店实时定价方法的步骤。
10.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1~7任一项所述的旅游网站酒店实时定价方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710684999.XA CN107358477A (zh) | 2017-08-01 | 2017-08-01 | 旅游网站酒店实时定价方法、系统、存储介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710684999.XA CN107358477A (zh) | 2017-08-01 | 2017-08-01 | 旅游网站酒店实时定价方法、系统、存储介质和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107358477A true CN107358477A (zh) | 2017-11-17 |
Family
ID=60286632
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710684999.XA Pending CN107358477A (zh) | 2017-08-01 | 2017-08-01 | 旅游网站酒店实时定价方法、系统、存储介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107358477A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109002977A (zh) * | 2018-07-04 | 2018-12-14 | 北京捷旅易行科技有限公司 | 供应商酒店价格请求调度器系统 |
CN109345048A (zh) * | 2018-07-27 | 2019-02-15 | 阿里巴巴集团控股有限公司 | 预测方法、装置、电子设备及计算机可读存储介质 |
CN110189234A (zh) * | 2019-05-29 | 2019-08-30 | 北京创鑫旅程网络技术有限公司 | Ota平台酒店信息调整方法及装置 |
CN112288505A (zh) * | 2019-07-22 | 2021-01-29 | 广州酷旅旅行社有限公司 | 一种基于ota平台的酒店房型自动跟价方法 |
-
2017
- 2017-08-01 CN CN201710684999.XA patent/CN107358477A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109002977A (zh) * | 2018-07-04 | 2018-12-14 | 北京捷旅易行科技有限公司 | 供应商酒店价格请求调度器系统 |
CN109345048A (zh) * | 2018-07-27 | 2019-02-15 | 阿里巴巴集团控股有限公司 | 预测方法、装置、电子设备及计算机可读存储介质 |
CN109345048B (zh) * | 2018-07-27 | 2023-02-10 | 创新先进技术有限公司 | 预测方法、装置、电子设备及计算机可读存储介质 |
CN110189234A (zh) * | 2019-05-29 | 2019-08-30 | 北京创鑫旅程网络技术有限公司 | Ota平台酒店信息调整方法及装置 |
CN110189234B (zh) * | 2019-05-29 | 2021-08-03 | 北京创鑫旅程网络技术有限公司 | Ota平台酒店信息调整方法及装置 |
CN112288505A (zh) * | 2019-07-22 | 2021-01-29 | 广州酷旅旅行社有限公司 | 一种基于ota平台的酒店房型自动跟价方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Templar et al. | Financing the end-to-end supply chain: A reference guide to supply chain finance | |
CN109428344B (zh) | 含风电场的多电源投资规划方法和装置 | |
Agarwal et al. | Optimal mortgage refinancing: a closed‐form solution | |
US8725541B2 (en) | Systems and methods for rating and pricing insurance policies | |
CN107358477A (zh) | 旅游网站酒店实时定价方法、系统、存储介质和电子设备 | |
Cassimon et al. | Compound real option valuation with phase-specific volatility: A multi-phase mobile payments case study | |
CN110349000A (zh) | 基于用户分群的提额策略确定方法、装置和电子设备 | |
Mulvey et al. | Asset and liability management systems for long-term investors: discussion of the issues | |
Cano et al. | A multi-stage stochastic optimization model for energy systems planning and risk management | |
Cruz et al. | Financial engineering of the integration of global supply chain networks and social networks with risk management | |
Dong et al. | Optimization model of trade credit and asset-based securitization financing in carbon emission reduction supply chain | |
Alshboul et al. | Governmental investment impacts on the construction sector considering the liquidity trap | |
Yun et al. | Capital structure optimization for build–operate–transfer (BOT) projects using a stochastic and multi-objective approach | |
CN108596467B (zh) | 一种适于售电公司的市场运营模拟交易仿真系统 | |
Detemple et al. | The value of green energy: Optimal investment in mutually exclusive projects and operating leverage | |
Tavakolan et al. | Developing an optimization financing cost-scheduling trade-off model in construction project | |
Sueyoshi et al. | The intermediate approach to sustainability enhancement and scale-related measures in environmental assessment | |
CN110415106A (zh) | 一种经营主体的经营分析预测评估系统 | |
Klise et al. | Valuation of solar photovoltaic systems using a discounted cash flow approach | |
Yanli | Internet financial supervision based on machine learning and improved neural network | |
CN107730382A (zh) | 资金池支付优化方法、系统及计算机可读存储介质、设备 | |
CN110826777A (zh) | 风电竞价场内交易数据分析方法、装置、设备及介质 | |
CN111161080A (zh) | 信息处理方法和装置 | |
CN112767132B (zh) | 一种数据处理方法及系统 | |
CN115879975A (zh) | 基于用电企业建设分布式光伏的电力零售套餐制定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171117 |
|
RJ01 | Rejection of invention patent application after publication |