想節省差旅成本？機器人可能比你更在行

　　人工智能(AI)早已不是遙不可及的夢想。機器學習通過對數據進行分析，使計算機識別并適應用戶行為模式成為可能。機器學習早已被用于向用戶推薦新音樂、檢測信用卡欺詐;而且越來越多人開始利用機器學習更快捷地制定行程計劃。

　　AI(從本質上說就是機器人)可以幫助公司節省多達上百萬美元的差旅費。不過，如果沒有新技術能夠取代旅游網站現有的“默認設置”，這些設置將繼續以“潤物細無聲”的方式影響商旅人士的決定，而節省差旅費也就無法實現了。

　　不論是航空公司、酒店、租車公司，還是OTA都會根據一定的戰略目的在預訂過程設置默認選項。這種默認設置有著雙重目的。

　　首先，提升轉化率：旅游網站會盡可能地消除那些可能影響轉化率的障礙。

　　其次，最大化每訂單收入:在設定這些選項時，旅游網站往往會考慮潛在消費者對價格的敏感度。商旅人士往往對價格不那么敏感，他們更多會受到預訂工具設計的影響。

　　舉幾個例子。當你在Expedia或天巡網搜索酒店時，其默認設置就是按“最熱門酒店”對搜索結果進行排序。

　　而機票和租車的搜索結果是按價格從低到高進行排序。因為旅游網站的默認設置是假設用戶對酒店的價格沒有那么敏感，而對機票和租車的價格更為敏感。

　　在其他網站上，你可以按照自己的選擇條件進行搜索。比如你在Kayak上搜索一定價格區間內的酒店，但按照默認設置，Kayak還是會按“推薦”對搜索結果進行排序。

　　為什么會這樣?

　　為什么一家收取傭金的OTA會讓你更多地考慮價格而不是最受歡迎的酒店?因為你所看到的第一家奢華酒店的價格會讓你對合理房價有一個預期。比如說你看到搜索結果中前四個酒店都是每晚500美元甚至更貴，那么你就會覺得300美元每晚的酒店似乎也沒那么貴。

　　請注意，Kayak將“按價格搜索”選項放到了一個不太引人注意的下拉式菜單中，而天巡網也是這樣做的。

　　默認設置的目的并非為用戶提供價格最低的旅游行程。通過上述例子，你可以發現旅游網站的UI設計師充分利用了人類心理。

　　不過AI行程計劃App則不會耍這樣的花招，因而能幫助降低公司的差旅成本，這類App的默認設置就是“節約成本”。

　　不過，這種AI App也需要克服諸多困難。

　　首先，你需要正確理解這類App給你提供的價格。基于AI技術的App可以很容易就幫你找到從紐約到芝加哥最便宜的商旅行程，但你可能對搜索結果沒那么滿意。你會想，明明靠窗和靠過道的位子還可以預訂，為什么要給你訂一個中間的位子?它為什么要給你選擇一家離你要拜訪的客戶那么遠的酒店?

　　所以，旅游AI App給的選擇并不一定是最便宜的，它會選擇比均價低出一定百分比的選項。AI的默認設置往往能比均價低30%，而旅行者可以在這個數字的基礎之上隨意浮動價格區間以找到成本與舒適度的平衡點。

　　其次，雖然AI App可以模仿用戶做出預訂選擇，但可能并不是很了解做這個選擇的原因。

　　比如，計算機算法能意識到你總是預訂離公交站很近的酒店嗎?它能看出你的行為模式發生了變化嗎?或許你預訂的酒店都配有健身房。

　　也許對許多人來說看起來再明顯不過的一個決定，許多算法依然無法識別。對于更復雜的行為模式，AI用戶可能需要手動設置數十個預訂標準。

　　第三，旅行者需要花時間對AI App進行“訓練”。旅游預訂需要花費很多腦力和精力。

　　那么，商旅人士是否還會堅持用這類App預訂呢?這取決于他們的獎勵機制，也就是他們對節省成本的愿望有多迫切?

　　Pana、HelloGbye、WayBlazer以及Hello Hipmunk等AI預訂工具已經在嘗試讓差旅預訂變得更加便捷。這一新技術如能加以妥善應用，也許能節省差旅成本。