Great Wolf旅馆采用人工智能技术了解客人的体验和评论

本文涉及的产品
NLP自然语言处理_高级版,每接口累计50万次
NLP 自学习平台,3个模型定制额度 1个月
NLP自然语言处理_基础版,每接口每天50万次
简介: Great Wolf旅馆正在使用人工智能软件更好地了解客人在其以冒险为主题的旅馆的亲身体验。这项工作是Great Wolf旅馆整合数字战略的一部分,该战略融合了云计算和SaaS技术,以及新的物业管理和客户关系管理(CRM)系统。

如今,酒店和娱乐行业连锁店正在采用人工智能来扫描和了解客人的体验和评论,这是在IT重大现代化过程中改善客户服务的发展进步的台阶。


Great Wolf旅馆正在使用人工智能软件更好地了解客人在其以冒险为主题的旅馆的亲身体验。这项工作是Great Wolf旅馆整合数字战略的一部分,该战略融合了云计算和SaaS技术,以及新的物业管理和客户关系管理(CRM)系统。


2017年从香格里拉酒店和度假村入职Great Wolf旅馆的首席信息官Edward Malinowski在接受行业媒体采访时表示,“我们希望在各个方面更好地与客人互动。”而采用前沿技术也是帮助Great Wolf旅馆员工实现这一目标的关键因素。


数字技术的普及使得酒店和娱乐行业连锁店能够更好地了解客人对其服务的感受。虽然社交媒体和评论网站提供了大量关于品牌情感的评价信息,但访问这些数据是一件苦差事。旅馆的员工经常花费数小时时间整理Twitter和Facebook,以及Yelp、TripAdvisors和其他以评论为重点的网站的信息,以获取有助于其酒店解决其劣势和问题的观点。


这些任务实现自动化将显著提高效率,如今的企业首席信息官们有很多选择,从机器人流程自动化(RPA)到机器学习(ML)和人工智能。


精心调整的人工智能



Great Wolf旅馆首席信息官Malinowksi和他的团队采用了人工智能技术,创建了Great Wolf旅馆的人工智能词典编纂者,或称之为GAIL,它筛选了客户在每月Great Wolf旅馆调查中发表的大量评论。这种非结构化数据的整理需要花费数小时才能完成。Malinowski说,“使用人工智能进行操作可以对数据进行大范围切割,以便可以深入研究数据。


由于采用自然语言处理(NLP),GAIL可以在几秒钟内解析数据,这是人工智能的一个分支,它可以处理使用自然语言的计算机和人类之间的交互。实际上,GAIL读取并就评论者是否可能成为推动者、批评者或中立方的评论发表意见。


GAIL在云中运行,并使用Great Wolf旅馆内部开发的算法,然后确定了客户感受到他们对Great Wolf旅馆看法的关键要素。Malinowski表示,这反过来又有助于业务运营团队改进Great Wolf旅馆的服务。Malinowski说,培训是任何人工智能工作中的一项关键任务,为此,该酒店工程师为GAIL提供了67,000多条评论,这有助于该工具以95%的准确率进行测定。Great Wolf旅馆在GAIL无法理解的小型信息子集上使用更传统的文本分析技术。


Great Wolf旅馆的IT工程师使用AWS Comprehend(一种从文本中发掘洞察力的自然语言处理工具)对GAIL的早期版本进行了原型分析,该版本使用社交媒体渠道分析了客户情绪。但Malinowski表示,Great Wolf旅馆选择在内部建立一个旅馆服务做好调整的工具。


根据调研机构IDC公司的调查数据,企业对人工智能的投资,无论是内部建造还是从供应商采购,都处于历史最高水平,未来十年的开支将推动两位数的同比增长。IDC公司分析师Marianne Daquila表示,2019年全球人工智能系统支出可能超过358亿美元,比2018年的支出增加了44%,这得益于优化运营、改变客户体验,以及创造新产品和服务的举措。


其人工智能项目包含了Great Wolf旅馆数字化努力的一部分。在过去的两年中,Malinowski还监督了一个新的分析架构的建设,该架构由一个数据湖锚定。


Great Wolf旅馆工程师使用AWS Spectrum和Athena直接从数据湖中执行临时SQL查询,而业务分析师使用Tableau可视化数据并获取洞察力。Great Wolf旅馆还对Salesforce.com 客户关系管理(CRM)系统进行了现代化改造,通过具有针对性的活动使其网站流量增加20%,并升级其Oracle物业管理系统以符合PCI加密。


这些技术迁移是Great Wolf旅馆组织转型的核心,它获得了2019年CIO 100 IT卓越奖。Malinowski还建立了一个共享服务模型,使IT能够远程支持Great Wolf旅馆,包括下个月将在亚利桑那州斯科茨代尔开通运营的第18个旅馆。这是集中和编纂可重复业务流程的运营效率的一部分。


Malinowski说,“第18个旅馆将集中和使用云计算。


更广泛地说,IT转型正在帮助Great Wolf旅馆IT团队从订单接收者发展为业务共同创建者,或者能够解决业务问题的思想领袖。例如,IT团队创建了一个跟踪其水上公园毛巾发放的工具,这个项目将减少150万美元的成本。这种自己动手的方法强调了Great Wolf旅馆成员如何抓住机会创建影响营业收入的项目。


根据IDG公司的2019年首席信息官报告,四分之三的首席信息官正在推动业务创新,并专注于培养企业战略的想法。该报告对683位IT领导者进行了调查。


经验和教训



Malinowski为有兴趣采取类似措施的IT领导者提供了一些建议。


企业需要选择能够在技术和实用性方面取得平衡的工具。Malinowski说,“企业必须小心什么是噱头,什么真正是解决问题的解决方案。


Malinowski说,工具和解决方案应该与实现业务目标相一致。例如,该公司正在研究能够回答客人关于Great Wolf旅馆服务常见问题的聊天机器人,这样可以减少对Great Wolf旅馆员工的呼叫。


重新训练至关重要。为了让员工向未来的Great Wolf旅馆设想迈进,Malinowski花费了大量精力培训员工使用云计算和其他新兴技术,并将IT团队从保证全天候运营的心态转移出来。


他说,“在这种运作模式下,很难实现目标,重要的是需要提醒他们,他们确实拥有能力和有效工具。

相关文章
|
23天前
|
人工智能 JSON 前端开发
Agentic AI崛起:九大核心技术定义未来人机交互模式​
本文系统梳理AI智能体架构设计的九大核心技术,涵盖智能体基础、多智能体协作、知识增强、模型优化、工具调用、协议标准化及人机交互等关键领域,助力构建高效、智能、协同的AI应用体系。建议点赞收藏,持续关注AI架构前沿技术。
347 1
|
1月前
|
机器学习/深度学习 人工智能 程序员
Reflexion:让AI智能体学会反思的神奇技术
想象一下AI智能体能像人类一样从错误中学习,Reflexion技术让智能体不再需要重新训练就能自我改进。本文通过一个智能体助手小R的成长故事,带你轻松理解这个改变智能体学习方式的创新技术。
|
2月前
|
数据采集 人工智能 分布式计算
ODPS在AI时代的发展战略与技术演进分析报告
ODPS(现MaxCompute)历经十五年发展,从分布式计算平台演进为AI时代的数据基础设施,以超大规模处理、多模态融合与Data+AI协同为核心竞争力,支撑大模型训练与实时分析等前沿场景,助力企业实现数据驱动与智能化转型。
259 4
|
17天前
|
存储 机器学习/深度学习 人工智能
​​解锁AI检索的7大Embedding技术:从稀疏到多向量,一文掌握!​
本文系统解析七种主流文本嵌入技术,包括 Sparse、Dense、Quantized、Binary、Matryoshka 和 Multi-Vector 方法,结合适用场景提供实用选型建议,助你高效构建文本检索系统。
139 0
|
2月前
|
人工智能 自然语言处理 机器人
智能体平台哪家值得选?盘点国内外12家AI Agent平台技术特色
智能体平台正引领人机协作新潮流,将“智能”交给机器,让“平台”服务于人。2024年被Gartner定义为“AgenticAI元年”,预示未来企业交互将由智能体主导。面对百余平台,可从三条赛道入手:通用大模型、RPA升级派与垂直场景定制。不同需求对应不同方案,选对平台,才能让AI真正助力工作。
|
2月前
|
机器学习/深度学习 人工智能 搜索推荐
思维树提示技术:让AI像人类一样思考的魔法
想象一下,如果AI能像你思考问题一样有条理,从一个想法延伸到多个分支,会发生什么?思维树提示技术就是这样一种让AI更聪明的方法,通过结构化思维引导,让AI等大模型给出更深入、更全面的回答。本文将用最轻松的方式,带你掌握这个让AI智商飞升的秘技。
|
2月前
|
存储 人工智能 算法
AI 图纸表格识别与智能文档协同处理技术介绍
针对制造业、工程建设等领域图纸表格数据提取效率低、误差高的问题,本文介绍了一套涵盖表格识别、数据导出、EBOM转MBOM及智能文档协同处理的技术方案,实现图纸数据结构化与全生命周期管理。
103 0
|
2月前
|
设计模式 人工智能 API
​​混合检索技术:如何提升AI智能体50%的响应效率?​
本文深入解析检索增强智能体技术,探讨其三大集成模式(工具模式、预检索模式与混合模式),结合实战代码讲解RAG组件链构建、上下文压缩、混合检索等关键技术,并提供多步检索工作流与知识库自更新机制设计,助力高效智能体系统开发。
248 0
|
23天前
|
数据采集 Web App开发 人工智能
如何让AI“看懂”网页?拆解 Browser-Use 的三大核心技术模块
Browser-Use 是一种基于大语言模型(LLM)的浏览器自动化技术,通过融合视觉理解、DOM解析和动作预测等模块,实现对复杂网页任务的自主操作。它突破了传统固定选择器和流程编排的限制,具备任务规划与语义理解能力,可完成注册、比价、填报等多步骤操作。其核心功能包括视觉与HTML融合解析、多标签管理、元素追踪、自定义动作、自纠错机制,并支持任意LLM模型。Browser-Use标志着浏览器自动化从“规则驱动”向“认知驱动”的跃迁,大幅降低维护成本,提升复杂任务的处理效率与适应性。
662 28

热门文章

最新文章