基于机器学习技术的酒店客户预订取消数据分析与预测

基于机器学习技术的酒店客户预订取消数据分析与预测

【摘要】 本项目使用了来自 Kaggle 网站上的 Hotel booking demand 项目数据集，该数据集包含了一家城市酒店和一家度假酒店的预订信息。本项目使用 Python 语言，通过机器学习等数据分析技术，首先对数据进行了描述性的统计，完成了对数据的预处理；其次利用数据集对酒店运营状况、市场情况、客户画像进行了可视化分析；最后根据数据集建立客户是否会取消预订的预测模型。

【关键词】 酒店管理 预订取消预测 机器学习

第1章绪论

1.1 背景

大数据时代下，酒店旅游市场的快速发展使得行业内的竞争愈发激烈，客户对产品与服务信息获取渠道越来越多，酒店企业面临着产品同质化严重、同行竞争加剧，从而导致新增客户获取困难、成本增加等行业问题。同时，酒店市场客源较不稳定，客户流失量较高。因此维护好留存客户，保持客户忠诚度，降低客户流失率是当前面临的主要问题。数据挖掘在这个实际课题中发挥了很大的作用，数据挖掘就是从大量杂乱无章的原始数据中得出一些有用的信息。在通信行业、银行等一些机构存在大量的数据。数据处理人员从大量的数据中进行分类、整理、归纳、总结,对客户进行分析、整理,和现在计算机、数据库、

数据仓库普遍应用相比,过去那种分析、整理、归纳的方法都是和那个时代相匹配的，都是很简单的归纳，只能得到很少的信息，并且都是以数学理论为起点,然后向实际推广。随着计算机的大规模应用，人们可以在大量的数据中，运用数据挖掘技术寻找数据中蕴藏的规律，并对未来。

酒店行业的从业者为了更好地规划酒店的经营，他们有极强的意愿来了解消费者的行为特点，例如在消费者的视角里，什么时候是一年中预定酒店房间的最佳时间，为了获得最好的房价折扣而选择的最佳入住时间，酒店是否可能会收到不成比例的高数量的特殊请求。客户流失预测可以帮助酒店预测流失趋势，构建适合酒店行业数据特性的影响因素指标体系，有针对性地提出挽留措施，提高商家利润，因此，酒店业的客户流失预测是酒店管理领域的一个重要研究方向。

伴随旅游消费升级，出境深度游成为一种新趋势。携程酒店预订专家表示，以美国为例，中国游客赴美旅游线路开始从横跨东西海岸转向东海岸、西海岸或者夏威夷深度游。其实，赴日旅游常规的大阪—东京线路，逐渐被北海道、大阪、九州、东京等一地深度游取代。

本研究使用的数据来自 Nuno Antonio[ Antonio, N., de Almeida, A., & Nunes, L. (2019). Hotel booking demand datasets. Data in brief, 22, 41-49.] 等人的数据文章 Hotel booking demand datasets.，该文章描述了两个包含酒店需求数据的数据集。其中一家酒店(H1)是度假酒店，另一家是城市酒店(H2)。两个数据集共享相同的结构，通过 31 个特征，形成了描述 H1 的 40060 次观测数据和 H2 的 79330 次观测数据，每一条观测数据都代表一次酒店预订。这两个数据集包含了 2015 年 7 月 1 日至 2017 年 8 月 31 日之间的预订，包括有效到达的预订和被取消的预订。

1.2 分析目标

对于酒店预订需求的数据集，酒店取消预测是一个模糊问题。因此，使问题具体化和层次化非常重要。简单看一下数据，可以看到葡萄牙城市酒店及度假村酒店2015年7月1日至2017年8月31日的预订信息，包括预订时间、到达时间、入住时长、客户信息等。因此，可以根据数据集定义几个基本问题：

一、客户来自哪里？
二、每位客人每晚房费的房型分布是什么？
三、每位客人每晚房费的季节分布是怎样的？
四、酒店里最忙的一个月？
五、客人在酒店住多长时间？
六、预订的细分市场是什么？
七、取消的详细信息？

进一步探索哪些特征对酒店预订取消有重要影响，从而建立一个判断客人是否真的会来酒店的模型，即预测酒店预订取消，这可以帮助酒店规划者安排和食物需求。

近年来，随着线上OTA等第三方渠道的蓬勃发展，消费者的酒店预订变得越来越便捷。另一方面，酒店退订现象逐年增多，成为困扰酒店的问题。而随着疫情过后游客的涌入，酒店退订呈快速增长趋势。因此，基于Python进行数据分析[ 专著：黄红梅，张良均. 《python数据分析与应用》[ M].北京：人民邮电出版社，2018．]深入了解取消预订的情况及其影响，有助于酒店采取更好的营销和管理措施。本次分析选取了某度假酒店2015年至2017年的预订数据，对该酒店的取消率进行分析，针对绩效考核标准、押金制度设置等管理问题提出解决方案。

第2章数据预处理与描述型分析

2.1 数据预处理

缺失值处理。发现一共有 4 个特征出现了缺失值，由于 children 和 country 缺失值的数量占总体比例非常小，且这两列是类别型变量，我们直接用对应列的众数进行填充；agent列的缺失值数量较多，故将缺失值单独作为新类别，标记为 0；company 列几乎全为缺失值，包含了极少量的有效值，因此删除此列。

异常值处理。通过在 Kaggle 网站上的数据集说明，仔细观察数据可以发现，存入住总人数为 0 和入住总天数为 0 的数据，即异常数据，我们需要对这些数据做筛选和清理。此外，数据集说明里，我们还可以发现 meal 列的 Undefined/SC 均表示未预定餐食，我们需要把其合并为同一类。

2.2 可视化分析

图 1 房间类型变更对取消预订的影响
如图 1 所示，房型变更过的客户取消预定的概率远远小于未变更过的客户。对此，可能有以下原因：客户到达酒店后临时更改房型，多数客户会选择不取消预定，直接入住；客户自行更改房型，相对取消预定而言，这类客户更愿意更改房间类型而保证正常入住。

图 2 入住人数对取消预订的影响
如图 2 所示，多数预定订单显示没有儿童和婴儿入住，其中单人入住和双人入住是主要的预定人数模式；有婴儿入住时预定取消率大幅下降；超过 5 人以上入住的订单基本全部取消，这部分可能是刷单等异常订单，酒店需要注意。针对不同酒店，重点分析下列几种入住人数情况的取消率：单人入住：adults=1, children, babies=0；双人入住：adults=2, children, babies=0；家庭入住：adults>2, children, babies>0[ 期刊论文：程俊英.《基于Python语言的数据分析处理研究》[J].电子技术与软件工程,2022(15):236-239.]。

图 3 房间类型、入住人数对取消预订的影响
对于城市酒店，取消预定概率：双人>>单人≈家庭，应注意双人入住客户的高取消率现象，改善酒店对于双人入住客户的配套服务以降低取消率。对于度假酒店，取消预订概率：家庭>双人>单人，酒店可适当针对家庭客户提供相应的优惠折扣，提高家庭客户入住率。

图 4 是否取消预订和饮食的影响
可以看到无论是否取消预订，餐食类型之间差异不大

图 5 不同酒店类型和车位需求
多数客户不需要停车位，相比之下，度假酒店客户需要停车位的比例远大于城市酒店。

图 6 预定数前 20 的国家/地区
统计可知，前 20 名国家/地区数据量占据全部数据的 94%，客户主要来自葡萄牙，英国，法国，西班牙等欧洲国家，不同国家之间预定取消率的差距非常显著，取消率较高的国家有葡萄牙、意大利、巴西、中国、俄罗斯，以发展中国家为主。

图 7 客户预定历史
客户预定历史指客户之前预定过的订单的取消情况，可以一定程度上反映客户当前订单的取消意愿。大多数预定来自于新客，而熟客取消预定的概率远远小于新客；先前取消过预定的客户本次预定取消的概率较大，尤其是取消过预定 15 次以上的客户，基本上不会选择入住，可以计入酒店的“黑名单”；先前预定并入住过的客户相对来说信用较好，高入住次数（>20 次）客户基本不会取消预订。

图 8 提前预订时长分布
从预定提前时长分布明显可以看出，客户倾向于选择与入住时间相近的时间预定，并且随着预定提前时长的增大，取消率呈现上升趋势。

图 8 入住时间
预定量上，城市酒店 7/8 月出现大幅下滑，同期度假酒店变化较小，整体而言，度假酒店月度客流量变化较小；取消率上，两家酒店冬季取消率相对较低，城市酒店夏季取消率降低，度假酒店却处于高峰。

图 9 客房价格趋势变化
两种酒店客房价格趋势主要差异在于 7-8 月，此时期城市酒店价格小幅下跌，度假酒店价格却急速上涨，一度超过城市酒店。结合预定量和取消量分析，7-8 月度假酒店客流减少，取消率大幅上升，经营者应考虑调整价格策略以增加营收。对于用户而言，应考虑避免 8 月预定度假酒店，此时酒店价格处于高位，而 9 月价格便会下跌近一半，气候/环境差异不大，是入住的好时期。

图 10 客房价格趋势变化
度假酒店客户入住时长集中在 1-10 晚，其中入住 1 晚的客户取消概率最低；城市酒店客户入住时长多在 5 晚以内，其中入住 2 晚的客户取消概率最高；整体而言，度假酒店客户平均入住天数明显高于城市酒店，可以考虑推出长租优惠方案吸引顾客。

图 11 预订渠道
预定主要来自于旅行社(TA/TO)，个人直接预定(Direct)和团体预定(Group)；旅行社取消预定的概率远大于其他渠道，可能是由于旅行社出于盈利考虑会取消利润较低的订单
第3章模型的构建与评价

3.1 简单的特征工程

首先进行特征的筛选，模型目标是对订单是否取消进行预测，挑选特征变量应满足： 特征必须为客户预定时就能获得的数据，因此排除 booking_changes（预定更改），reservation_status（结账状态），assigned_room_type （最终分配房型）等特征。考虑一定的信息脱敏和通用性，排除 country（国籍），arrival_date_year（入住年份）等特征。完成数据列处理后，先查看一下各数据参数与取消预订之间的相关性[ 期刊论文： 余佥.《Python语言在数据分析处理中的应用》[J].电脑编程技巧与维护,2022(06):]。

与取消预订相关性较高的特征有：提前预定时长，车位需求数，特殊需求数，押金类型，酒店类型等。

3.2 简单机器学习模型

接下来，进行模型训练，引入多个简单的分类模型，均采用默认参数，简单比较模型之间的准确率，表 1 展示了所选用的部分简单模型的效果。

表 1 简单模型的泛化效果比较

不难发现，决策树、K 近邻方法[ 期刊论文：千文《.Python在商品销售数据分析中的使用》[[J].电子技术与软件工程,2022(10):211-214.]的泛化能力和预测准确率明显高于其他简单模型。虽然如此，简单模型的预测正确率仍然不算非常高，本文考虑使用一些更复杂的模型进行处理。

3.3 较复杂的模型

本文使用了 Logistic Regression，Random Forest，XGBoost，LightGBM，CatBoost 五个模型进行训练，鉴于篇幅原因，本文不再对模型的原理进行解释，仅展示训练结果，模型的构建请参见代码。

表 2 较复杂的模型泛化效果评估

基于以上指标，我们可以对不同的模型进行有效的评估，我们发现 5 个指标中，随机森林模型有四个都是最高的，因此随机森林模型可能是最适合进行本项目预测分析的模型[ 期刊论文赖院根, & 刘砺利. (2011). 基于客户价值的信息用户流失预测研究. 情报理论与实践, 34(7), ]。

3.4 应用随机森林模型进行预订取消预测的示例

发现随机森林模型的预测是正确的，观察随机森林模型的特征重要度，如表 3。
表 3 随机森林模型的特征重要度[ 期刊论文 王若佳, 严承希, 郭凤英, & 王继民. (2022). 基于用户画像的在线健康社区用户流失预测研]（前 7）

3.5 心得体会

本项目使用了来自 Kaggle 网站上的 Hotel booking demand 项目数据集，该数据集包含了一家城市酒店和一家度假酒店的预订信息。本项目使用 Python 语言，通过机器学习等数据分析技术，首先对数据进行了描述性的统计，完成了对数据的预处理；其次利用数据集对酒店运营状况、市场情况、客户画像进行了可视化分析；最后根据数据集建立客户是否会取消预订的预测模型。

本文基于机器学习的评价指标，发现随机森林模型能有效预测客户是否取消预订，其中lead_time,deposit_type,adr_per_person,adr,arrival_date_day_of_month,tot
al_of_special_requests,arrival_date_week_number7 个特征的重要性较大，酒店可以考虑从这 7 个特征的角度进行服务改善和预订取消预测。

基于本次项目，让我将python数据分析的知识点得到了一个综合运用，对于知识点有了更深刻的理解。能运用python数据分析解决具体的问题，再根据分析结果得到一些趋势的判断，这就是数据分析的意义。

第3章 结论

本项目使用 Python 语言，通过机器学习等数据分析技术，首先对数据进行了描述性的统计，完成了对数据的预处理；其次利用数据集对酒店运营状况、市场情况、客户画像进行了可视化分析；最后根据数据集建立客户是否会取消预订的预测模型。

分析得出的结果：

1. 客户到达酒店后临时更改房型，多数客户会选择不取消预定，直接入住；客户自行更改房型，相对取消预定而言，这类客户更愿意更改房间类型而保证正常入住。
2. 婴儿入住时预定取消率大幅下降；超过 5 人以上入住的订单基本全部取消，这部分可能是刷单等异常订单
3. 对于城市酒店，取消预定概率：双人>>单人≈家庭，应注意双人入住客户的高取消率现象，改善酒店对于双人入住客户的配套服务以降低取消率。对于度假酒店，取消预订概率：家庭>双人>单人，酒店可适当针对家庭客户提供相应的优惠折扣，提高家庭客户入住率。
4. 大多数预定来自于新客，而熟客取消预定的概率远远小于新客。结合预定量和取消量分析，7-8 月度假酒店客流减少，取消率大幅上升，经营者应考虑调整价格策略以增加营收。对于用户而言，应考虑避免 8 月预定度假酒店，此时酒店价格处于高位，而 9 月价格便会下跌近一半，气候/环境差异不大，是入住的好时期。

通过上面案例的分析，对于python数据分析有了一定的掌握，能运用在一些基础的场景上，遇到问题也能查阅相关资料解决，对于能力有了很大的提升。

参考文献
[1]Antonio, N., de Almeida, A., & Nunes, L. (2019). Hotel booking demand datasets. Data in brief, 22, 41-49.
[2]专著：黄红梅，张良均. 《python数据分析与应用》[ M].北京：人民邮电出版社，2018．
[3]期刊论文：程俊英.《基于Python语言的数据分析处理研究》[J].电子技术与软件工程,2022(15):236-239.
[4]期刊论文： 余佥.《Python语言在数据分析处理中的应用》[J].电脑编程技巧与维护,2022(06):
[5]期刊论文：千文《.Python在商品销售数据分析中的使用》[[J].电子技术与软件工程,2022(10):211-214.
[6]期刊论文赖院根, & 刘砺利. (2011). 基于客户价值的信息用户流失预测研究. 情报理论与实践, 34(7),
[7]期刊论文 王若佳, 严承希, 郭凤英, & 王继民. (2022). 基于用户画像的在线健康社区用户流失预测研