近来，AlphaGo可谓风光无限，不但三次将棋王柯洁轻松斩落马下，而且中国五大顶级棋手联合出战也只能匆匆落败。值此一役后，“人工智能”已然成为时下最热门的词汇。殊不知，近几年，不仅在围棋领域，在世界的各个领域人工智能都已经“学会”了不少人类的技能。比如，客服、资产管理、处理理赔，又如撰写新闻稿、翻译、画画、驾车、写剧本，还有就是小编今天最想说的—酒店收益管理。
酒店收益管理在酒店的重要性，就不在这里多加赘述，那被冠以人工智能的酒店收益管理是如何实现的，它到底有多牛，众荟信息就借着人人都在谈论的“大明星AlphaGo”的原理，述说一二。
从人工智能的角度来看，酒店收益管理和AlphaGo是有相通之处的。
首先，AlphaGo学习了大量人类棋谱，总结出一定经验。接下来进行左右互搏，在人类棋谱的基础上进行升华。对于众荟信息的大数据收益管理解决方案Revenue Plus而言，也是同样的道理，主要从以下五步予以实现。
1、大 数 据 挖 掘
众荟信息首先依托行业级大数据，挖掘出全国70%以上酒店每一天的调价行为，以及最终的售卖情况，得到一份类似围棋棋谱的大数据集：今天A酒店卖500元，出租率60%；明天B酒店卖300元，出租率 80%......
同时，根据全国70%以上的 OTA 订单大数据，挖掘出全国所有消费者的预定行为：今天30%的消费者选择了A酒店而不是其竞争酒店，明天20%消费者选择了B酒店而不是其竞争酒店......
2、训 练 机 器 智 能
对于消费者预定行为，众荟信息使用深度学习技术进行模拟。这一步会得到一个（人工智能）AI，叫做“消费者代表”。她的行为，可以认为代表了历史上所有消费者行为的综合体。
接下来，对于酒店的调价行为，众荟信息根据每家酒店最终的收益衡量指标（如出租率、平均房价、单房收益、MPI、ARI、RGI）作为监督点（类似围棋的输和赢），使用深度学习技术进行经验总结。这一步会得到一个（人工智能）AI，叫做“有经验的收益经理”。她的行为，可以认为代表了历史上所有收益经理的综合体。
如果一家酒店的收益管理做得好，收益指标比较高，AI 就会倾向于学习他的行为；反过来，如果一家酒店的收益管理做的较差，AI 就会倾向于避免做出类似他的行为。
3、利用消费者 AI 提升收益管理 AI
“消费者代表”选择符合历史经验的酒店后，众荟信息会使用多个“有经验的收益经理”，进行对抗，模拟多家酒店互相调价、竞争，这个对抗的情形类似 AlphaGo 的左右互搏。“有经验的收益经理”的目标是提升收益指标，当酒店调价后，“消费者代表”会重新选择新的酒店，有“经验的收益经理”再进行互博对抗，如此循环。
4、利用新的数据调整消费者 AI
当“有经验的收益管理经理”水平提到了一定程度后，整体市场的平均价格会提升。此时，旧的“消费者代表”已经无法代表新的市场环境。但是随着时间的推移，消费者对新的定价模式会产生新的反馈，此时，使用在线学习的方式，不断地提升消费者 AI，使其更加适应新的市场环境。
5、迭 代
不断重复第三步和第四步，使得我们的收益管理 AI 在适应新市场环境下不断提升。
这样，便出现了我们瞩目已久的大数据收益管理解决方案“Revenue Plus”，精准预测，准确定位竞争对手，价格优化，为酒店打造前所未有的收入提升，用大数据重新定义收益管理。
AlphaGo在围棋界以无敌于人类的姿态，宣告了人工智能强大的作用和能力，但并不意味着这是一个人类失败的时代。在这样一个时代，我们应该更多的思考人类如何与人工智能互补共生，如何利用人工智能提升自身水平。人工智能需要借助人类之手予以维护和完善，人类则有求于人工智能强大的计算处理能力，加强对于各个领域的摸索和探究。所以，无论是AlphaGo，还是Revenue Plus，时下我们最应关注的是如何拥抱这样的人工智能技术，并借助它使我们在行业领域的知识和管理得到升华。
