Please use this identifier to cite or link to this item:
https://hdl.handle.net/20.500.11779/1165
Title: | Online Check-In Likelihood of Hotel Guests | Other Titles: | Otel müşterilerinin online check-in | Authors: | Tiryaki, Yusuf | Advisors: | Özlük, Özgür | Keywords: | Hospitality Hotel Online Check-in Likelihood to Buy Decision Tree Classification Deep Neural Network Classification Otelcilik Otel Online Check-in Hizmet Alma Yakınlığı Ağaç Bazlı Sınıflandırma Algoritmaları Derin Öğrenme Ağları ile Sınıflandırma |
Publisher: | MEF Üniversitesi, Fen Bilimleri Enstitüsü | Source: | Tiryaki, Y. (2017). Online check-ın likelihood of hotel guests, MEF Üniversitesi Fen Bilimleri Enstitüsü, İstanbul, Türkiye | Abstract: | Hotel operators benefit from current technological developments in order to provide the best experience for their guests to stay. In the case of an enterprise which providing guest hospitality service, the flow is composed of 4 steps: booking, check-in, accommodating and check-out. Online reservation systems have been in use for a long time and are services that offer room reservations for date ranges that guests will stay with. Online check-in applications are a new type of service that has just begun to be implemented in the hospitality sector. The advanced online hotel check-in systems enable users to save time by creating an entry log on the internet, specifying floor and room selection, assigning additional services, notifying the check-in time during the process, and reducing waiting times for hotel help desk during check-in. In the online check-in forecasting process, a data analytics application was implemented that computes the score of the user's proximity to online check-in after the booking step and the booking information was obtained. The score calculation process uses statistical learning algorithms. Within the scope of the study, the guests were classified according to closeness to service reception with Random Forest and DNN(Deep Neural Networks) methods using a dataset in which the guests had hotel booking and provided online information. The trained model for classification was presented as a web service to return the likelihood score of new booking guests. Otel işletmeleri konaklayacak misafirlerine en iyi deneyimi yaşatmak için güncel teknolojik gelişmelerden yüksek oranda faydalanmaktadır. Misafir ağırlama hizmeti sunan bir işletmede konaklama hizmeti sunumu özet olarak rezervasyon, giriş(check-in), konaklama ve ayrılış(check-out) adımlarından oluşmaktadır. Online rezervasyon sistemleri uzun zamandır kullanılmakta olup kullanıcılara konaklayacakları tarih aralığı için oda rezerve hizmetini sunan servislerdir. Online giriş(check-in) uygulamaları otelcilik sektörü için yeni uygulanmaya başlayan henüz gelişme aşamasında bir hizmet türüdür. Gelişmiş online otel check-in sistemleri internet ağı üzerinden giriş kaydı oluşturma, bu işlem sırasında kat ve oda seçimini belirleyebilme, ek hizmetleri atama, giriş saatinin bildirilmesi gibi işlemleri sağlayarak kullanıcıların zamandan tasarruf etmesini sağlamakta, giriş işlemleri sırasında otel yardım masalarındaki bekleme sürelerini kısaltmaktadır. Online check-in kullanımı tahmin etme işlemi çalışmasında, rezervasyon adımı sonrası devreye giren ve rezervasyon bilgileri elde edilen kullanıcının online check-in yapmaya yakınlık skorunu hesaplayan bir veri analitiği uygulaması gerçeklenmiştir. Skor hesaplama işlemi istatistiksel öğrenme algoritmalarını kullanır. Çalışma kapsamında otele rezervasyon yapmış ve online check-in hizmeti sunumu yapılmış misafir bilgilerinin yer aldığı bir veri seti kullanılarak Random Forest ve DNN yöntemleri ile misafirler hizmet alımına göre sınıflandırılmıştır. Sınıflandırma için eğitilen model rezervasyon yapan yeni misafirlerin hizmet alımına yakınlık skorunu geri döndürmek üzere web servis olarak sunulmuştur. |
URI: | https://hdl.handle.net/20.500.11779/1165 |
Appears in Collections: | FBE, Yüksek Lisans, Proje Koleksiyonu |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
YusufTiryaki.pdf | YL-Proje Dosyası | 1.83 MB | Adobe PDF | View/Open |
CORE Recommender
Page view(s)
58
checked on Nov 18, 2024
Download(s)
4
checked on Nov 18, 2024
Google ScholarTM
Check
Items in GCRIS Repository are protected by copyright, with all rights reserved, unless otherwise indicated.