Сервис краткосрочной аренды жилья: ML-модель рекомендует арендодателям цены с учётом спроса
Что внедрили
Модель учитывает спрос, сезонность, расположение, цены конкурентов и поведение пользователей. Рекомендации по цене встроены в кабинет арендодателя и внутренние системы сервиса.
Результат
Заявлен рост конверсии из просмотра в бронирование на 6%, сокращение простоя объектов на 8% и рост LTV арендодателя на 3%.
Название сервиса не раскрыто.
Задачи
Ценообразование; Аналитика
Параметры внедрения
- Компания
- Сервис краткосрочной аренды жилья
- Отрасль
- Строительство и недвижимость
- Процессы
- Планирование и управленческая аналитика
- Сроки
- Не указаны
- Стоимость
- Не раскрыта
Источники
Как онлайн-сервис аренды жилья поднял конверсию в бронирование на 6% с помощью динамического ценообразования — LLMCaseПубликация источника:
300 практик применения ИИ: результаты, кейсы, мнения • RUSSOFTПубликация источника: