{"id":1661,"date":"2022-11-25T17:42:38","date_gmt":"2022-11-25T16:42:38","guid":{"rendered":"https:\/\/www.analyticsarts.it\/?p=1661"},"modified":"2025-11-25T11:47:18","modified_gmt":"2025-11-25T10:47:18","slug":"dynamic-pricing-nel-settore-alberghiero-in-che-modo-il-machine-learning-puo-supportare-le-attivita","status":"publish","type":"post","link":"https:\/\/www.analyticsarts.it\/it\/post\/dynamic-pricing-nel-settore-alberghiero-in-che-modo-il-machine-learning-puo-supportare-le-attivita\/","title":{"rendered":"Dynamic pricing nel settore alberghiero: in che modo il machine learning pu\u00f2 supportare le attivit\u00e0"},"content":{"rendered":"

\"\"<\/p>\n

Autore: Nicola Massari<\/a>
\nDate: 25-11-2022<\/p>\n

 <\/p>\n

L\u2019utilizzo di machine learning e data analytics \u00e8 un tema diventato fondamentale per business operanti in molteplici settori, trovando applicazioni anche nel settore alberghiero ed interessando argomenti come dynamic pricing, segmentazione, previsione della domanda e delle cancellazioni, analisi di recensioni e punteggi, e personalizzazione dei servizi tramite bot. Le operazioni di scelta dei prezzi sono fondamentali per il revenue management della maggior parte delle aziende, e come tali sono diventate un compito dispendioso in termini di tempo per i gestori, che devono essere costantemente aggiornati su tendenze, eventi e condizioni di mercato in estesi periodi di tempo.<\/p>\n

Nel settore turistico, metodi di advanced analytics sono usati soprattutto da grandi aziende che hanno accesso a considerevoli quantit\u00e0 di dati, tuttavia questi modelli possono presentare un significante supporto anche ad attivit\u00e0 pi\u00f9 piccole, motivo per cui, l\u2019analisi di come ci\u00f2 pu\u00f2 essere applicato \u00e8 l\u2019argomento principale di questa ricerca, focalizzandosi in particolare sul supporto che questi modelli possono dare durante le attivit\u00e0 di pricing, verso un approccio dinamico.<\/p>\n

In primo luogo, sono state analizzate le pratiche attuali per quanto riguarda dynamic pricing e previsione di domanda e cancellazioni nel settore alberghiero, con un focus specifico sulle possibilit\u00e0 di uso quotidiano di queste tecnologie per affitti a breve termine, raccogliendo dati anche tramite sondaggio delle attivit\u00e0 locali operanti nella provincia di Verona. I risultati hanno mostrato l\u2019approccio delle trentaquattro rilevazioni per quanto riguarda strategie di prezzo e politiche di cancellazione. In particolare, la maggior parte degli albergatori partecipanti ha dichiarato di modificare i prezzi pi\u00f9 di una volta a settimana (59% delle rilevazioni) e di farlo attraverso cambi di prezzo manuali (77%) dimostrando l\u2019aspetto dispendioso in termini di tempo di questa procedura che pu\u00f2 impegnare una grande porzione delle attivit\u00e0 dei gestori.<\/p>\n

Il sondaggio ha anche esposto l\u2019impatto negativo che le cancellazioni presentano regolarmente agli albergatori, cos\u00ec come ha aiutato ad ottenere dati approfonditi riguardanti le variabili che vengono considerate dalle attivit\u00e0 del settore durante le operazioni di price setting, favorendo successivamente la sezione di modellazione.<\/p>\n

Usando dati forniti da un property manager e attivit\u00e0 di locazione turistica locale, un modello e framework per la previsione dei prezzi \u00e8 stato creato, con l\u2019obiettivo di comprendere le potenzialit\u00e0 di tecnologie di machine learning in questo settore. Il modello \u00e8 stato sviluppato tramite Python e KNIME, con un dataset composto da 3992 osservazioni divise in un periodo di attivit\u00e0 di 15 mesi tra il 2021 e il 2022. Dal dataset iniziale, nuove variabili sono state create seguendo le informazioni ottenute precedentemente, in modo da estrarre e sviluppare al meglio le informazioni possedute, unendo anche il dataset derivato dal PMS con i dati meteorologici del periodo di interesse, per includere cos\u00ec dei proxy e misure per la domanda di mercato.<\/p>\n

Dopo analisi riguardanti multicollinearit\u00e0, valori anomali e informativit\u00e0 delle variabili, il dataset finale \u00e8 composto dal target, prezzo per notte, e le seguenti variabili dipendenti: numero di notti, numero di persone, giorno, settimana, mese e anno di check-in, tempo di anticipo della prenotazione, lingua, fonte di prenotazione, tipo di camera, temperature massime e minime al check-in, numero di prenotazioni durante i 5 giorni precedenti alla prenotazione di interesse, tasso di riempimento, media mobile dei prezzi nei 5 giorni precedenti alla prenotazione, soggiorno nel weekend (vero\/falso), e dummies per pioggia, nebbia, e temporale.<\/p>\n

Il dataset \u00e8 stato analizzato usando tre algoritmi di regressione: Ordinary Least Squares (OLS), Random Forest (RF), e H2O Gradient Boosting (GB), il primo tramite Python e gli ultimi due in un ambiente KNIME. Il dataset \u00e8 stato suddiviso in training and testing, con rispettivamente 70% e 30% delle osservazioni totali. OLS \u00e8 stato usato principalmente per un\u2019analisi esplorativa delle variabili, tramite backward stepwise selection, usando AIC (Akaike Information Criterion) come misura per questo passaggio, per valutare il potere predittivo del modello. Dopo aver ottenuto una comprensione pi\u00f9 approfondita delle variabili pi\u00f9 significative, KNIME \u00e8 stato usato per i modelli RF e GB, eseguendo per entrambi un loop di ottimizzazione degli iperparametri per regolare gli algoritmi come mostrato in figura, usando qui RMSE come parametro da minimizzare.<\/p>\n

 <\/p>\n

\"\"<\/p>\n

 <\/p>\n

Il modello pi\u00f9 performante \u00e8 stato GB, con un R2 di 0.80, tuttavia osservando altre misure come RMSE, 23.3, e MAE, 16.9, \u00e8 evidente che non sarebbe ottimale creare un modello automatizzato usando questi dati e modello.<\/p>\n

 <\/p>\n

\"\"<\/p>\n

 <\/p>\n

Questo problema potrebbe essere superato includendo altre variabili esterne che, come appreso dal sondaggio, sono spesso considerate dai gestori, come prezzi della competizione, offerta di camere, e calendari di eventi, dati che spesso possono essere ottenuti tramite API o altri servizi esterni. Inoltre, i modelli potrebbero essere implementati con algoritmi per la previsione delle cancellazioni, per permettere di considerare questi eventi durante le attivit\u00e0 di pricing, che, come ha suggerito il sondaggio, possono provocare significativa incertezza per i business che operano in questo settore. Un altro aspetto che dovrebbe essere considerato \u00e8 che questi modelli sono stati programmati usando dati di prenotazioni derivate da prezzi impostati manualmente, di conseguenza essi possono solo emularli, sicuramente risparmiando tempo prezioso degli albergatori, senza tuttavia migliorare le strategie presenti.<\/p>\n

 <\/p>\n

\"\"<\/span><\/p>\n

 <\/p>\n

Nonostante le limitazioni menzionate, possibili modalit\u00e0 di implementazione possono essere discusse, in particolare in due applicazioni:<\/span><\/p>\n

– Il modello pu\u00f2 essere usato per fornire suggerimenti di prezzo ai manager, come realizzato durante la fase di testing, che possono poi correggerli in conformit\u00e0 alle loro considerazioni personali ed esperienza, riducendo significativamente i tempi per le operazioni di price setting.<\/span><\/p>\n

– Il modello pu\u00f2 essere implementato con l\u2019aggiunta di segnali per notificare i gestori quando i prezzi attuali e quelli suggeriti differiscono significativamente, includendo anche avvertimenti per monitorare cambiamenti rapidi di specifiche variabili legate alla domanda. Ci\u00f2 potrebbe migliorare la consapevolezza e sensibilit\u00e0 dei gestori nei confronti di prezzi e domanda, soprattutto considerando le prenotazioni con lungo anticipo.<\/span><\/p>\n

<\/div>\n

Concludendo, nonostante il modello di per s\u00e9 sia risultato non efficiente per un\u2019implementazione diretta e automatizzata, la ricerca ha mostrato le potenzialit\u00e0 delle advanced analytics nel settore alberghiero. I risultati di ricerca e sondaggi hanno trasmesso l\u2019importanza dell\u2019introduzione di algoritmi per dynamic pricing, trovando possibili implementazioni vantaggiose a supporto delle operazioni di pricing, che potrebbero sia migliorare la sensibilit\u00e0 alle variazioni di domanda che migliorare la gestione del tempo.<\/span><\/p>\n[\/vc_column_text][\/vc_column][\/vc_row][vc_row][vc_column][mk_padding_divider][\/vc_column][\/vc_row]\n<\/div>","protected":false},"excerpt":{"rendered":"

<\/p>\n

Nicola Massari<\/p>\n

L\u2019utilizzo di machine learning e data analytics \u00e8 un tema diventato fondamentale per business operanti in molteplici settori, trovando…<\/p>\n","protected":false},"author":1,"featured_media":1669,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[129],"tags":[],"class_list":["post-1661","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-data-science-2"],"yoast_head":"\nDynamic pricing nel settore alberghiero: in che modo il machine learning pu\u00f2 supportare le attivit\u00e0 - Analytics Arts<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.analyticsarts.it\/it\/post\/dynamic-pricing-nel-settore-alberghiero-in-che-modo-il-machine-learning-puo-supportare-le-attivita\/\" \/>\n<meta property=\"og:locale\" content=\"it_IT\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Dynamic pricing nel settore alberghiero: in che modo il machine learning pu\u00f2 supportare le attivit\u00e0 - Analytics Arts\" \/>\n<meta property=\"og:description\" content=\"Nicola Massari L\u2019utilizzo di machine learning e data analytics \u00e8 un tema diventato fondamentale per business operanti in molteplici settori, trovando...\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.analyticsarts.it\/it\/post\/dynamic-pricing-nel-settore-alberghiero-in-che-modo-il-machine-learning-puo-supportare-le-attivita\/\" \/>\n<meta property=\"og:site_name\" content=\"Analytics Arts\" \/>\n<meta property=\"article:published_time\" content=\"2022-11-25T16:42:38+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2025-11-25T10:47:18+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.analyticsarts.it\/wp-content\/uploads\/2024\/01\/nsplsh_6517858284cc487a9d7842df803bb40cmv2.webp\" \/>\n\t<meta property=\"og:image:width\" content=\"908\" \/>\n\t<meta property=\"og:image:height\" content=\"682\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/webp\" \/>\n<meta name=\"author\" content=\"analyticsarts\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Scritto da\" \/>\n\t<meta name=\"twitter:data1\" content=\"analyticsarts\" \/>\n\t<meta name=\"twitter:label2\" content=\"Tempo di lettura stimato\" \/>\n\t<meta name=\"twitter:data2\" content=\"6 minuti\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/post\\\/dynamic-pricing-nel-settore-alberghiero-in-che-modo-il-machine-learning-puo-supportare-le-attivita\\\/#article\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/post\\\/dynamic-pricing-nel-settore-alberghiero-in-che-modo-il-machine-learning-puo-supportare-le-attivita\\\/\"},\"author\":{\"name\":\"analyticsarts\",\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/#\\\/schema\\\/person\\\/b1427c145699fcd0bc54c5f3e230b407\"},\"headline\":\"Dynamic pricing nel settore alberghiero: in che modo il machine learning pu\u00f2 supportare le attivit\u00e0\",\"datePublished\":\"2022-11-25T16:42:38+00:00\",\"dateModified\":\"2025-11-25T10:47:18+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/post\\\/dynamic-pricing-nel-settore-alberghiero-in-che-modo-il-machine-learning-puo-supportare-le-attivita\\\/\"},\"wordCount\":1055,\"image\":{\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/post\\\/dynamic-pricing-nel-settore-alberghiero-in-che-modo-il-machine-learning-puo-supportare-le-attivita\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/www.analyticsarts.it\\\/wp-content\\\/uploads\\\/2024\\\/01\\\/nsplsh_6517858284cc487a9d7842df803bb40cmv2.webp\",\"articleSection\":[\"Data Science\"],\"inLanguage\":\"it-IT\"},{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/post\\\/dynamic-pricing-nel-settore-alberghiero-in-che-modo-il-machine-learning-puo-supportare-le-attivita\\\/\",\"url\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/post\\\/dynamic-pricing-nel-settore-alberghiero-in-che-modo-il-machine-learning-puo-supportare-le-attivita\\\/\",\"name\":\"Dynamic pricing nel settore alberghiero: in che modo il machine learning pu\u00f2 supportare le attivit\u00e0 - Analytics Arts\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/post\\\/dynamic-pricing-nel-settore-alberghiero-in-che-modo-il-machine-learning-puo-supportare-le-attivita\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/post\\\/dynamic-pricing-nel-settore-alberghiero-in-che-modo-il-machine-learning-puo-supportare-le-attivita\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/www.analyticsarts.it\\\/wp-content\\\/uploads\\\/2024\\\/01\\\/nsplsh_6517858284cc487a9d7842df803bb40cmv2.webp\",\"datePublished\":\"2022-11-25T16:42:38+00:00\",\"dateModified\":\"2025-11-25T10:47:18+00:00\",\"author\":{\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/#\\\/schema\\\/person\\\/b1427c145699fcd0bc54c5f3e230b407\"},\"breadcrumb\":{\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/post\\\/dynamic-pricing-nel-settore-alberghiero-in-che-modo-il-machine-learning-puo-supportare-le-attivita\\\/#breadcrumb\"},\"inLanguage\":\"it-IT\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/post\\\/dynamic-pricing-nel-settore-alberghiero-in-che-modo-il-machine-learning-puo-supportare-le-attivita\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"it-IT\",\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/post\\\/dynamic-pricing-nel-settore-alberghiero-in-che-modo-il-machine-learning-puo-supportare-le-attivita\\\/#primaryimage\",\"url\":\"https:\\\/\\\/www.analyticsarts.it\\\/wp-content\\\/uploads\\\/2024\\\/01\\\/nsplsh_6517858284cc487a9d7842df803bb40cmv2.webp\",\"contentUrl\":\"https:\\\/\\\/www.analyticsarts.it\\\/wp-content\\\/uploads\\\/2024\\\/01\\\/nsplsh_6517858284cc487a9d7842df803bb40cmv2.webp\",\"width\":908,\"height\":682},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/post\\\/dynamic-pricing-nel-settore-alberghiero-in-che-modo-il-machine-learning-puo-supportare-le-attivita\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Dynamic pricing nel settore alberghiero: in che modo il machine learning pu\u00f2 supportare le attivit\u00e0\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/#website\",\"url\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/\",\"name\":\"Analytics Arts\",\"description\":\"\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"it-IT\"},{\"@type\":\"Person\",\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/#\\\/schema\\\/person\\\/b1427c145699fcd0bc54c5f3e230b407\",\"name\":\"analyticsarts\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"it-IT\",\"@id\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/b372ffafdeb64fefd3a80d4d3ea3067d90c58265e17541a20ca391553fb3be06?s=96&d=mm&r=g\",\"url\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/b372ffafdeb64fefd3a80d4d3ea3067d90c58265e17541a20ca391553fb3be06?s=96&d=mm&r=g\",\"contentUrl\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/b372ffafdeb64fefd3a80d4d3ea3067d90c58265e17541a20ca391553fb3be06?s=96&d=mm&r=g\",\"caption\":\"analyticsarts\"},\"sameAs\":[\"https:\\\/\\\/www.analyticsarts.it\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Dynamic pricing nel settore alberghiero: in che modo il machine learning pu\u00f2 supportare le attivit\u00e0 - Analytics Arts","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.analyticsarts.it\/it\/post\/dynamic-pricing-nel-settore-alberghiero-in-che-modo-il-machine-learning-puo-supportare-le-attivita\/","og_locale":"it_IT","og_type":"article","og_title":"Dynamic pricing nel settore alberghiero: in che modo il machine learning pu\u00f2 supportare le attivit\u00e0 - Analytics Arts","og_description":"Nicola Massari L\u2019utilizzo di machine learning e data analytics \u00e8 un tema diventato fondamentale per business operanti in molteplici settori, trovando...","og_url":"https:\/\/www.analyticsarts.it\/it\/post\/dynamic-pricing-nel-settore-alberghiero-in-che-modo-il-machine-learning-puo-supportare-le-attivita\/","og_site_name":"Analytics Arts","article_published_time":"2022-11-25T16:42:38+00:00","article_modified_time":"2025-11-25T10:47:18+00:00","og_image":[{"width":908,"height":682,"url":"https:\/\/www.analyticsarts.it\/wp-content\/uploads\/2024\/01\/nsplsh_6517858284cc487a9d7842df803bb40cmv2.webp","type":"image\/webp"}],"author":"analyticsarts","twitter_card":"summary_large_image","twitter_misc":{"Scritto da":"analyticsarts","Tempo di lettura stimato":"6 minuti"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/www.analyticsarts.it\/it\/post\/dynamic-pricing-nel-settore-alberghiero-in-che-modo-il-machine-learning-puo-supportare-le-attivita\/#article","isPartOf":{"@id":"https:\/\/www.analyticsarts.it\/it\/post\/dynamic-pricing-nel-settore-alberghiero-in-che-modo-il-machine-learning-puo-supportare-le-attivita\/"},"author":{"name":"analyticsarts","@id":"https:\/\/www.analyticsarts.it\/it\/#\/schema\/person\/b1427c145699fcd0bc54c5f3e230b407"},"headline":"Dynamic pricing nel settore alberghiero: in che modo il machine learning pu\u00f2 supportare le attivit\u00e0","datePublished":"2022-11-25T16:42:38+00:00","dateModified":"2025-11-25T10:47:18+00:00","mainEntityOfPage":{"@id":"https:\/\/www.analyticsarts.it\/it\/post\/dynamic-pricing-nel-settore-alberghiero-in-che-modo-il-machine-learning-puo-supportare-le-attivita\/"},"wordCount":1055,"image":{"@id":"https:\/\/www.analyticsarts.it\/it\/post\/dynamic-pricing-nel-settore-alberghiero-in-che-modo-il-machine-learning-puo-supportare-le-attivita\/#primaryimage"},"thumbnailUrl":"https:\/\/www.analyticsarts.it\/wp-content\/uploads\/2024\/01\/nsplsh_6517858284cc487a9d7842df803bb40cmv2.webp","articleSection":["Data Science"],"inLanguage":"it-IT"},{"@type":"WebPage","@id":"https:\/\/www.analyticsarts.it\/it\/post\/dynamic-pricing-nel-settore-alberghiero-in-che-modo-il-machine-learning-puo-supportare-le-attivita\/","url":"https:\/\/www.analyticsarts.it\/it\/post\/dynamic-pricing-nel-settore-alberghiero-in-che-modo-il-machine-learning-puo-supportare-le-attivita\/","name":"Dynamic pricing nel settore alberghiero: in che modo il machine learning pu\u00f2 supportare le attivit\u00e0 - Analytics Arts","isPartOf":{"@id":"https:\/\/www.analyticsarts.it\/it\/#website"},"primaryImageOfPage":{"@id":"https:\/\/www.analyticsarts.it\/it\/post\/dynamic-pricing-nel-settore-alberghiero-in-che-modo-il-machine-learning-puo-supportare-le-attivita\/#primaryimage"},"image":{"@id":"https:\/\/www.analyticsarts.it\/it\/post\/dynamic-pricing-nel-settore-alberghiero-in-che-modo-il-machine-learning-puo-supportare-le-attivita\/#primaryimage"},"thumbnailUrl":"https:\/\/www.analyticsarts.it\/wp-content\/uploads\/2024\/01\/nsplsh_6517858284cc487a9d7842df803bb40cmv2.webp","datePublished":"2022-11-25T16:42:38+00:00","dateModified":"2025-11-25T10:47:18+00:00","author":{"@id":"https:\/\/www.analyticsarts.it\/it\/#\/schema\/person\/b1427c145699fcd0bc54c5f3e230b407"},"breadcrumb":{"@id":"https:\/\/www.analyticsarts.it\/it\/post\/dynamic-pricing-nel-settore-alberghiero-in-che-modo-il-machine-learning-puo-supportare-le-attivita\/#breadcrumb"},"inLanguage":"it-IT","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.analyticsarts.it\/it\/post\/dynamic-pricing-nel-settore-alberghiero-in-che-modo-il-machine-learning-puo-supportare-le-attivita\/"]}]},{"@type":"ImageObject","inLanguage":"it-IT","@id":"https:\/\/www.analyticsarts.it\/it\/post\/dynamic-pricing-nel-settore-alberghiero-in-che-modo-il-machine-learning-puo-supportare-le-attivita\/#primaryimage","url":"https:\/\/www.analyticsarts.it\/wp-content\/uploads\/2024\/01\/nsplsh_6517858284cc487a9d7842df803bb40cmv2.webp","contentUrl":"https:\/\/www.analyticsarts.it\/wp-content\/uploads\/2024\/01\/nsplsh_6517858284cc487a9d7842df803bb40cmv2.webp","width":908,"height":682},{"@type":"BreadcrumbList","@id":"https:\/\/www.analyticsarts.it\/it\/post\/dynamic-pricing-nel-settore-alberghiero-in-che-modo-il-machine-learning-puo-supportare-le-attivita\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/www.analyticsarts.it\/it\/"},{"@type":"ListItem","position":2,"name":"Dynamic pricing nel settore alberghiero: in che modo il machine learning pu\u00f2 supportare le attivit\u00e0"}]},{"@type":"WebSite","@id":"https:\/\/www.analyticsarts.it\/it\/#website","url":"https:\/\/www.analyticsarts.it\/it\/","name":"Analytics Arts","description":"","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.analyticsarts.it\/it\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"it-IT"},{"@type":"Person","@id":"https:\/\/www.analyticsarts.it\/it\/#\/schema\/person\/b1427c145699fcd0bc54c5f3e230b407","name":"analyticsarts","image":{"@type":"ImageObject","inLanguage":"it-IT","@id":"https:\/\/secure.gravatar.com\/avatar\/b372ffafdeb64fefd3a80d4d3ea3067d90c58265e17541a20ca391553fb3be06?s=96&d=mm&r=g","url":"https:\/\/secure.gravatar.com\/avatar\/b372ffafdeb64fefd3a80d4d3ea3067d90c58265e17541a20ca391553fb3be06?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/b372ffafdeb64fefd3a80d4d3ea3067d90c58265e17541a20ca391553fb3be06?s=96&d=mm&r=g","caption":"analyticsarts"},"sameAs":["https:\/\/www.analyticsarts.it"]}]}},"_links":{"self":[{"href":"https:\/\/www.analyticsarts.it\/it\/wp-json\/wp\/v2\/posts\/1661","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.analyticsarts.it\/it\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.analyticsarts.it\/it\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.analyticsarts.it\/it\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.analyticsarts.it\/it\/wp-json\/wp\/v2\/comments?post=1661"}],"version-history":[{"count":7,"href":"https:\/\/www.analyticsarts.it\/it\/wp-json\/wp\/v2\/posts\/1661\/revisions"}],"predecessor-version":[{"id":5831,"href":"https:\/\/www.analyticsarts.it\/it\/wp-json\/wp\/v2\/posts\/1661\/revisions\/5831"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.analyticsarts.it\/it\/wp-json\/wp\/v2\/media\/1669"}],"wp:attachment":[{"href":"https:\/\/www.analyticsarts.it\/it\/wp-json\/wp\/v2\/media?parent=1661"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.analyticsarts.it\/it\/wp-json\/wp\/v2\/categories?post=1661"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.analyticsarts.it\/it\/wp-json\/wp\/v2\/tags?post=1661"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}