1.

Mechine learning yang di harapkan

a. Jika sekrang ada mean mungkin sekrang ada roadmap ada versi 1, versi 2
b. Dari kriteria belum tentu signifikan
c. 4 diambil karena lebih dekat dengan
d. Airbnb ada prediksi bagaimana bisa menembus Airbnb recommendation
e. Sebetulnya mau injeksi data ke mechine learning sehingga ada insight tetapi itu yang
belum di lakukan
f. Next day kita bisa belajar dari data ini
g. Bisa dishare dengan researcher dari universitas
h. Bisa di taruh di tableau
i. Mesin tracking
j. Prediksi hari ini dapat berapa sudah ada dan mendekati akurat
k. Prediksi dengan design iklan dengan ocupansi
2. Prediksi
a. Prediksi masa depan bisa jual dengan booking terbanyak dengan interval atau risk
distribution
i. Bisa bilih higrisk tapi revenue akan down
ii. Jika pilih
iii. Prediksi tiap iklan
b. Prediksi kamar yang baru
c. Prediksi tamu dari mana dengan preferensi yang bagaiman ini sudah ada di airbnb
d. Variasi propertynya sangat banyak
e.
3. Cakupan yang sudan
a. Pricing
b. Advertising
c. Drone /smart Home
4. Property management Prediksi proyeksion property management, harga tiap hari ato tiap
saat
a. Ingin memperbaiki prediksi
b. Jika dalam beberapa hari belum ada booking harga turun
c. Di lihat iklan nya untuk optimasi acupansi
5. Gap management masih belum selesai masih manual
6. Market analysys ato profi management
a. Product management 2 kamar sama tapi satu dapat booking yang lain tidak
walaupun offering sama. Jadi kamar tidak bias sama
b. Ini seperti product marketing
c. Focus ke dapat ranking
d. Optimisasi untuk harga
7. Tableau.com
a. Dari satu vila dengan kamar sama tetepi hasilnya tidak sama
b. User beriklan di Airbnb
c. Dari iklan dengan harga yang sama ada pendapatan perkamar bias beda
d. Isi menu di tableau( revenue, squad revenue, growth, potential dan conversion,
forcation, newlisting,mbchapter, content chapter,
 e. Sudah ada time seris data
f. Record dari juli 18 tetapi ada dari 2016
g. Data property sendiri
8. Pergantian harga di rubah manual di product yang bersangkutan
a. Historinya ada di trello
b. Data collection belum otomatis, masih manual dan harus lihat screenshot di trello
c. Masi screen shoot untuk history pergantian harga
d. Setalah ganti harga ngecek ocupatioonnya di applikasi lain
e. Algoritma untuk prediksi belum ada
9. Tokeet
a. Pergantian harga history ada di sini
b.
10. Projection revenue
a. Di simpan di dalam dropbox cara untuk prediksi
b. 4 properti yang sama
c. Ada beberapa parameter
d. Di rata2 untuk tiap bulan
e. Dapat prediksi di hitung dari jumlah kamar dari 4 property di bagi dengan jumlah
kamar
f. Dapat extract dari tbleu
g.
11. AIRDNA
a. Kurang akurat
b. Over reporting
c. Very estimasi
d. Bagaimana tahu airdna kamarnya itu di blok / di booking
e. Untuk occupancy bisa di
f.
12. d