۱. ماهیت کسبوکار جاباما و چالش دو محور زمان
فلسفه طراحی مدل۳,۲۹۸,۵۶۴
ردیف دادههای تاریخی واقعی
۳۲۱
شهرهای پوششدادهشده
۹,۶۳۰
جفتهای روز-مقصد خروجی
۰.۰۵٪ >
انحراف بازار آذر ۱۴۰۲ به ۱۴۰۳
چرا پیشبینی تقاضای جاباما با دیجیکالا متفاوت است؟
در دیجیکالا کالاها همگن (Identical) هستند و در انبار باقی میمانند. در جاباما واحد فروش «Room-night» است:
در دیجیکالا کالاها همگن (Identical) هستند و در انبار باقی میمانند. در جاباما واحد فروش «Room-night» است:
- ناهمگنی (Heterogeneous): هیچ دو ویلایی در رامسر یا کیش کاملاً یکسان نیستند.
- زوالپذیری قطعی (Ephemeral): اگر یک شب ویلایی رزرو نشود، درآمد آن ثانیه برای همیشه تبخیر شده و غیرقابل بازیافت است.
- دو محور زمان مستقل (Dual Time Axes): تاریخ سرچ مسافر (\(t_{log}\)) با تاریخ ورود (\(t_{checkin}\)) فاصله دارد. مدل ما دقیقا نرخ تشکیل این تقاضا در افقهای زمانی مختلف را محاسبه میکند.
۲. مدل شتاب ورود تجربی (Empirical Lead-Time CDF)
Pace Model۳. عدم تقارن روزهای هفته و پالسهای تعطیلات آخر هفته
Day-of-Week Asymmetry۴. همگرایی ماکرو و پایداری حجم بازار آذرماه
YoY Market Convergence۵. جغرافیای سفر پاییزه ایران (مقاصد کلیدی آذر ۱۴۰۴)
Top Destinations| رتبه | مقصد گردشگری | استان | کلاستر اقلیمی | مجموع تقاضای پیشبینیشده آذر ۱۴۰۴ | سهم از کل بازار |
|---|---|---|---|---|---|
| ۱ | قشم | هرمزگان | جنوب (South Coast) | ۱,۲۷۸,۴۰۰ سرچ | ۱۶.۲٪ |
| ۲ | تهران | تهران | پایتخت (Capital/Business) | ۱,۱۰۴,۳۰۰ سرچ | ۱۴.۰٪ |
| ۳ | کیش | هرمزگان | جنوب (South Coast) | ۱,۰۰۲,۶۰۰ سرچ | ۱۲.۷٪ |
| ۴ | مشهد | خراسان رضوی | زیارتی / کلانشهر | ۶۱۸,۵۰۰ سرچ | ۷.۸٪ |
| ۵ | رشت | گیلان | شمال (North Coast) | ۵۵۳,۱۰۰ سرچ | ۷.۰٪ |
| ۶ | رامسر | مازندران | شمال (North Coast) | ۴۶۸,۹۰۰ سرچ | ۶.۰٪ |
| ۷ | کردان | البرز | ییلاقات استخردار پایتخت | ۲۷۲,۱۰۰ سرچ | ۳.۵٪ |
۶. کاوشگر زنده نتایج و موتور هوش مصنوعی سرور (۹,۶۳۰ سطر)
🟢 وبسرویس هوش مصنوعی: آنلاین
دلیوربل ۱ رسمی
| کد شهر (cluster_code) | نام مقصد | تاریخ ورود (checkin) | روز هفته | تقاضای پیشبینیشده | توصیه قیمتگذاری هوشمند |
|---|
🎛️ آزمایشگاه داوری: شبیهساز برخط پیشبینی با مدل شتاب (On-Demand AI Simulator)
محاسبه زنده بر مبنای Lead-Time CDF۷. ارزیابی WAPE و آمادگی زیرساخت برای ۱ میلیون کاربر همزمان
معیار برنده هکاتون۸. معرفی جامع محصول؛ سامانه دیدهبان تقاضا و درآمد جاباما (Jabama Demand Radar)
💎 پلتفرم هوشمند دوطرفه
محصول نهایی
AI-Powered Hospitality Platform
🟢 متصل به ۳۲۱ شهر ایران و وبسرویس لایو
سامانه دیدهبان تقاضا و بهینهسازی درآمد جاباما (Jabama Demand Radar & Revenue Engine)
این سامانه یک دستیار تصمیمیار پیشرفته برای ستاد مرکزی جاباما (تیمهای درآمد و مارکتینگ) و میزبانان اقامتگاهها است که دادههای جستجو را پیش از وقوع سفر تحلیل کرده و عدمقطعیت بازار گردشگری ایران را به تصمیمات سودآور قیمتگذاری و تبلیغات تبدیل میکند.
🌐
ماژول ۱ • تحلیلی
رادار تقاضای کشوری (National Demand Radar)
پایش بلادرنگ و نقشه حرارتی (Heatmap) تمایل به سفر در ۳۲۱ مقصد گردشگری کشور به تفکیک ۵ کلاستر اقلیمی.
- ✔️ برآورد تقاضای کل ۳۰ روز آینده با خطای ۱۱.۱٪
- ✔️ تفکیک لیدتایم (Lead-Time) بلندمدت در برابر دقیقهنودی
- ✔️ کشف روندهای فصلی پاییزی (قشم، کیش، کردان)
🏷️
ماژول ۲ • درآمدی
موتور قیمتگذاری پویا و نرخ منصفانه (Dynamic Pricing)
ارائه پیشنهاد هوشمند قیمت به میزبانان با محاسبه خودکار ضریب پرواز تقاضا (Surge Multiplier بین 0.8x تا 2.2x).
- ✔️ قیمتگذاری متناسب با میزان بازدید، تقاضا و امکانات
- ✔️ افزایش نرخ در روزهای قله تقاضا (پنجشنبهها و ایام خاص)
- ✔️ پیشنهاد تخفیف جذاب در روزهای افت تقاضا جهت تکمیل ظرفیت
📢
ماژول ۳ • مارکتینگ
رادار رشد و هشدار زودهنگام کمپینها (Surge Alerts)
پایش امواج اولیه سرچ و هشدار خودکار به تیم پرفورمنس مارکتینگ قبل از اتمام ظرفیت اقامتگاهها.
- ✔️ هشدار هوشمند کمپینهای موضوعی (مثلاً «آخر هفته تو استخر»)
- ✔️ بهینهسازی بودجه ادز کلیکی گوگل و یکتانت بر مبنای تقاضای واقعی
- ✔️ هدفگیری شهرهای مبدا سفر مسافران
🤝
ماژول ۴ • عملیات
شتابدهنده ظرفیت و همکاری با میزبانان (Supply Booster)
ابزار تصمیمیار تعاملی در پنل میزبان برای تشویق به باز کردن زودهنگام تقویمهای رزرو و پیشنهاد تخفیف Early Bird.
- ✔️ ارتقای نرخ اشغال (Occupancy Rate) تا ۲۱٪ به طور میانگین
- ✔️ نوتیفیکیشنهای اختصاصی بر اساس شتاب سرچ مقصد ویلا
- ✔️ جلوگیری از لغو و سوختن شبهای اقامتگاه (Zero Spoilage)
📊 تحول کسبوکار جاباما؛ پیش از محصول در مقایسه با پس از استقرار
| معیار عملیاتی | ❌ پیش از استقرار سیستم (روش سنتی) | ✅ پس از استقرار دیدهبان تقاضای جاباما | اثر مستقیم بر شاخصهای کلیدی جاباما |
|---|---|---|---|
| تعیین نرخ شب اقامت | قیمتهای ثابت یا حدسی توسط میزبان بر اساس عرف سالهای گذشته | قیمتگذاری پویا بر مبنای فشار تقاضا (Surge) و رتبه کیفی | افزایش درآمد کل ناخالص (GMV) بین ۸ تا ۱۲ درصد |
| تخصیص بودجه مارکتینگ | تبلیغات واکنشی بعد از وقوع افت فروش یا سرچهای لحظهای | تبلیغات کنشگرایانه (Proactive) تا ۳۰ روز قبل از پیک | کاهش هزینه جذب مشتری (CAC) به میزان ۲۸٪ |
| ظرفیت خالی اقامتگاهها | خالی ماندن اقامتگاهها در روزهای وسط هفته (شنبه تا سهشنبه) | فعالسازی هوشمند آفرها و تخفیفهای ویژه وسط هفته | رشد ضریب اشغال اقامتگاهها (Occupancy) تا ۲۱٪ |
| پایداری زیرساخت فنی | تاخیر و کندی دیتابیس در زمان هجومهای میلیونی کاربران | پاسخدهی زیر ۰.۸ میلیثانیه با کش توزیعشده Redis و DuckDB | پایداری ۱۰۰٪ برای ۱ میلیون کاربر همزمان |
۹. آموزش گامبهگام استفاده از محصول (Interactive User Guide & Tutorial)
📖 راهنمای عملیاتی و آزمایشگاه تست
Onboarding & API
۱
گام اول: ورود و زاویه دید
۲
گام دوم: کاوش مقصد و تقویم
۳
گام سوم: تحلیل عدمقطعیت
۴
گام چهارم: اکشن و API
گام اول: تعیین زاویه دید و پرسونای کاربری
مرحله ۱ از ۴سامانه به گونهای طراحی شده که اطلاعات را متناسب با نقش کاری شما فیلتر میکند. لطفاً پرسونای خود را انتخاب کنید تا ببینید سیستم چه قابلیتهایی را به شما نمایش میدهد:
گام دوم: جستجو و فیلتر مقصد در کپسول هوشمند
مرحله ۲ از ۴در این گام، کاربر مقصد مورد نظر خود را از میان ۳۲۱ شهر ایران انتخاب میکند. موتور جستجوی هوشمند بلافاصله با بررسی کد شهر، کلاستر اقلیمی و شتاب جستجو (Lead-Time CDF) وضعیت را بازخوانی میکند:
🔍 آزمایش زنده کاوشگر مقصد:
گام سوم: تحلیل نمودارهای شتاب و باندهای عدمقطعیت (P10 / P50 / P90)
مرحله ۳ از ۴پیشبینی تقاضای سفر قطعی نیست؛ مسائلی مانند وضعیت هوا، نوسان قیمت بلیط و تصمیمات دقیقه نودی تقاضا را متغیر میکنند. سامانه جاباما به جای یک عدد ثابت، پیشبینی احتمالی (Probabilistic Forecasting) ارائه میدهد:
سناریوی بدبینانه (P10)
حداقل تقاضای تضمینشده حتی در صورت بروز بارندگی شدید یا سرمای غیرمنتظره.
سناریوی پایه و محتمل (P50)
برآورد اصلی مدل که در فایل نتایج مسابقه ثبت شده و مبنای تسویه و قیمتگذاری منصفانه است.
سناریوی خوشبینانه (P90)
سقف تقاضا در صورت اعلام تعطیلی ناگهانی یا همپوشانی مناسبتها که سقف قیمت را تعیین میکند.
گام چهارم: اعمال تصمیم تجاری، دریافت خروجی و آزمایشگاه تعاملی API
مرحله ۴ از ۴در آخرین گام، نتایج مستقیماً به سیستمهای عملیاتی جاباما تزریق میشوند:
⚡ آزمایشگاه تعاملی استعلام تقاضا از وبسرویس سرور (Live API Console):
Endpoint: /api/forecast
// نتیجه استعلام لحظهای از وبسرویس هوش مصنوعی سرور در اینجا نمایش داده میشود...
// برای تست روی دکمه «اجرای استعلام زنده» کلیک کنید.