[星野 Tomamu] 我們用 AI 排行程:等待時間監測服務實測心得

星野 Tomamu 餐廳和溫泉要等多久?我們每 10 分鐘抓一次官方等待時間,讓 AI 算出發時間,Hal 早餐從等 30 分鐘縮到不用 10 分鐘。

Share
[星野 Tomamu] 我們用 AI 排行程:等待時間監測服務實測心得

先講結論:我們自己寫了一個 AI 工具,每 10 分鐘自動抓一次 Tomamu 各餐廳和溫泉的等待時間,存成歷史資料,然後用 AI 幫我們算出最佳的出發時間。實測結果,Hal 早餐從等 30 分鐘縮短到不用 10 分鐘。

Tomamu 官方其實本來就有提供即時等待時間的查詢,這件事做得很好,整合得很完整。但問題是:你不可能每十分鐘刷一次,再自己判斷「現在去對不對」。所以我們在這個基礎上加了一層自動化。

官網就查得到木林之湯現在擠不擠
官網就查得到木林之湯現在擠不擠

為什麼要做這件事

螢火蟲街(Hotaru Street)是 Tomamu 最熱門的餐廳聚集地。在雪地小屋區等吃飯聽起來很浪漫,但現實是:在戶外等吃飯冷得要死。

晚上的螢火蟲街 / 排隊都在戶外
晚上的螢火蟲街 / 排隊都在戶外

多餐廳等待空間很小,現場等候只能站在外面。
沒有遮風的地方。風一吹,真的很想放棄。(事實上我們也是這樣,沒有馬上可吃的東西就換一間)

Hal 早餐是人氣最高的,如果沒有抓對時間去,等 30 分鐘是很正常的事。
雖然我們已經提早半小時吃早餐,但想到等等要上課,時間也是有點緊,我們嘗試了一次就決定一定要想辦法解決這件事(畢竟我們是搞科技的嘛,能自動化的事情絕對不要用人工)。

Hal 的早餐盤 / 為了它值得早點出門
Hal 的早餐盤 / 為了它值得早點出門

而且等待時間在某些時段幾乎沒有規律,你很難靠感覺預測。早一點去不一定人少,晚一點去也不一定人多——要看那天的天氣、人潮分布、課程安排。

早上 7 點多的森林餐廳已經坐了不少人
早上 7 點多的森林餐廳已經坐了不少人

還有一件事情,就是餐廳並沒有在你的房間樓下,所以你走到餐廳之間的時間(短則 5-10 分鐘,長可以到 15-20 分鐘,用餐時間電梯也很搶手,三台電梯運送 36 樓的人),所以等你到餐廳,等待狀況可能又有變化了

走去吃飯的連通道 / 長到看不到底
走去吃飯的連通道 / 長到看不到底

這套服務怎麼運作

架構很簡單:每 10 分鐘自動抓一次 Tomamu 官方的等待時間資料,存成 CSV,累積成歷史紀錄。監測的對象是不能預約的地方——可以預約的你就直接訂位了,不需要 AI;真正讓人頭痛的是那些只能排隊等的地點。

查詢的時候,直接跟 AI 說你的需求:「明天早上想 7:30 左右吃早餐,幾點出門等最少?」AI 會根據歷史資料給你建議,同時告訴你預期要等多久。


實測結果:Hal 早餐從等 30 分鐘到不用 10 分鐘

這是最直接的數字。

第一天沒用這個工具,我們隨便挑了個 7:35 到,等了快半小時。
後來穿裝備趕上課超緊張。

後來根據 AI 的建議,改成 7:20 到。那個時間點的歷史資料顯示等待時間大多在 10 分鐘以內。實測完全準確——報到、帶位、開始吃,整個過程非常順,完全沒有在外面乾等。

抓對時間出門 / 號碼牌抽到 1 號
抓對時間出門 / 號碼牌抽到 1 號

就差了十五分鐘出門,省了三十分鐘排隊。之後每天早上我們都用這個方式決定幾點出發,再也沒有站在外面哭哭等超久過。


不只餐廳,溫泉也有監測

溫泉(木林之湯)也在監測範圍內。溫泉空間不大,現場報到後會發叫號機,熱門時段是要等的,溫泉這邊另一個問題是,這個空間因為是溫水游泳池,整個空間超熱的,你如果穿大衣、搭接駁過來,在這裡面等你會熱死,所以在這裡等待也是另一種辛苦。

室內溫水游泳池這一區超熱 / 穿大衣等會熱死
室內溫水游泳池這一區超熱 / 穿大衣等會熱死

但總之一般來說傍晚到晚上 9 點前是高峰,太早或比較晚去差異很明顯。AI 的建議在這個部分也蠻準的,基本上照著走就不太需要等(滑完雪就來泡是好時機)。


最大的價值:不是省時間,是省腦力

說實話,這套工具對我們最大的幫助,不是「省了多少分鐘排隊」,而是「不用再花腦力想這件事」。

每天早上滑雪之前,問一下 AI:今天早餐幾點去最好?晚上泡湯哪個時段人比較少?然後照著走就好。

早上拉開窗簾看雪況 / 順便問 AI 早餐幾點去
早上拉開窗簾看雪況 / 順便問 AI 早餐幾點去

不用自己分析、不用猜、不用碰運氣。這趟旅程我們幾乎沒有在任何地方等超過 10 分鐘,把時間都花在真正想做的事情上了。