Dažādās nozarēs, piemēram, viesnīcu sektorā, vadības sistēmās un stratēģiskajā plānošanā, ir jākoncentrējas uz pašreizējo patērētāju noturēšanu, ieviešot efektīvas klientu apmierinātības un lojalitātes programmas, lai gūtu panākumus tirgū, jo ar jaunu klientu piesaisti vien nepietiek. Klientu apmierinātība viesnīcu sektorā ir ļoti atkarīga no personāla kvalifikācijas, savukārt pārvaldības stratēģija, kuras prioritāte ir klientu apmierinātība, var palielināt klientu lojalitāti, veicinot labvēlīgu priekšstatu par tūrisma galamērķi.

Balstoties uz 2022. gada Biznesa augstskolas Turība Starptautiskā tūrisma fakultātes maģistra programmas absolventa Farnoosh Naderi diplomdarba pētījuma rezultātiem, tiek secināts, ka klientu apmierinātības mērīšana ir viens no svarīgākajiem kritērijiem, ko uzņēmums analizē un izmanto arī zīmola atbalstam. Mūsdienās tehnoloģijas attīstās visos mūsu dzīves aspektos, var izmantot sejas atpazīšanas rīku, lai noteiktu mūsu klientu vecumu un dzimumu, un varētu klasificēt savus klientus dažādās vecuma un dzimuma grupās. Šāda veida klasifikācijas palīdz sniegt labākus pakalpojumus dažādām vecuma un dzimuma grupām, pamatojoties uz viņu vajadzībām, un var radīt korelāciju starp augstas kvalitātes pakalpojumiem un klientu apmierinātības līmeni, tādējādi uzņēmums var uzlabot savu zīmolu, atsakoties no vecās metodes - uz papīra balstītas klientu apmierinātības atsauksmes.

Diplomdarba autors izmantoja eksperimentālu sejas atpazīšanas kodu, lai apmācītu sejas atpazīšanas modeli, kas tika ģenerēts, izmantojot slavenību fotogrāfijas, lai iemācītu modelim, kā atpazīt cilvēka seju no citiem objektiem. Šo mākslīgā intelekta izstrādātāju izveidoto modeļu apmācība palīdz atvieglot un ātrāk veikt sejas atpazīšanas procesu katrā rīkā. Sejas atpazīšanai ir būtiska nozīme, jo tā tiek plaši izmantota no drošības sistēmas līdz komerciālai lietošanai. Lai gan šajā nozarē ir veikti daudzi pētījumi, joprojām ir daži izaicinājumi, lai to uzlabotu. Lai samazinātu kļūdu skaitu un uzlabotu sejas atpazīšanas precizitāti, autors norādīja uz sevis izstrādātu sejas atpazīšanas sistēmu. Sistēmā ir segmentācijas bloks, kurš tika apmācīts, izmantojot CelebAMask-HQ datu kopu.

Sejas iezīmju ekstrakcijas bloks ir galvenais sejas atpazīšanas sistēmas elements. FaceNet ir funkciju ieguves bloks, kas sniedza vismodernāko precizitāti, kur ievades attēliem ir laba kvalitāte, un bez maznozīmīgām iezīmēm ievades datos, piemēram, krāsains fons un frizūra. Rezultāti norāda, ka nevajadzīgo iezīmju noņemšana no ievades datiem pozitīvi ietekmē sejas atpazīšanas precizitāti. Lai optimizētu sistēmas darbību jāpielieto dziļās mācīšanās (Deep learning) paņēmiens, kas var klasificēt objektus un izgriezt tos no attēla.

Tūrisma un viesmīlības nozares uzņēmuma vadītājam ir jāanalizē anketas sistēmā iegūtie dati, lai uzlabotu kvalitāti un veiktu darbības, lai novērstu šī trūkuma dēļ radušās nepilnības. Iegūstot datus par klientu apmierinātību ar uzņēmuma sniegtajiem pakalpojumiem, tālāk iespējams piedāvāt atlaidi vai kuponu, lai klienti būtu ieinteresēti izmantot šī uzņēmuma pakalpojumus atkāroti.