Big data en la gestión hotelera: no se puede ignorar el uso

fuente

La temporada se acerca a la tan esperada temporada de vacaciones de verano, y muchos ya han elegido por sí mismos el destino turístico muy codiciado, lo que les dio la fuerza durante meses para atravesar la agonía de los plazos y las horas extra. El atesorado "viaje soñado", que será tan agradable de recordar más tarde en las noches de otoño e invierno, ya está muy cerca.

Al elegir una casa de vacaciones, muchos probablemente usarán Booking.com. El artículo sugiere mirar a Booking.com "desde el otro lado de la interfaz" a través de los ojos de quienes administran el hotel y establecen los precios del alojamiento. Más específicamente, se consideran las herramientas de Booking.com Analytics y la posibilidad de utilizar los datos para gestionar las ventas en un hotel. Como ejemplo, hay casos para un mini hotel ubicado en Camboya, que tuve el honor y el placer de administrar.

¿Por qué Camboya?

Como breve introducción, intentaré explicar por qué el hotel de mis sueños terminó en Camboya. Lo más importante es el entorno empresarial leal en este país. Hoy es el único país de Asia en el que un extranjero puede registrar legalmente un negocio a su nombre y, al mismo tiempo, puede viajar a Camboya por un tiempo ilimitado con una visa de negocios. El costo de TODOS los permisos para un mini-hotel, por ejemplo, es de aproximadamente 400 dólares estadounidenses por año (incluida una licencia del Ministerio de Comercio, una licencia del ayuntamiento local, una patente fiscal y un permiso de trabajo individual en el país). Al preparar los documentos enumerados, no existen dificultades particulares, y al inspeccionar el negocio por parte de los organismos estatales, la disponibilidad de permisos es una condición necesaria y suficiente para evitar cualquier tipo de extorsión.

Los bollos extra son todas las delicias de vivir en Asia. Precios asequibles, una población no agresiva, el mar y la hermosa naturaleza, un clima cálido, que incluye un período de monzón bastante templado, frutas, verduras y mariscos frescos durante todo el año, una "vida simple" que no requiere calefacción, inversión en invierno o ropa y zapatos de marca, en la renovación de apartamentos, en autos caros y otros atributos de una "vida exitosa".

También hay desventajas: "tontos y caminos", electricidad costosa ($ 0.20 por kilovatio hora), la ausencia casi completa de medicamentos y otros problemas de infraestructura (problemas con el trabajo de la policía, los servicios de bomberos, el sistema educativo, los servicios públicos, etc. ), problemas con la basura (sin embargo, esto es típico de muchos países asiáticos, y durante las "guerras de basura", y para los europeos).

Hay varios artículos sobre el centro ( tyts y tyts ), objetivamente, en mi opinión, que reflejan el estado de las cosas y las condiciones de vida en Camboya, por lo tanto, no desarrollaré más este tema.
Entonces, Camboya, la ciudad turística de Kep , el hotel Chateau Puss in Boots , 2019.

Observaciones introductorias y limitaciones

Para las ventas, actualmente solo usamos Booking.com y AirB & B. Puede hablar mucho sobre las ventajas y desventajas de estos y otros servicios, pero en este caso es importante que los clientes vengan y vengan de estos servicios, pero no de otros. Antes de Kep, mi esposa y yo teníamos un hotel en Sihanoukville, e incluso antes, en Morjim, Goa, y allí teníamos la misma imagen a través de los canales de venta. En AirB & B, el análisis aún está en pañales, por lo que solo se considera Booking.com. Y aquí solo tenemos una palanca principal de gestión de ventas: este es el precio de una habitación por noche.

Por supuesto, otros factores influyen en las ventas. Por ejemplo, una calificación basada en comentarios de huéspedes. Las estadísticas de calificación están presentes en el análisis de Booking.com, y lo consideraremos a continuación.

Mucho depende de las condiciones turísticas del lugar. Kep , por ejemplo, es un pequeño pueblo con una infraestructura de resort desarrollada promedio. Para muchos, este es solo un punto de tránsito en la frontera entre Camboya y Vietnam. Sin embargo, la energía de la riviera francesa colonial, el mar y las islas, montañas y cuevas, pagodas y parques nacionales están haciendo su trabajo, y el flujo constante de turistas en la temporada llena con bastante confianza los hoteles locales.

Un punto importante que afecta las ventas es el concepto y las "fichas" del hotel, que ayudan al cliente a tomar la decisión correcta y estimulan un "reconocimiento" intuitivo del lugar donde se sentiría cómodo. Esta pregunta está relacionada con el establecimiento de objetivos, la misión y la visión del mundo del propietario del negocio y está más allá del alcance de este artículo.

Además, se deben hacer varias suposiciones importantes para comprender las limitaciones del estudio:

• se tratará de un mini-hotel privado (entre las definiciones que encontré indican que el mini-hotel puede tener hasta 15 habitaciones), en el que no hay procedimientos corporativos, y todo se simplifica al límite para reducir los costos generales; por lo tanto, todas las actividades operativas se concentran en manos de los propietarios sin la participación de ninguna unidad estructural; por ejemplo, solo tenemos un limpiador trabajando en el hotel, mi esposa y yo hacemos el resto nosotros mismos con la subcontratación de trabajos complejos de reparación y construcción; si necesita irse durante 1-2 días, es decir, un acuerdo con el administrador entrante;
• no se considera la estructura del precio por habitación, los gastos y las oportunidades de ingresos adicionales (bar y restaurante, alquiler de bicicletas y motos, venta de boletos y excursiones, etc.)
• No se considera el enfoque general para la gestión hotelera; sin embargo, este es un marco interesante sobre el cual escribí en un formato ligeramente diferente ; Si el tema es de interés, también haré una publicación en el centro sobre el tema de la gestión en un mini-hotel.

Funcionalidad de Analytics de Booking.com

Booking.com Analytics se lanzó en 2016 como una herramienta para ayudar a los gerentes de hoteles a analizar las reservas y las estadísticas de ventas. El sistema admite la interfaz rusificada, pero, en mi opinión, es importante hacer referencia a la fuente para no distorsionar la terminología básica.

Booking.com Analytics incluye las siguientes secciones:

• El Panel de Análisis agrega datos para una revisión de los indicadores logrados, incluyendo el número de noches reservadas por categoría de habitación, ingreso de habitación (cantidad total pagada por los huéspedes) y tarifa diaria promedio (ADR), que es el ingreso de la habitación dividido por el número de noches pagadas. ; El Panel de análisis también contiene enlaces a los informes principales que se analizan brevemente a continuación;
• Pace Report le permite comparar el volumen de ventas en Booking.com con los mismos períodos del año anterior, así como comparar las ventas con datos agregados de sus competidores;
• Estadísticas de ventas proporciona un corte de ventas para cualquier período del año pasado;
• Booker Insights proporciona información detallada sobre los huéspedes del hotel, incluido el país, el dispositivo utilizado para la reserva y el propósito del viaje;
• Bookwindow Information muestra cómo los primeros clientes de Booking.com reservan sus habitaciones;
• Las características de cancelación contienen información sobre el porcentaje de reservas canceladas;
• El Guest Review Score contiene datos sobre los comentarios de los huéspedes del hotel y las calificaciones del hotel en una escala de 10 puntos por parte de los huéspedes;
• Manage Competitive Set le permite seleccionar hasta diez hoteles en su región para comparar sus propios Indicadores clave de rendimiento (KPI) con los KPI de sus competidores más cercanos;
• Genius Report muestra el porcentaje de reservas realizadas de acuerdo con el programa Genius (descuentos para viajeros frecuentes);
• Ranking Dashboard demuestra cuán efectivas son las ventas de hoteles cuando los huéspedes buscan alojamiento en una región determinada.

Para el análisis de datos, se pueden seleccionar rangos de fechas de 7, 14, 30, 60, 90 o 365 días. Además, existen características adicionales para el análisis de datos al comparar:

• resultados propios con indicadores del año pasado;
• resultados propios con indicadores de un grupo de competidores, que incluye hasta diez hoteles, designados por elección;
• Resultados propios con indicadores del mercado, que incluye todas las instalaciones en la ubicación del hotel.

Ejemplos de Big Data de Booking.com Analytics

Esta sección no pretende ser una generalización, especialmente porque la imagen puede cambiar de mes a mes. Estos son solo ejemplos del uso de las herramientas integradas de Booking.com Analytics.

Por ejemplo, en Booker Insights puede ver estadísticas sobre países desde los cuales los turistas reservan habitaciones de hotel. Las características nacionales de los turistas es un tema aparte, que puede discutirse durante mucho tiempo. Por lo tanto, las estadísticas de los países también son bastante fascinantes. Cada país tiene sus propias preferencias, y esto afecta la distribución de la audiencia objetivo del hotel. Aunque, a veces hay valores atípicos estadísticos inesperados. Por ejemplo, en medio de la temporada turística, obtuvimos esa imagen. Nuestro hotel se destaca en un color más brillante y la situación del mercado es más pálida.


Datos analíticos de Booking.com: distribución de huéspedes del hotel por país

Los turistas de Camboya y Francia representan aproximadamente el 50% del mercado turístico en Kep, sin embargo, en nuestro hotel representaron solo el 15% y el 14%, respectivamente. Esto puede explicarse por el conservadurismo de los turistas camboyanos a quienes les gusta alojarse en hoteles administrados por propietarios camboyanos. Lo mismo se explica por el bajo porcentaje de turistas franceses, muchos de los cuales hablan mal o no hablan inglés en absoluto. A los turistas rusos también les gusta cuando el personal del hotel habla ruso, y esto explica por qué representan más del 10% de los huéspedes frente al 1,4% del mercado. En cuanto a los turistas de Nueva Zelanda (10% de las reservas en nuestro hotel frente al 0.6% del mercado) y suizos (8.7% de las reservas en nuestro hotel frente al 2.4% del mercado), el mayor porcentaje puede explicarse por una buena relación calidad-precio , ya que los turistas de estos países son conservadores en términos de evitar costos innecesarios. El informe detallado de Booker Insights también contiene información dividida por país con respecto a la tarifa diaria promedio de la habitación, la duración promedio de la estadía y la frecuencia de la cancelación. Estos datos son importantes para predecir el comportamiento de los turistas por país. Por ejemplo, los huéspedes de Camboya a menudo cancelan sus reservas.

El siguiente diagrama de la sección Información de Bookwindow proporciona información sobre la distribución de la ventana de reserva, es decir. cuántos días antes de la llegada, los huéspedes reservan habitaciones.


Datos analíticos de Booking.com: distribución de la ventana de reserva

La gran ventana de reserva ofrece más opciones para determinar la tarifa diaria de la habitación. Además, las tarifas de las habitaciones deben tener en cuenta los feriados locales y mundiales para establecer los precios de los feriados por adelantado. Las estadísticas dicen que pocos invitados reservan una habitación por más de 30 días. Además, alrededor del 70% de todas las reservas se realizaron inmediatamente antes de la llegada. Esto no es muy bueno, ya que aumenta el riesgo de que las habitaciones permanezcan sin llenar, y además, se requiere un ajuste más cuidadoso de la tarifa diaria de la habitación para la fecha real.

Un indicador importante que afecta a cualquier negocio hotelero es el porcentaje de cancelación de reservas, cuyos datos están disponibles en la sección Características de cancelación (ver el diagrama a continuación). Aquí también en la parte superior de cada una de las bandas, nuestro hotel se destaca en un color más brillante y la situación del mercado es más pálida.


Datos analíticos de Booking.com: Distribución Distribución de frecuencia Distribución

La cancelación de último minuto generalmente causa estrés, ya que reduce significativamente la ventana de reserva y aumenta el riesgo de que la habitación cancelada no se agote. Desafortunadamente, para el ejemplo analizado, el 34% de las reservas fueron canceladas, mientras que la tasa de cancelación para el mercado en cuestión es del 28%. La mayoría de las cancelaciones se deben a la ventana de reserva por más de un mes. Es difícil desarrollar una estrategia efectiva para reducir la cantidad de cancelaciones. Las personas a menudo cambian de plan, o pueden encontrar que la oferta de algún otro hotel les resulta más atractiva. Intentamos comunicarnos con el huésped tan pronto como recibimos la reserva, pero esta estrategia tampoco siempre es exitosa.

El negocio hotelero depende en gran medida de la reputación que Booking.com determine en función de las opiniones de los huéspedes. La calificación se establece en el rango de 2.5 a 10 para las siguientes características del hotel: limpieza, comodidad, ubicación, comodidades, personal y relación calidad-precio. La sección Puntaje de revisión del huésped contiene detalles de cada una de las revisiones y también proporciona valores agregados de calificación de hoteles. El diagrama muestra datos sobre el número de revisiones recibidas en cada uno de los meses, y el gráfico muestra el valor de calificación final para los resultados de cada mes. Los resultados de nuestro hotel (un gráfico más brillante y un histograma) se comparan con los resultados promedio de los diez competidores más cercanos.


Datos analíticos de Booking.com: calificación del hotel basada en comentarios de huéspedes

Booking.com apoya el programa de fidelización Genius. Los usuarios registrados de Genius en Booking.com reciben descuentos en reservas del 10% o más. Para atraer a los viajeros Genius, el hotel debe apoyar este programa. El problema para el hotel es que la reducción de precios se produce únicamente debido a una disminución en los ingresos propios. Esto significa que el precio para los huéspedes con estado Genius es solo del 90% (a veces incluso del 85%) del precio diario declarado de una habitación en Booking.com. Por otro lado, muchos usuarios de Booking.com participan en el programa Genius, y estos usuarios lo aprecian cuando el hotel apoya el programa. Por lo tanto, participar en el programa Genius puede aumentar los ingresos generales del hotel, aunque se reduzca la tarifa diaria de la habitación. Es importante recordar que la tarifa diaria de la habitación debe tener en cuenta el riesgo de una reducción del 10% o del 15% en las tarifas de las habitaciones para los huéspedes Genius. Los huéspedes geniales representan más del 50% de todos los clientes, lo que demuestra la efectividad de la participación del hotel en el programa. Esta información está disponible en la sección Genius Report.


Datos analíticos de Booking.com: relación de reservas Genius

Los datos integrados sobre las actividades del hotel están disponibles en la sección Panel de clasificación, donde se presentan una serie de indicadores que, según Booking.com, afectan el indicador de ingresos del hotel.

Los datos se proporcionan en comparación entre nuestro hotel y los resultados promedio del mercado:

• La conversión es el porcentaje de visitas a la página de un hotel convertido en una reserva (la relación entre el número de reservas y el número de visitas a la página de un hotel en Booking.com);
• Tarifa diaria promedio (precio promedio por noche), el ingreso combinado recibido de las habitaciones vendidas dividido por el número de habitaciones vendidas;
• Las cancelaciones muestran el porcentaje de todas las reservas que se han cancelado;
• El puntaje de revisión (calificación de los huéspedes) se calcula utilizando las calificaciones otorgadas por los huéspedes del hotel;
• La puntuación de la página de propiedad (calificación de la página del hotel) muestra cuán llena está la página del hotel en términos de información y fotos;
• La puntuación de respuesta tiene en cuenta la rapidez con que el hotel responde a los huéspedes.

Teniendo en cuenta los seis factores anteriores que pueden afectar los ingresos del hotel, tiene sentido considerar las dependencias respectivas. Sin embargo, algunos indicadores (cancelación de reservas, calificación de huéspedes, calificación de página de hotel, calificación de respuestas) solo pueden afectar indirectamente los ingresos. Por lo tanto, es imposible encontrar la relación entre los ingresos del hotel y los factores indirectos. Desde el punto de vista del análisis de big data, son prometedores el porcentaje de conversión y el precio diario de una habitación. En la siguiente sección, consideraremos hipótesis relacionadas con las dependencias del ingreso en la conversión y el precio diario.

Hipótesis para administrar el precio de la habitación basado en big data

Entonces, usando Booking.com Analytics, tenemos acceso a grandes datos que reflejan el estado de las ventas en el hotel. Me gustaría entender cómo el uso de estos datos puede ayudar a determinar el precio óptimo por habitación.

La ciencia económica sugiere que existen curvas de oferta y demanda, y por lo tanto, un precio óptimo que le permite extraer el máximo beneficio de la venta de un producto o servicio. Los errores del primer tipo (elevar el precio por encima del óptimo) hacen que los clientes se nieguen a comprar, y los errores del segundo tipo (bajar el precio por debajo del óptimo) conducen a una disminución de las ganancias, y no es el hecho de que aumente el número de ventas.

Por lo tanto, presentamos la Hipótesis 1 (G1) : existe una relación entre el volumen de ventas de números S y el costo de una habitación por noche C.

Formalmente, para cada día calendario para cada uno de los números, esto puede describirse mediante el siguiente criterio minimax:
S = max (C) ˄ f = 1, donde S es la rotación de la venta de la habitación numéricamente igual al costo de vida en la habitación C = {Cmin ... Cmax} (el valor del precio pertenece a un cierto rango); f = {0; 1} - indicador binario de la venta del número: f = 0 si el número no se vende yf = 1 si se vende el número.

Si hay varios números del mismo tipo, no todos los números se pueden vender todos los días, además, el precio Ci para el mismo número puede cambiar durante la ventana de ventas, y el criterio minimax se ve así:
S = max ( $$$\ Sigma$Ci) ˄ F = $$$\ Sigma$fi, donde Ci es el precio de una habitación (el precio de una habitación de la misma categoría puede cambiar), fi = {0; 1} es un indicador binario de la venta de un número, F = {0..N} es el número de habitaciones vendidas en una categoría, el número total que es N.

Si un hotel tiene varias categorías de habitaciones, para cada una de ellas se aplica el criterio anterior, y la rotación total del hotel se forma como la suma de las ventas de todas las categorías de habitaciones, o todo se puede reducir a una fórmula general si aumenta la dimensión agregando otro índice.

Analicemos la dependencia mutua de las ventas y las tarifas de habitaciones (hipótesis G1 ).No daré datos económicos detallados, solo mostraré el resultado general. Para analizar la relación entre dos series de datos, utilizamos el coeficiente de correlación de Pearson, calculado como la razón de covarianza al producto de las desviaciones estándar:



Para el cálculo, se utiliza MS Excel, en el que se realiza la contabilidad mensual del hotel. Por lo tanto, el coeficiente de correlación se calcula convenientemente mensualmente. Se recomienda que el número de observaciones sea al menos 10 veces el número de factores, y el número de días (observaciones) por mes se ajusta a esta recomendación. Lanzamos el hotel justo antes del Año Nuevo de 2019, por lo tanto, a partir de junio de 2019, hemos acumulado estadísticas durante solo 5 meses (150 días de observación). Hay discordia durante un mes, y los valores del coeficiente de correlación difieren significativamente, de 0.51 en marzo a 0.93 en febrero. Entonces, en algunos meses, la hipótesis G1no confirmado, y la relación entre el costo del número y las ventas no existe. Sin embargo, para aquellos meses en los que r> 0.75, podemos hablar sobre la presencia de una dependencia de una variable aleatoria sobre otra, es decir. Se confirma la hipótesis G1 . Es mejor analizar todo el conjunto de datos, porque si tenemos cientos de veces el número de observaciones que exceden el número de factores, entonces nos estamos acercando a la ley de los grandes números. Durante cinco meses, también se confirmó la hipótesis G1 (r = 0,80). A continuación se muestran los valores del coeficiente de correlación para cada uno de los últimos meses del año en curso, así como el valor integral de 5 meses. Permítame recordarle que estamos investigando la dependencia del volumen diario de ventas del precio promedio de la habitación para un día determinado.

Valores del coeficiente de correlación r (S, C)


Obviamente, el volumen de ventas depende del número de números vendidos. Sin embargo, no se encontró una correlación entre el número de habitaciones vendidas por día y el precio promedio diario de una habitación (r = 0.51 para toda la muestra de datos).

MS Excel también puede construir diagrama de dispersión, añadiendo a la misma un gráfico y una ecuación de regresión lineal y regresión para determinar la fiabilidad del valor de aproximación R ² . La regresión puede dar resultados confiables si para ello R ² > 0.8. A esto no era posible conseguir la regresión completa muestreo preciso debido a que la precisión de la aproximación fue de R ² = 0,64. Sin embargo, esto es posible para esos meses cuando r> 0.9. Por ejemplo, para febrero obtuvimos R² = 0,86. Febrero está marcado por el volumen de ventas más significativo del año debido al Año Nuevo chino, que dura más de una semana y asegura la ocupación total del hotel a precios altos de vacaciones.

La regresión lineal no tiene sentido en términos de optimización, ya que dice que cuanto mayor sea el precio, mayor será el beneficio. Sin embargo, el precio debe estar dentro de un rango razonable comparable al precio de los competidores más cercanos.

Desde el punto de vista de la gestión de ventas, lo más crítico es el área en la que las ventas diarias fueron inferiores a 30 pies cúbicos, y es especialmente crítico cuando las ventas fueron de 0 pies cúbicos Sin embargo, nuestras estadísticas no proporcionan una respuesta a la pregunta de qué valor del precio diario es óptimo, ya que con un precio en el rango de 12 a 20 pies cúbicos las ventas variaron de 0 a 6 números por día, y esto no dependía de otros factores del calendario (por ejemplo, día de la semana o días festivos próximos).

Otra suposición es que mientras más turistas busquen alojamiento en su área y más turistas naveguen por la página de su hotel, más reservas recibirá. Booking.com Analytics proporciona dichos datos. Por ejemplo, en el cuadro a continuación, los resultados de búsqueda para la ciudad de Kep (Camboya) por día. La conversión es 132/79 377 = 0.16%, es decir, para 10,000 turistas que buscan vivienda, obtenemos 16 reservas.


Datos analíticos de Booking.com: número de solicitudes de búsqueda por región

Formular hipótesis 2 (H2) : existe una relación entre el volumen de ventas de números S y el número de consultas de búsqueda por día R.

Sin embargo, los coeficientes de correlación obtenidos para una muestra completa de datos durante 5 meses y mensualmente no excedieron 0.5, lo que indica la ausencia de una relación entre dos variables aleatorias. Esto se aplica tanto al número de consultas de búsqueda en la región, como al número de páginas vistas de un hotel en Booking.com.

Conclusión

Este artículo analiza las capacidades de las herramientas de análisis de Booking.com diseñadas para analizar grandes datos relacionados con la venta de habitaciones de hotel. En base a la información disponible, se presentaron dos hipótesis. Se

confirmó la hipótesis 1 (G1) : existe una correlación entre el volumen de ventas de números S y el costo de una habitación por noche C.

Para analizar la confiabilidad de la hipótesis, se determinó el coeficiente de correlación de Pearson r (S, C) para los datos de los primeros cinco meses de 2019 (r = 0.80) y mensual (valor máximo r = 0.93 en febrero), lo que indica la presencia de una relación entre los dos serie de datos La regresión es lineal (cuanto mayor es el precio, mayor es el beneficio), lo que hace imposible optimizar el valor de la tarifa diaria de la habitación. Sin embargo, el precio por día debe estar en un rango razonable comparable al precio de los competidores más cercanos. Tampoco fue posible determinar el valor óptimo del número de habitación por un método numérico, basado en el diagrama de dispersión. Hipótesis

no confirmada 2 (H2) : existe una relación entre el volumen de ventas de números S y el número de búsquedas por día R.

A pesar de la disponibilidad de big data, por el momento no es posible formular una estrategia de gestión de ventas basada únicamente en indicadores estadísticos. Quizás estos patrones dependen de tales energías que las estadísticas no están dominadas. La teoría ondulatoria de los negocios es conocida y, desde mi punto de vista, tiene sentido. Si construimos una dependencia simple de las ventas en la fecha del calendario, entonces claramente veremos picos y caídas alternas. Por lo tanto, es necesario "atrapar la ola", utilizando, entre otras cosas, la experiencia y la intuición.

Este artículo no pretende ser la verdad definitiva, esta es solo mi experiencia, que quería compartir.

¡Y todo lo que tengo que hacer es desear a los lectores el máximo disfrute al usar los servicios de reserva y viajes inolvidables!