Big Data im Hotelmanagement: Die Nutzung kann nicht ignoriert werden

Quelle

Die Saison nähert sich der lang erwarteten Saison der Sommerferien, und viele haben sich bereits das gewünschte Touristenziel ausgesucht, das ihnen monatelang die Kraft gab, durch die Wildnis der Fristen und Überstunden zu waten. Die geschätzte „Traumreise“, an die man sich später am Herbst- und Winterabend so angenehm erinnern wird, ist bereits sehr nah.

Bei der Auswahl eines Ferienhauses werden wahrscheinlich viele Booking.com verwenden. Der Artikel schlägt vor, Booking.com „von der anderen Seite der Benutzeroberfläche“ mit den Augen derjenigen zu betrachten, die das Hotel verwalten und die Preise für Unterkünfte festlegen. Insbesondere werden die Tools von Booking.com Analytics und die Möglichkeit der Verwendung der Daten zur Verwaltung von Verkäufen in einem Hotel berücksichtigt. Als Beispiel gibt es Fälle für ein Mini-Hotel in Kambodscha, die ich mit der Ehre und dem Vergnügen verwalten durfte.

Warum Kambodscha?

Als kurze Einführung werde ich versuchen zu erklären, warum das Hotel meiner Träume in Kambodscha gelandet ist. Das Wichtigste ist das loyale Geschäftsumfeld in diesem Land. Heute ist es das einzige Land in Asien, in dem ein Ausländer ein Unternehmen legal in seinem Namen registrieren kann und gleichzeitig mit einem Geschäftsvisum für unbegrenzte Zeit nach Kambodscha reisen kann. Die Kosten für ALLE Genehmigungen für ein Mini-Hotel betragen beispielsweise etwa 400 US-Dollar pro Jahr (einschließlich einer Lizenz des Handelsministeriums, einer Lizenz des örtlichen Rathauses, eines Steuerpatents und einer individuellen Arbeitserlaubnis im Land). Bei der Erstellung der aufgeführten Dokumente treten keine besonderen Schwierigkeiten auf, und bei der Überprüfung des Geschäfts durch staatliche Stellen ist die Verfügbarkeit von Genehmigungen eine notwendige und ausreichende Voraussetzung, um jede Art von Erpressung zu vermeiden.

Zusätzliche Brötchen sind die Freuden des Lebens in Asien. Erschwingliche Preise, eine nicht aggressive Bevölkerung, das Meer und die wunderschöne Natur, ein warmes Klima, einschließlich einer recht milden Monsunzeit, ganzjährig frisches Obst, Gemüse und Meeresfrüchte, ein „einfaches Leben“, das keine Heizung, Investitionen in den Winter oder Markenkleidung und -schuhe erfordert; bei der Wohnungsrenovierung, bei teuren Autos und anderen Attributen eines „erfolgreichen Lebens“.

Es gibt auch Nachteile: „Narren und Straßen“, teurer Strom (0,20 USD pro Kilowattstunde), das fast vollständige Fehlen von Medikamenten und andere Infrastrukturprobleme (Probleme mit der Arbeit der Polizei, der Feuerwehr, des Bildungssystems, der öffentlichen Versorgungsunternehmen usw.). ), Probleme mit dem Müll (dies ist jedoch typisch für viele asiatische Länder und während der „Müllkriege“ und für europäische).

Es gibt mehrere Artikel zum Thema Hub ( Tyts und Tyts ), die meiner Meinung nach objektiv den Stand der Dinge und die Lebensbedingungen in Kambodscha widerspiegeln. Daher werde ich dieses Thema nicht weiterentwickeln.
Also, Kambodscha, der Ferienort Kep , das Hotel Chateau Puss in Boots , 2019.

Einleitende Bemerkungen und Einschränkungen

Für den Verkauf verwenden wir derzeit nur Booking.com und AirB & B. Sie können viel über die Vor- und Nachteile dieser und anderer Dienste sprechen, aber in diesem Fall ist es wichtig, dass Kunden von diesen Diensten zu uns kommen, aber nicht von anderen. Vor Kep hatten meine Frau und ich ein Hotel in Sihanoukville und noch früher in Morjim, Goa, und dort hatten wir das gleiche Bild über Vertriebskanäle. Bei AirB & B steckt die Analytik noch in den Kinderschuhen, sodass nur Booking.com berücksichtigt wird. Und hier haben wir nur einen Haupthebel des Verkaufsmanagements - dies ist der Preis für ein Zimmer pro Nacht.

Natürlich beeinflussen andere Faktoren den Umsatz. Zum Beispiel eine Bewertung basierend auf Gästebewertungen. Bewertungsstatistiken sind in der Analyse von Booking.com enthalten, und wir werden sie im Folgenden betrachten.

Viel hängt von den touristischen Bedingungen des Ortes ab. Kep zum Beispiel ist ein kleines Dorf mit einer durchschnittlich entwickelten Resortinfrastruktur. Für viele ist dies nur ein Transitpunkt an der Grenze zwischen Kambodscha und Vietnam. Die Energie der kolonialen französischen Riviera, des Meeres und der Inseln, der Berge und Höhlen, der Pagoden und der Nationalparks macht jedoch ihren Job, und der ständige Touristenstrom in der Saison erfüllt die örtlichen Hotels mit Zuversicht.

Ein wichtiger Punkt, der sich auf den Verkauf auswirkt, sind das Hotelkonzept und die „Chips“, die dem Kunden helfen, die richtige Wahl zu treffen und eine intuitive „Erkennung“ des Ortes zu fördern, an dem er sich wohl fühlen würde. Diese Frage bezieht sich auf die Zielsetzung, Mission und Weltanschauung des Geschäftsinhabers und geht über den Rahmen dieses Artikels hinaus.

Darüber hinaus müssen einige wichtige Annahmen getroffen werden, um die Grenzen der Studie zu verstehen:

• Es handelt sich um ein privates Mini-Hotel (unter den Definitionen, die ich gefunden habe, heißt es, dass das Mini-Hotel bis zu 15 Zimmer haben kann), in dem es keine Unternehmensverfahren gibt und alles bis zum Limit vereinfacht wird, um die Gemeinkosten zu senken. Daher konzentrieren sich alle operativen Aktivitäten auf die Eigentümer, ohne dass strukturelle Einheiten beteiligt sind. Zum Beispiel haben wir nur einen Putzer im Hotel, meine Frau und ich erledigen den Rest selbst, indem wir nur komplexe Reparatur- und Bauarbeiten auslagern. Wenn Sie 1-2 Tage abreisen müssen, dh eine Vereinbarung mit dem eingehenden Administrator.
• Die Struktur des Zimmerpreises, der Kosten und der zusätzlichen Verdienstmöglichkeiten (Bar und Restaurant, Verleih von Fahrrädern und Motorrädern, Verkauf von Tickets und Ausflügen usw.) wird nicht berücksichtigt
• Der allgemeine Ansatz für das Hotelmanagement wird nicht berücksichtigt. Dies ist jedoch ein interessanter Rahmen, über den ich in einem etwas anderen Format geschrieben habe . Wenn das Thema von Interesse ist, werde ich auch einen Beitrag zum Thema Management in einem Mini-Hotel auf dem Hub verfassen.

Booking.com Analytics-Funktionalität

Booking.com Analytics wurde 2016 als Tool gestartet, mit dem Hotelmanager Buchungen und Verkaufsstatistiken analysieren können. Das System unterstützt die russifizierte Schnittstelle, aber meiner Meinung nach ist es wichtig, auf die Quelle zu verweisen, um die grundlegende Terminologie nicht zu verzerren.

Booking.com Analytics umfasst die folgenden Abschnitte:

• Das Analytics Dashboard aggregiert Daten für eine Überprüfung der erreichten Indikatoren, einschließlich der Anzahl der gebuchten Nächte nach Zimmerkategorie, des Zimmereinkommens (von Gästen gezahlter Gesamtbetrag) und des durchschnittlichen Tagessatzes (ADR), dh des Einkommens aus dem Zimmer geteilt durch die Anzahl der bezahlten Nächte. ;; Das Analytics-Dashboard enthält auch Links zu den Hauptberichten, die im Folgenden kurz erläutert werden.
• Mit Pace Report können Sie das Umsatzvolumen auf Booking.com mit den gleichen Zeiträumen des Vorjahres vergleichen und den Umsatz mit aggregierten Daten Ihrer Mitbewerber vergleichen.
• Die Verkaufsstatistik bietet eine Umsatzkürzung für jeden Zeitraum des letzten Jahres.
• Booker Insights bietet detaillierte Informationen zu Hotelgästen, einschließlich des Landes, des für die Buchung verwendeten Geräts und des Zwecks der Reise.
• Buchfensterinformationen zeigen, wie früh Booking.com-Kunden ihre Zimmer buchen.
• Die Stornierungsmerkmale enthalten Informationen zum Prozentsatz der stornierten Buchungen.
• Der Guest Review Score enthält Daten zu Hotelgastbewertungen und Hotelbewertungen auf einer 10-Punkte-Skala von Gästen.
• Mit dem Set "Wettbewerbsfähigkeit verwalten" können Sie bis zu zehn Hotels in Ihrer Region auswählen, um Ihre eigenen Key Performance Indicators (KPIs) mit den KPIs Ihrer engsten Wettbewerber zu vergleichen.
• Der Genius-Bericht zeigt den Prozentsatz der Buchungen an, die gemäß dem Genius-Programm getätigt wurden (Rabatte für Vielreisende).
• Das Ranking-Dashboard zeigt, wie effektiv Hotelverkäufe sind, wenn Gäste eine Unterkunft in einer bestimmten Region suchen.

Für die Datenanalyse können Datumsbereiche von 7, 14, 30, 60, 90 oder 365 Tagen ausgewählt werden. Darüber hinaus gibt es zusätzliche Funktionen zum Analysieren von Daten durch Vergleichen:

• eigene Ergebnisse mit Indikatoren des letzten Jahres;
• eigene Ergebnisse mit Indikatoren einer Wettbewerbergruppe, einschließlich bis zu zehn Hotels, die nach Wahl ernannt wurden;
• eigene Ergebnisse mit Indikatoren des Marktes, die alle Einrichtungen in der Hotellage umfassen.

Booking.com Analytics Big Data-Beispiele

Dieser Abschnitt gibt keine Verallgemeinerung vor, zumal sich das Bild von Monat zu Monat ändern kann. Dies sind nur Beispiele für die Verwendung der integrierten Booking.com Analytics-Tools.

In Booker Insights sehen Sie beispielsweise Statistiken zu Ländern, aus denen Touristen Hotelzimmer buchen. Nationale Merkmale von Touristen sind ein eigenständiges Thema, das sehr lange diskutiert werden kann. Daher ist auch die Länderstatistik sehr faszinierend. Jedes Land hat seine eigenen Vorlieben, was sich auf die Verteilung der Zielgruppe des Hotels auswirkt. Manchmal gibt es jedoch unerwartete statistische Ausreißer. Zum Beispiel haben wir mitten in der Touristensaison ein solches Bild bekommen. Unser Hotel ist in helleren Farben hervorgehoben und die Marktsituation ist blasser.


Booking.com Analytics-Daten: Verteilung der Hotelgäste nach Ländern

Touristen aus Kambodscha und Frankreich machen etwa 50% des Tourismusmarktes in Kep aus, in unserem Hotel machten sie jedoch nur 15% bzw. 14% aus. Dies kann durch den Konservatismus kambodschanischer Touristen erklärt werden, die gerne in Hotels übernachten, die von kambodschanischen Eigentümern geführt werden. Gleiches erklärt sich aus dem geringen Anteil französischer Touristen, von denen viele schlecht oder gar nicht Englisch sprechen. Russische Touristen mögen es auch, wenn das Hotelpersonal Russisch spricht, und dies erklärt, warum sie mehr als 10% der Gäste gegenüber 1,4% des Marktes ausmachen. Bei neuseeländischen (10% der Buchungen in unserem Hotel gegenüber 0,6% des Marktes) und schweizerischen (8,7% der Buchungen in unserem Hotel gegenüber 2,4% des Marktes) Touristen kann der höhere Prozentsatz durch ein gutes Preis-Leistungs-Verhältnis erklärt werden , da Touristen aus diesen Ländern konservativ sind, um unnötige Kosten zu vermeiden. Der detaillierte Bericht von Booker Insights enthält auch Informationen, die nach Ländern unterteilt sind und den durchschnittlichen täglichen Zimmerpreis, die durchschnittliche Aufenthaltsdauer und die Häufigkeit der Stornierung betreffen. Diese Daten sind wichtig für die Vorhersage des Verhaltens von Touristen nach Ländern. Zum Beispiel stornieren Gäste aus Kambodscha am häufigsten ihre Reservierungen.

Das folgende Diagramm aus dem Abschnitt "Buchfensterinformationen" enthält Informationen zur Verteilung des Reservierungsfensters, d. H. Wie viele Tage vor der Ankunft buchen die Gäste Zimmer.


Booking.com Analytics-Daten: Verteilung des Reservierungsfensters

Das große Buchungsfenster bietet weitere Optionen zur Bestimmung des täglichen Zimmerpreises. Darüber hinaus sollten die Zimmerpreise lokale und globale Feiertage berücksichtigen, um die Urlaubspreise im Voraus festzulegen. Statistiken zufolge buchen nur wenige Gäste ein Zimmer für mehr als 30 Tage. Darüber hinaus wurden etwa 70% aller Reservierungen unmittelbar vor der Ankunft vorgenommen. Dies ist nicht sehr gut, da das Risiko steigt, dass die Zimmer nicht besetzt sind, und außerdem eine sorgfältigere Anpassung des täglichen Zimmerpreises an das tatsächliche Datum erforderlich ist.

Ein wichtiger Indikator für jedes Hotelgeschäft ist der Prozentsatz der Stornierung von Reservierungen, deren Daten im Abschnitt Stornierungsmerkmale verfügbar sind (siehe Abbildung unten). Auch hier oben in jeder Band wird unser Hotel in helleren Farben hervorgehoben, und die Marktsituation ist blasser.


Booking.com Analytics-Daten: Verteilung Häufigkeitsverteilung Verteilung

Eine kurzfristige Stornierung verursacht normalerweise Stress, da sie das Buchungsfenster erheblich verkürzt und das Risiko erhöht, dass das stornierte Zimmer nicht ausverkauft ist. Leider wurden für das analysierte Beispiel 34% der Buchungen storniert, während die Stornierungsrate für den betreffenden Markt 28% beträgt. Die meisten Stornierungen sind aufgrund des Buchungsfensters für mehr als einen Monat fällig. Es ist schwierig, eine wirksame Strategie zu entwickeln, um die Anzahl der Stornierungen zu verringern. Die Leute ändern oft ihre Pläne oder stellen fest, dass das Angebot eines anderen Hotels für sie attraktiver ist. Wir versuchen, mit dem Gast zu kommunizieren, sobald wir die Reservierung erhalten, aber diese Strategie ist auch nicht immer erfolgreich.

Das Hotelgeschäft ist in hohem Maße von dem Ruf abhängig, den Booking.com anhand von Gästebewertungen ermittelt. Die Bewertung liegt im Bereich von 2,5 bis 10 für die folgenden Hotelmerkmale: Sauberkeit, Komfort, Lage, Ausstattung, Personal und Preis-Leistungsverhältnis. Der Abschnitt "Gästebewertung" enthält Details zu den einzelnen Bewertungen sowie aggregierte Hotelbewertungswerte. Das Diagramm zeigt Daten zur Anzahl der Bewertungen, die in jedem der Monate eingegangen sind, und das Diagramm zeigt den endgültigen Bewertungswert für die Ergebnisse jedes Monats. Die Ergebnisse unseres Hotels (eine hellere Grafik und ein Histogramm) werden mit den Durchschnittsergebnissen der zehn engsten Wettbewerber verglichen.


Booking.com Analytics-Daten: Hotelbewertung basierend auf Gästebewertungen

Booking.com unterstützt das Genius Loyalty Program. Registrierte Genius-Benutzer auf Booking.com erhalten Rabatte auf Reservierungen von 10% oder mehr. Um Genius-Reisende anzulocken, muss das Hotel dieses Programm unterstützen. Das Problem für das Hotel ist, dass die Preissenkung ausschließlich auf einen Rückgang des eigenen Einkommens zurückzuführen ist. Dies bedeutet, dass der Preis für Gäste mit Genius-Status nur 90% (manchmal sogar 85%) des auf Booking.com angegebenen Tagespreises eines Zimmers beträgt. Andererseits nehmen viele Booking.com-Benutzer am Genius-Programm teil, und diese Benutzer schätzen es, wenn das Hotel das Programm unterstützt. Die Teilnahme am Genius-Programm kann somit das Gesamteinkommen des Hotels erhöhen, obwohl der tägliche Zimmerpreis gesenkt wird. Es ist wichtig zu beachten, dass der tägliche Zimmerpreis das Risiko einer 10% oder 15% igen Reduzierung der Zimmerpreise für Genius-Gäste berücksichtigen sollte. Geniale Gäste machen mehr als 50% aller Kunden aus, was die Effektivität der Hotelteilnahme am Programm zeigt. Diese Informationen finden Sie im Abschnitt Genius-Bericht.


Booking.com Analytics-Daten: Genius Booking Ratio

Integrierte Daten zu Hotelaktivitäten finden Sie im Abschnitt "Ranking-Dashboard". Dort werden eine Reihe von Indikatoren angezeigt, die sich laut Booking.com auf den Einkommensindikator des Hotels auswirken.

Die Daten werden im Vergleich zwischen unserem Hotel und den durchschnittlichen Marktergebnissen angegeben:

• Die Conversion ist der Prozentsatz der Seitenaufrufe eines Hotels, die in eine Reservierung umgewandelt wurden (das Verhältnis der Anzahl der Buchungen zur Anzahl der Seitenaufrufe eines Hotels auf Booking.com).
• Durchschnittlicher Tagessatz (Durchschnittspreis pro Nacht), das kombinierte Einkommen aus den verkauften Zimmern geteilt durch die Anzahl der verkauften Zimmer;
• Bei Stornierungen wird der Prozentsatz aller stornierten Reservierungen angezeigt.
• Die Bewertung (Gästebewertung) wird anhand der Bewertungen der Hotelgäste berechnet.
• Der Property Page Score (Bewertung der Hotelseite) zeigt an, wie voll die Hotelseite in Bezug auf Informationen und Fotos ist.
• Der Antwort-Score berücksichtigt, wie schnell das Hotel auf Gäste reagiert.

Unter Berücksichtigung der oben genannten sechs Faktoren, die sich auf das Hoteleinkommen auswirken können, ist es sinnvoll, die jeweiligen Abhängigkeiten zu berücksichtigen. Einige Indikatoren (Stornierung von Reservierungen, Gästebewertung, Bewertung der Hotelseite, Bewertung der Antworten) können sich jedoch nur indirekt auf das Einkommen auswirken. Daher ist es unmöglich, den Zusammenhang zwischen dem Einkommen des Hotels und indirekten Faktoren zu finden. Aus Sicht der Analyse von Big Data sind der Prozentsatz der Conversion und der Tagespreis eines Zimmers vielversprechend. Im nächsten Abschnitt werden wir Hypothesen betrachten, die sich auf die Abhängigkeiten des Einkommens von der Umwandlung und dem Tagespreis beziehen.

Hypothesen zur Verwaltung des Zimmerpreises basierend auf Big Data

Mit Booking.com Analytics haben wir Zugriff auf Big Data, die den Umsatzstatus des Hotels widerspiegeln. Ich möchte verstehen, wie die Verwendung dieser Daten bei der Ermittlung des optimalen Preises pro Zimmer hilfreich sein kann.

Die Wirtschaftswissenschaften legen nahe, dass es Angebots- und Nachfragekurven gibt und daher einen optimalen Preis, mit dem Sie den maximalen Gewinn aus dem Verkauf eines Produkts oder einer Dienstleistung ziehen können. Fehler der ersten Art (Erhöhung des Preises über den optimalen Preis) führen dazu, dass sich die Kunden weigern zu kaufen, und Fehler der zweiten Art (Senkung des Preises unter den optimalen Preis) führen zu einem Rückgang des Gewinns, und es ist nicht die Tatsache, dass die Anzahl der Verkäufe steigt.

Daher stellen wir Hypothese 1 (G1) vor : Es besteht ein Zusammenhang zwischen dem Verkaufsvolumen von S-Nummern und den Kosten eines Zimmers pro Nacht C.

Formal kann dies für jeden Kalendertag für jede der Zahlen durch das folgende Minimax-Kriterium beschrieben werden:
S = max (C) ˄ f = 1, wobei S der Umsatz aus dem Verkauf des Zimmers ist, der numerisch den Lebenshaltungskosten im Raum entspricht C = {Cmin ... Cmax} (der Wert des Preises gehört zu einem bestimmten Bereich); f = {0; 1} - binärer Indikator für den Verkauf der Nummer: f = 0, wenn die Nummer nicht verkauft wird, und f = 1, wenn die Nummer verkauft wird.

Wenn es mehrere Nummern desselben Typs gibt, können nicht alle Nummern jeden Tag verkauft werden. Außerdem kann sich der Preis Ci für dieselbe Nummer während des Verkaufsfensters ändern, und das Minimax-Kriterium sieht folgendermaßen aus:
S = max ( $$$\ Sigma$Ci) ˄ F = $$$\ Sigma$fi, wobei Ci der Preis eines Zimmers ist (der Preis eines Zimmers derselben Kategorie kann sich ändern), fi = {0; 1} ist ein binärer Indikator für den Verkauf einer Nummer, F = {0..N} ist die Anzahl der in einer Kategorie verkauften Zimmer, die Gesamtzahl Das ist N.

Wenn das Hotel mehrere Kategorien von Zimmern hat, gelten für jede der oben genannten Kriterien die oben genannten Kriterien. Der gesamte Hotelumsatz wird als Summe der Verkäufe aller Zimmerkategorien gebildet, oder alles kann in der allgemeinen Formel zusammengefasst werden, wenn Sie die Dimension durch Hinzufügen eines weiteren Index erhöhen.

Analysieren wir die gegenseitige Abhängigkeit von Umsatz und Zimmerpreisen (Hypothese G1 ).Ich werde keine detaillierten Wirtschaftsdaten geben, ich werde nur das allgemeine Ergebnis zeigen. Um die Beziehung zwischen zwei Datenreihen zu analysieren, verwenden wir den Pearson-Korrelationskoeffizienten, der als Verhältnis der Kovarianz zum Produkt der Standardabweichungen berechnet wird:



Für die Berechnung wird MS Excel verwendet, in dem die monatliche Hotelbuchhaltung durchgeführt wird. Daher wird der Korrelationskoeffizient zweckmäßigerweise monatlich berechnet. Es wird empfohlen, dass die Anzahl der Beobachtungen mindestens das Zehnfache der Anzahl der Faktoren beträgt und die Anzahl der Tage (Beobachtungen) pro Monat in diese Empfehlung passt. Wir haben das Hotel kurz vor Neujahr 2019 eröffnet, daher haben wir ab Juni 2019 Statistiken für nur 5 Monate (150 Beobachtungstage) gesammelt. Seit einem Monat besteht Zwietracht, und die Werte des Korrelationskoeffizienten unterscheiden sich erheblich von 0,51 im März bis 0,93 im Februar. Also, in einigen Monaten Hypothese G1nicht bestätigt, und die Beziehung zwischen den Kosten der Nummer und dem Umsatz besteht nicht. Für die Monate, in denen r> 0,75 ist, können wir jedoch über das Vorhandensein einer Abhängigkeit einer Zufallsvariablen von einer anderen sprechen, d. H. Hypothese G1 wird bestätigt. Es ist am besten, den gesamten Datensatz zu analysieren, denn wenn wir die hundertfache Anzahl von Beobachtungen haben, die die Anzahl der Faktoren überschreiten, nähern wir uns dem Gesetz der großen Zahlen. Für fünf Monate wurde auch die Hypothese G1 bestätigt (r = 0,80). Nachfolgend sind die Werte des Korrelationskoeffizienten für jeden der letzten Monate des laufenden Jahres sowie der Integralwert für 5 Monate aufgeführt. Ich möchte Sie daran erinnern, dass wir die Abhängigkeit des täglichen Verkaufsvolumens vom durchschnittlichen Zimmerpreis für einen bestimmten Tag untersuchen.

Werte des Korrelationskoeffizienten r (S, C)


Offensichtlich hängt das Verkaufsvolumen von der Anzahl der verkauften Zahlen ab. Es wurde jedoch keine Korrelation zwischen der Anzahl der pro Tag verkauften Zimmer und dem durchschnittlichen Tagespreis eines Zimmers gefunden (r = 0,51 für die gesamte Datenstichprobe).

MS Excel kann auch ein Streudiagramm erstellen, ein Diagramm und eine lineare Regressionsgleichung hinzufügen und den Approximationsvertrauenswert R ² für die Regression bestimmen . Eine Regression kann zuverlässige Ergebnisse liefern, wenn dafür R ² > 0,8 ist. Für eine vollständige Stichprobe dieser zuverlässigen Regression konnte keine erhalten werden, da die Zuverlässigkeit der Approximation R ² = 0,64 betrug . Dies ist jedoch für die Monate möglich, in denen r> 0,9 ist. Zum Beispiel haben wir für Februar R bekommen² = 0,86. Der Februar ist gekennzeichnet durch das bedeutendste Verkaufsvolumen des Jahres aufgrund des chinesischen Neujahrs, das mehr als eine Woche dauert und die volle Belegung des Hotels zu hohen Urlaubspreisen gewährleistet.

Eine lineare Regression ist im Hinblick auf die Optimierung nicht sinnvoll, da sie besagt, dass der Gewinn umso höher ist, je höher der Preis ist. Der Preis sollte jedoch in einem angemessenen Bereich liegen, der mit dem Preis der nächsten Wettbewerber vergleichbar ist.

Aus Sicht des Vertriebsmanagements ist der Bereich am kritischsten, in dem der tägliche Umsatz weniger als 30 cu betrug, und es ist besonders kritisch, wenn der Umsatz 0 cu betrug Unsere Statistiken geben jedoch keine Antwort auf die Frage, welcher Wert des Tagespreises optimal ist, da bei einem Preis im Bereich von 12 bis 20 cu Der Umsatz lag zwischen 0 und 6 Zahlen pro Tag, und dies hing nicht von anderen Kalenderfaktoren ab (z. B. Wochentag oder bevorstehende Feiertage).

Eine andere Annahme ist, dass je mehr Touristen nach einer Unterkunft in Ihrer Nähe suchen und je mehr Touristen Ihre Hotelseite durchsuchen, desto mehr Reservierungen erhalten Sie. Booking.com Analytics liefert solche Daten. In der folgenden Tabelle sind beispielsweise die Suchergebnisse für die Stadt Kep (Kambodscha) nach Tag aufgeführt. Der Umsatz beträgt 132/79 377 = 0,16%, dh für 10.000 Touristen, die eine Unterkunft suchen, erhalten wir 16 Buchungen.


Booking.com Analytics-Daten: Anzahl der Suchanfragen nach Region Hypothese

formulieren 2 (H2) : Es besteht eine Beziehung zwischen dem Verkaufsvolumen von S-Nummern und der Anzahl von Suchanfragen pro Tag R.

Die Korrelationskoeffizienten, die sowohl für eine vollständige Datenstichprobe für 5 Monate als auch monatlich erhalten wurden, überstiegen jedoch nicht 0,5, was auf das Fehlen einer Beziehung zwischen zwei Zufallsvariablen hinweist. Dies gilt sowohl für die Anzahl der Suchanfragen in der Region als auch für die Anzahl der Seitenaufrufe eines Hotels auf Booking.com.

Fazit

Dieser Artikel beschreibt die Funktionen der Booking.com Analytics-Tools zur Analyse von Big Data im Zusammenhang mit dem Verkauf von Hotelzimmern. Basierend auf den verfügbaren Informationen wurden zwei Hypothesen aufgestellt. Hypothese 1 (G1) wurde

bestätigt : Es besteht eine Korrelation zwischen dem Verkaufsvolumen von S-Nummern und den Kosten eines Zimmers pro Nacht C.

Um die Zuverlässigkeit der Hypothese zu analysieren, wurde der Pearson-Korrelationskoeffizient r (S, C) für die Daten für die ersten fünf Monate 2019 (r = 0,80) und monatlich (Maximalwert r = 0,93 im Februar) bestimmt, was auf das Vorhandensein einer Beziehung zwischen beiden hinweist Datenreihen. Die Regression ist linear (je höher der Preis, desto höher der Gewinn), was es unmöglich macht, den Wert des täglichen Zimmerpreises zu optimieren. Trotzdem sollte der Preis pro Tag in einem angemessenen Bereich liegen, der mit dem Preis der nächsten Wettbewerber vergleichbar ist. Es war auch nicht möglich, den optimalen Wert der Raumnummer durch eine numerische Methode basierend auf dem Streudiagramm zu bestimmen.

Nicht bestätigt Hypothese 2 (H2) : Es besteht eine Beziehung zwischen dem Verkaufsvolumen von S-Nummern und der Anzahl der Suchanfragen pro Tag R.

Trotz der Verfügbarkeit von Big Data ist es derzeit nicht möglich, eine Vertriebsmanagementstrategie zu formulieren, die ausschließlich auf statistischen Indikatoren basiert. Vielleicht hängen diese Muster von solchen Energien ab, von denen die Statistik nicht dominiert wird. Die Wellentheorie des Geschäfts ist bekannt und aus meiner Sicht sinnvoll. Wenn wir eine einfache Abhängigkeit des Umsatzes vom Kalenderdatum aufbauen, werden wir deutlich abwechselnde Spitzen und Einbrüche sehen. Daher ist es notwendig, „die Welle zu fangen“, unter anderem unter Verwendung von Erfahrung und Intuition.

Dieser Artikel behauptet nicht, die ultimative Wahrheit zu sein, dies ist nur meine Erfahrung, die ich teilen wollte.

Und alles, was ich tun muss, ist, den Lesern maximale Freude an der Nutzung von Buchungsservices und unvergesslichen Reisen zu wünschen!