Big data dans la gestion hôtelière: une utilisation incontournable

source

La saison approche de la saison tant attendue des vacances d'été, et beaucoup ont déjà choisi pour eux-mêmes la destination touristique très convoitée, qui leur a donné la force pendant des mois pour traverser la folie des délais et des heures supplémentaires. Le précieux «voyage de rêve», dont il sera si agréable de se souvenir plus tard dans les soirées d'automne et d'hiver, est déjà très proche.

Lors du choix d'une maison de vacances, beaucoup utiliseront probablement Booking.com. L'article suggère de regarder Booking.com «de l'autre côté de l'interface» à travers les yeux de ceux qui gèrent l'hôtel et fixent les prix de l'hébergement. Plus spécifiquement, les outils de Booking.com Analytics et la possibilité d'utiliser les données pour gérer les ventes dans un hôtel sont considérés. A titre d'exemple, il y a des cas pour un mini-hôtel situé au Cambodge, que j'ai eu l'honneur et le plaisir de gérer.

Pourquoi le Cambodge

En guise d'introduction, je vais essayer d'expliquer pourquoi l'hôtel de mes rêves s'est retrouvé au Cambodge. La chose la plus importante est l'environnement commercial loyal dans ce pays. Aujourd'hui, c'est le seul pays d'Asie dans lequel un étranger peut légalement enregistrer une entreprise en son nom, et en même temps, il peut voyager au Cambodge pour une durée illimitée avec un visa d'affaires. Le coût de TOUS les permis pour un mini-hôtel, par exemple, est d'environ 400 dollars américains par an (y compris une licence du ministère du Commerce, une licence de la mairie locale, un brevet fiscal et un permis de travail individuel dans le pays). Lors de la préparation des documents énumérés, il n'y a pas de difficultés particulières, et lors de l'inspection des affaires par des organismes publics, la disponibilité des permis est une condition nécessaire et suffisante pour éviter toute forme d'extorsion.

Les petits pains supplémentaires sont tous les délices de la vie en Asie. Des prix abordables, une population non agressive, la mer et une nature magnifique, un climat chaud, y compris une période de mousson assez douce, des fruits, des légumes et des fruits de mer frais toute l'année, une "vie simple" qui ne nécessite pas de chauffage, des investissements en hiver ou des vêtements et chaussures de marque, dans la rénovation d'appartements, dans des voitures chères et d'autres attributs d'une «vie réussie».

Il y a aussi des inconvénients: «imbéciles et routes», électricité chère (0,20 $ le kilowatt-heure), absence presque complète de médicaments et autres problèmes d'infrastructure (problèmes avec le travail de la police, des pompiers, du système éducatif, des services publics, etc. ), des problèmes avec les ordures (cependant, cela est typique pour de nombreux pays asiatiques, et pendant les «guerres des ordures», et pour les pays européens).

Il y a plusieurs articles sur le hub ( tyts et tyts ), reflétant objectivement, à mon avis, la situation et les conditions de vie au Cambodge, donc je ne développerai pas ce sujet.
Donc, le Cambodge, la station balnéaire de Kep , l'hôtel Chateau Puss in Boots , 2019.

Remarques introductives et limitations

Pour les ventes, nous utilisons actuellement uniquement Booking.com et AirB & B. Vous pouvez parler beaucoup des avantages et des inconvénients de ces services et d'autres, mais dans ce cas, il est important que les clients viennent et viennent de nous à partir de ces services, mais pas des autres. Avant Kep, ma femme et moi avions un hôtel à Sihanoukville, et même plus tôt, à Morjim, Goa, et là nous avions la même image via les canaux de vente. Chez AirB & B, l'analytique en est encore à ses balbutiements, donc seul Booking.com est pris en compte. Et ici, nous n'avons qu'un seul levier principal de gestion des ventes - c'est le prix d'une chambre par nuit.

Bien sûr, d'autres facteurs influencent les ventes. Par exemple, une note basée sur les avis des clients. Les statistiques de notation sont présentes dans les analyses de Booking.com, et nous les examinerons ci-dessous.

Cela dépend beaucoup des conditions touristiques du lieu. Kep , par exemple, est un petit village avec une infrastructure de villégiature moyenne développée. Pour beaucoup, ce n'est qu'un point de transit à la frontière entre le Cambodge et le Vietnam. Cependant, l'énergie de la Côte d'Azur coloniale française, la mer et les îles, les montagnes et les grottes, les pagodes et les parcs nationaux font leur travail, et le flux constant de touristes pendant la saison remplit les hôtels locaux avec confiance.

Un point important affectant les ventes est le concept et les «chips» de l’hôtel, qui aident le client à faire le bon choix et stimulent une «reconnaissance» intuitive de l’endroit où il serait à l’aise. Cette question est liée à la définition d'objectifs, à la mission et à la vision du monde du propriétaire d'entreprise et dépasse le cadre de cet article.

De plus, plusieurs hypothèses importantes doivent être faites pour comprendre les limites de l'étude:

• il s'agira d'un mini-hôtel privé (parmi les définitions que j'ai trouvées indiquent que le mini-hôtel peut avoir jusqu'à 15 chambres), dans lequel il n'y a pas de procédures d'entreprise, et tout est simplifié à la limite afin de réduire les frais généraux; par conséquent, toutes les activités opérationnelles sont concentrées entre les mains des propriétaires sans la participation d'unités structurelles; par exemple, nous avons seulement un nettoyeur travaillant à l'hôtel, ma femme et moi faisons le reste nous-mêmes avec l'externalisation de travaux de réparation et de construction complexes; si vous devez partir pendant 1-2 jours, c'est-à-dire un accord avec l'administrateur entrant;
• la structure du prix par chambre, les dépenses et les possibilités de revenus supplémentaires (bar et restaurant, location de vélos et motos, vente de billets et excursions, etc.) ne sont pas prises en compte
• L'approche générale de la gestion hôtelière n'est pas prise en compte; cependant, c'est un cadre intéressant sur lequel j'ai écrit dans un format légèrement différent ; si le sujet vous intéresse, je ferai également un post sur le hub sur le thème de la gestion dans un mini-hôtel.

Fonctionnalité de Booking.com Analytics

Booking.com Analytics a été lancé en 2016 comme outil pour aider les hôteliers à analyser les réservations et les statistiques de vente. Le système prend en charge l'interface russifiée, mais, à mon avis, il est important de se référer à la source afin de ne pas fausser la terminologie de base.

Booking.com Analytics comprend les sections suivantes:

• Le tableau de bord Analytics regroupe les données pour un examen des indicateurs atteints, y compris le nombre de nuits réservées par catégorie de chambre, le revenu de la chambre (montant total payé par les clients) et le tarif journalier moyen (ADR), qui est le revenu de la chambre divisé par le nombre de nuits payées. ; Le tableau de bord Analytics contient également des liens vers les principaux rapports brièvement décrits ci-dessous;
• Pace Report vous permet de comparer le volume des ventes sur Booking.com avec les mêmes périodes de l'année précédente, ainsi que de comparer les ventes avec des données agrégées sur vos concurrents;
• Les statistiques des ventes fournissent une réduction des ventes pour n'importe quelle période de l'année dernière;
• Booker Insights fournit des informations détaillées sur les clients de l'hôtel, y compris le pays, l'appareil utilisé pour la réservation et le but du voyage;
• Bookwindow Information montre comment les premiers clients Booking.com réservent leurs chambres;
• Les caractéristiques d'annulation contiennent des informations sur le pourcentage de réservations annulées;
• Le Guest Review Score contient des données concernant les avis des clients et les notes des hôtels sur une échelle de 10 points par les clients;
• Le jeu de gestion de la concurrence vous permet de sélectionner jusqu'à dix hôtels dans votre région pour comparer vos propres indicateurs de performance clés (KPI) avec les KPI de vos concurrents les plus proches;
• Le rapport Genius indique le pourcentage de réservations effectuées conformément au programme Genius (réductions pour les voyageurs fréquents);
• Le tableau de bord de classement montre à quel point les ventes d'hôtels sont efficaces lorsque les clients recherchent un hébergement dans une région donnée.

Pour l'analyse des données, des plages de dates de 7, 14, 30, 60, 90 ou 365 jours peuvent être sélectionnées. De plus, il existe des fonctionnalités supplémentaires pour analyser les données en comparant:

• propres résultats avec les indicateurs de l'année dernière;
• résultats propres avec indicateurs d'un groupe de concurrents, comprenant jusqu'à dix hôtels, désignés par choix;
• propres résultats avec des indicateurs du marché, qui comprend toutes les installations de l'emplacement de l'hôtel.

Exemples de Big Data Booking.com Analytics

Cette section ne prétend pas être une généralisation, d'autant plus que l'image peut changer d'un mois à l'autre. Ce ne sont que des exemples d'utilisation des outils Booking.com Analytics intégrés.

Par exemple, dans Booker Insights, vous pouvez voir des statistiques sur les pays à partir desquels les touristes réservent des chambres d'hôtel. Les caractéristiques nationales des touristes sont un sujet distinct, qui peut être discuté pendant très longtemps. Par conséquent, les statistiques par pays sont également assez fascinantes. Chaque pays a ses propres préférences, ce qui affecte la répartition du public cible de l'hôtel. Bien que, parfois, il y ait des valeurs statistiques inattendues. Par exemple, au milieu de la saison touristique, nous avons eu une telle photo. Notre hôtel est mis en évidence dans des couleurs plus vives et la situation du marché est plus pâle.


Données analytiques Booking.com: répartition des clients de l'hôtel par pays

Les touristes du Cambodge et de la France représentent environ 50% du marché du tourisme à Kep, cependant, dans notre hôtel, ils ne représentaient que 15% et 14%, respectivement. Cela peut s'expliquer par le conservatisme des touristes cambodgiens qui aiment séjourner dans des hôtels gérés par des propriétaires cambodgiens. La même chose s'explique par le faible pourcentage de touristes français, dont beaucoup parlent mal ou ne parlent pas du tout l'anglais. Les touristes russes aiment aussi quand le personnel de l'hôtel parle russe, ce qui explique pourquoi ils représentent plus de 10% des clients contre 1,4% du marché. Quant aux touristes néo-zélandais (10% des réservations dans notre hôtel contre 0,6% du marché) et suisses (8,7% des réservations dans notre hôtel contre 2,4% du marché), le pourcentage plus élevé s'explique par un bon rapport qualité-prix , étant donné que les touristes de ces pays sont prudents pour éviter des coûts inutiles. Le rapport détaillé de Booker Insights contient également des informations divisées par pays concernant le tarif journalier moyen, la durée moyenne du séjour et la fréquence des annulations. Ces données sont importantes pour prédire le comportement des touristes par pays. Par exemple, les clients du Cambodge annulent le plus souvent leurs réservations.

Le diagramme suivant de la section Informations sur la bibliothèque de livres fournit des informations sur la distribution de la fenêtre de réservation, c.-à-d. combien de jours avant l'arrivée les clients réservent des chambres.


Données Analytics de Booking.com: distribution de la fenêtre de réservation

La grande fenêtre de réservation offre plus d'options pour déterminer le tarif journalier de la chambre. De plus, les tarifs des chambres doivent tenir compte des jours fériés locaux et mondiaux afin de fixer à l'avance les prix des vacances. Les statistiques indiquent que peu de clients réservent une chambre pour plus de 30 jours. De plus, environ 70% de toutes les réservations ont été faites immédiatement avant l'arrivée. Ce n'est pas très bon, car le risque que les chambres restent inoccupées augmente et, en outre, un ajustement plus minutieux du tarif journalier de la chambre pour la date réelle est nécessaire.

Un indicateur important affectant toute activité hôtelière est le pourcentage d'annulation des réservations, dont les données sont disponibles dans la section Caractéristiques d'annulation (voir schéma ci-dessous). Ici également, en haut de chacune des bandes, notre hôtel est mis en valeur dans des couleurs plus vives et la situation du marché est plus pâle.


Booking.com Analytics Data: Distribution Frequency Distribution Distribution

L'annulation de dernière minute cause généralement du stress, car elle réduit considérablement la fenêtre de réservation et augmente le risque que la chambre annulée ne soit pas épuisée. Malheureusement, pour l'exemple analysé, 34% des réservations ont été annulées, tandis que le taux d'annulation pour le marché en question est de 28%. La plupart des annulations sont dues à la fenêtre de réservation pour plus d'un mois. Il est difficile de développer une stratégie efficace pour réduire le nombre d'annulations. Les gens changent souvent de plan, ou peuvent trouver que l'offre d'un autre hôtel leur est plus attrayante. Nous essayons de communiquer avec le client dès réception de la réservation, mais cette stratégie n'est pas toujours réussie.

L'hôtellerie dépend fortement de la réputation que Booking.com détermine en fonction des avis des clients. La note est établie dans la plage de 2,5 à 10 pour les caractéristiques suivantes de l'hôtel: propreté, confort, emplacement, équipements, personnel et rapport qualité / prix. La section Score des commentaires des clients contient des détails sur chacun des avis et fournit également des valeurs de note d'hôtel agrégées. Le diagramme montre des données sur le nombre d'avis reçus au cours de chacun des mois, et le graphique montre la valeur de la note finale pour les résultats de chaque mois. Les résultats de notre hôtel (un graphique plus lumineux et un histogramme) sont comparés aux résultats moyens des dix concurrents les plus proches.


Booking.com Analytics Data: note de l'hôtel basée sur les avis des clients

Booking.com prend en charge le programme de fidélité Genius. Les utilisateurs Genius enregistrés sur Booking.com bénéficient de réductions sur les réservations de 10% ou plus. Pour attirer les voyageurs Genius, l'hôtel doit soutenir ce programme. Le problème pour l'hôtel est que la baisse des prix est due uniquement à une baisse des revenus propres. Cela signifie que le prix pour les clients ayant le statut Genius n'est que de 90% (parfois même 85%) du prix quotidien déclaré d'une chambre sur Booking.com. En revanche, de nombreux utilisateurs Booking.com participent au programme Genius, et ces utilisateurs l'apprécient lorsque l'hôtel prend en charge le programme. Ainsi, la participation au programme Genius peut augmenter le revenu global de l'hôtel, même si le tarif journalier est réduit. Il est important de se rappeler que le tarif journalier de la chambre doit tenir compte du risque d'une réduction de 10% ou 15% du tarif des chambres pour les clients Genius. Les clients Genius représentent plus de 50% de tous les clients, ce qui démontre l'efficacité de la participation des hôtels au programme. Ces informations sont disponibles dans la section Genius Report.


Données d'analyse Booking.com: ratio de réservation Genius

Des données intégrées sur les activités hôtelières sont disponibles dans la section Tableau de bord de classement, où un certain nombre d'indicateurs sont présentés qui, selon Booking.com, affectent l'indicateur de revenu de l'hôtel.

Les données sont données en comparaison de notre hôtel et des résultats moyens du marché:

• La conversion est le pourcentage de pages vues d'un hôtel converti en réservation (le rapport entre le nombre de réservations et le nombre de pages vues d'un hôtel sur Booking.com);
• Tarif journalier moyen (prix moyen par nuit), le revenu combiné reçu des chambres vendues divisé par le nombre de chambres vendues;
• Les annulations indiquent le pourcentage de toutes les réservations qui ont été annulées;
• Le score d'évaluation (évaluation des clients) est calculé en utilisant les évaluations données par les clients de l'hôtel;
• Le score de la page de propriété (note de la page de l'hôtel) montre à quel point la page de l'hôtel est pleine en termes d'informations et de photos;
• Le score de réponse prend en compte la rapidité avec laquelle l'hôtel répond aux clients.

Compte tenu des six facteurs ci-dessus qui peuvent affecter les revenus de l'hôtel, il est logique de considérer les dépendances respectives. Cependant, certains indicateurs (annulation de réservations, évaluation des clients, évaluation des pages d'hôtels, évaluation des réponses) ne peuvent qu'affecter indirectement les revenus. Par conséquent, il est impossible de trouver la relation entre le revenu de l'hôtel et les facteurs indirects. Du point de vue de l'analyse des mégadonnées, le pourcentage de conversion et le prix journalier d'une chambre sont prometteurs. Dans la section suivante, nous considérerons les hypothèses liées aux dépendances des revenus sur la conversion et le prix journalier.

Hypothèses de gestion du prix des chambres basées sur le big data

Ainsi, en utilisant Booking.com Analytics, nous avons accès à des mégadonnées reflétant l'état des ventes de l'hôtel. Je voudrais comprendre comment l'utilisation de ces données peut aider à déterminer le prix optimal par chambre.

La science économique suggère qu'il existe des courbes d'offre et de demande, et donc un prix optimal qui vous permet d'extraire un profit maximum de la vente d'un produit ou d'un service. Les erreurs du premier type (élevant le prix au-dessus de l'optimal) conduisent les clients à refuser d'acheter, et les erreurs du second type (abaissant le prix en dessous de l'optimal) conduisent à des bénéfices moindres, et ce n'est pas le fait que le nombre de ventes augmente.

Ainsi, nous proposons l' hypothèse 1 (G1) : Il existe une relation entre le volume des ventes de numéros S et le coût d'une chambre par nuit C.

Formellement, pour chaque jour civil pour chacun des nombres, cela peut être décrit par le critère minimax suivant:
S = max (C) ˄ f = 1, où S est le chiffre d'affaires de la vente de la chambre numériquement égal au coût de la vie dans la chambre C = {Cmin ... Cmax} (la valeur du prix appartient à une certaine fourchette); f = {0; 1} - indicateur binaire de la vente du numéro: f = 0 si le numéro n'est pas vendu et f = 1 si le numéro est vendu.

S'il y a plusieurs numéros du même type, alors tous les numéros ne peuvent pas être vendus chaque jour, en outre, le prix Ci pour le même numéro peut changer pendant la fenêtre de vente, et le critère minimax ressemble à:
S = max ( $$$\ Sigma$Ci) ˄ F = $$$\ Sigma$fi, où Ci est le prix d'une chambre (le prix d'une chambre de la même catégorie peut changer), fi = {0; 1} est un indicateur binaire de la vente d'un numéro, F = {0..N} est le nombre de chambres vendues dans une catégorie, le nombre total qui est N.

Si l'hôtel dispose de plusieurs catégories de chambres, les critères ci-dessus s'appliquent à chacune d'entre elles, et le chiffre d'affaires total de l'hôtel est formé comme la somme des ventes de toutes les catégories de chambres, ou tout peut être résumé dans la formule générale si vous augmentez la dimension en ajoutant un autre indice.

Analysons la dépendance mutuelle des ventes et des tarifs des chambres (hypothèse G1 ).Je ne donnerai pas de données économiques détaillées, je ne montrerai que le résultat général. Pour analyser la relation entre deux séries de données, nous utilisons le coefficient de corrélation de Pearson, calculé comme le rapport de covariance au produit des écarts-types:



Pour le calcul, MS Excel est utilisé, dans lequel la comptabilité mensuelle des hôtels est effectuée. Par conséquent, le coefficient de corrélation est commodément calculé sur une base mensuelle. Il est recommandé que le nombre d'observations soit au moins 10 fois le nombre de facteurs, et le nombre de jours (observations) par mois s'inscrit dans cette recommandation. Nous avons lancé l'hôtel juste avant la nouvelle année 2019, donc, à partir de juin 2019, nous n'avons accumulé des statistiques que pour 5 mois (150 jours d'observation). Il y a discordance depuis un mois, et les valeurs du coefficient de corrélation diffèrent considérablement, de 0,51 en mars à 0,93 en février. Donc, dans quelques mois, l'hypothèse G1non confirmé, et la relation entre le coût du nombre et les ventes n'existe pas. Néanmoins, pour les mois où r> 0,75, on peut parler de la présence d'une dépendance d'une variable aléatoire sur une autre, c'est-à-dire l'hypothèse G1 est confirmée. Il est préférable d'analyser sur l'ensemble des données, car si nous avons des centaines de fois le nombre d'observations qui dépassent le nombre de facteurs, alors nous approchons de la loi des grands nombres. Pendant cinq mois, l'hypothèse G1 a également été confirmée (r = 0,80). Voici les valeurs du coefficient de corrélation pour chacun des derniers mois de l'année en cours, ainsi que la valeur intégrale pour 5 mois. Permettez-moi de vous rappeler que nous étudions la dépendance du volume des ventes quotidiennes par rapport au prix moyen des chambres pour une journée donnée.

Valeurs du coefficient de corrélation r (S, C)


Évidemment, le volume des ventes dépend du nombre de numéros vendus. Cependant, aucune corrélation entre le nombre de chambres vendues par jour et le prix quotidien moyen d'une chambre n'a été trouvée (r = 0,51 pour l'ensemble de l'échantillon de données).

MS Excel peut également construire un diagramme de dispersion, y ajouter un graphique et une équation de régression linéaire et déterminer la valeur de confiance d'approximation R ² pour la régression . La régression peut donner des résultats fiables si pour elle R ² > 0,8. Pour un échantillon complet de cette régression fiable n'a pas pu être obtenue, car la fiabilité de l'approximation était R ² = 0,64. Cependant, cela est possible pour les mois où r> 0,9. Par exemple, pour février, nous avons obtenu R² = 0,86. Février est marqué par le volume de ventes le plus important de l'année en raison du Nouvel An chinois, qui dure plus d'une semaine et assure la pleine occupation de l'hôtel à des prix de vacances élevés.

La régression linéaire n'a pas de sens en termes d'optimisation, car elle dit que plus le prix est élevé, plus le profit est élevé. Cependant, le prix doit se situer dans une fourchette raisonnable comparable au prix des concurrents les plus proches.

Du point de vue de la gestion des ventes, le plus critique est le domaine dans lequel les ventes quotidiennes étaient inférieures à 30 cu, et il est particulièrement critique lorsque les ventes étaient de 0 cu Cependant, nos statistiques ne fournissent pas de réponse à la question de savoir quelle valeur du prix journalier est optimale, car avec un prix de l'ordre de 12 à 20 cu les ventes variaient de 0 à 6 numéros par jour, et cela ne dépendait pas d'autres facteurs de calendrier (par exemple, le jour de la semaine ou l'approche des vacances).

Une autre hypothèse est que plus les touristes recherchent un hébergement dans votre région et plus les touristes parcourent la page de votre hôtel, plus vous recevrez de réservations. Booking.com Analytics fournit ces données. Par exemple, dans le graphique ci-dessous, les résultats de recherche pour la ville de Kep (Cambodge) par jour. La conversion est de 132/79 377 = 0,16%, c'est-à-dire que pour 10 000 touristes à la recherche d'un logement, nous obtenons 16 réservations.


Booking.com Analytics Data: nombre de demandes de recherche par région

Formuler l' hypothèse 2 (H2) : il existe une relation entre le volume des ventes de numéros S et le nombre de requêtes de recherche par jour R.

Cependant, les coefficients de corrélation obtenus à la fois pour un échantillon complet de données sur 5 mois et mensuellement n'ont pas dépassé 0,5, ce qui indique l'absence de relation entre deux variables aléatoires. Cela s'applique à la fois au nombre de requêtes de recherche dans la région et au nombre de pages vues d'un hôtel sur Booking.com.

Conclusion

Cet article présente les capacités des outils Booking.com Analytics conçus pour analyser les mégadonnées liées aux ventes de chambres d'hôtel. Sur la base des informations disponibles, deux hypothèses ont été avancées. L'hypothèse 1 (G1) a été

confirmée : il existe une corrélation entre le volume des ventes de numéros S et le coût d'une chambre par nuit C.

Pour analyser la fiabilité de l'hypothèse, le coefficient de corrélation de Pearson r (S, C) a été déterminé pour les données des cinq premiers mois de 2019 (r = 0,80) et mensuel (valeur maximale r = 0,93 en février), ce qui indique la présence d'une relation entre les deux série de données. La régression est linéaire (plus le prix est élevé, plus le profit est élevé), ce qui rend impossible d'optimiser la valeur du tarif journalier de la chambre. Néanmoins, le prix par jour devrait être dans une fourchette raisonnable comparable au prix des concurrents les plus proches. Il n'a pas non plus été possible de déterminer la valeur optimale du nombre de pièces par une méthode numérique, basée sur le diagramme de diffusion. Hypothèse 2 (H2)

non confirmée : il existe une relation entre le volume des ventes de numéros S et le nombre de recherches par jour R.

Malgré la disponibilité du big data, il n'est pour l'instant pas possible de formuler une stratégie de gestion des ventes basée uniquement sur des indicateurs statistiques. Ces schémas dépendent peut-être de telles énergies que les statistiques ne sont pas dominées par. La théorie des vagues des affaires est connue et, de mon point de vue, elle a du sens. Si nous construisons une simple dépendance des ventes à la date du calendrier, alors nous verrons clairement alterner les pics et les creux. Ainsi, il est nécessaire de «saisir la vague», en utilisant, entre autres, l'expérience et l'intuition.

Cet article ne prétend pas être la vérité ultime, c'est juste mon expérience que je voulais partager.

Et tout ce que j'ai à faire est de souhaiter aux lecteurs un maximum de plaisir en utilisant les services de réservation et des voyages inoubliables!