होटल प्रबंधन में बड़ा डेटा: उपयोग को नजरअंदाज नहीं किया जा सकता है

स्रोत

मौसम गर्मियों की छुट्टियों के लंबे समय से प्रतीक्षित मौसम के करीब पहुंच रहा है, और कई लोग पहले से ही खुद को बहुत ही प्रतिष्ठित पर्यटन स्थल के लिए चुन चुके हैं, जिसने उन्हें समय सीमा और ओवरटाइम के झटकों से उबरने के लिए महीनों तक ताकत दी। क़ीमती "सपने की यात्रा", जो बाद में शरद ऋतु और सर्दियों की शाम को याद करने के लिए बहुत सुखद होगी, पहले से ही बहुत करीब है।

जब एक छुट्टी घर चुनते हैं, तो कई शायद Booking.com का उपयोग करेंगे। लेख में होटल के प्रबंधन और आवास के लिए कीमतें निर्धारित करने वालों की आँखों के माध्यम से "इंटरफ़ेस के दूसरी तरफ से" Booking.com को देखने का सुझाव दिया गया है। विशेष रूप से, Booking.com Analytics के टूल और होटल में बिक्री को प्रबंधित करने के लिए डेटा का उपयोग करने की संभावना पर विचार किया जाता है। एक उदाहरण के रूप में, कंबोडिया में स्थित एक मिनी-होटल के मामले हैं, जिन्हें प्रबंधित करने के लिए मेरे पास सम्मान और खुशी थी।

क्यों कम्बोडिया

एक संक्षिप्त परिचय के रूप में, मैं यह समझाने की कोशिश करूंगा कि मेरे सपनों का होटल कंबोडिया में क्यों समाप्त हुआ। सबसे महत्वपूर्ण बात इस देश में वफादार कारोबारी माहौल है। आज यह एशिया का एकमात्र देश है, जिसमें कोई विदेशी कानूनी रूप से अपने नाम से व्यवसाय पंजीकृत कर सकता है, और साथ ही, वह व्यापार वीजा पर असीमित समय के लिए कंबोडिया की यात्रा कर सकता है। एक मिनी-होटल के लिए सभी परमिटों की लागत, उदाहरण के लिए, प्रति वर्ष लगभग 400 अमेरिकी डॉलर (वाणिज्य मंत्रालय से एक लाइसेंस, स्थानीय सिटी हॉल से एक लाइसेंस, एक कर पेटेंट और देश में एक व्यक्तिगत वर्क परमिट सहित) है। सूचीबद्ध दस्तावेजों को तैयार करते समय, कोई विशेष कठिनाइयां नहीं होती हैं, और जब राज्य निकायों द्वारा व्यवसाय का निरीक्षण किया जाता है, तो किसी भी प्रकार के जबरन वसूली से बचने के लिए परमिट की उपलब्धता एक आवश्यक और पर्याप्त शर्त है।

अतिरिक्त बन्स एशिया में रहने के सभी आकर्षण हैं। सस्ती कीमतों, एक गैर-आक्रामक आबादी, समुद्र और सुंदर प्रकृति, एक गर्म जलवायु, जिसमें काफी हल्का मानसून अवधि, साल भर ताजे फल, सब्जियां और समुद्री भोजन, एक "सरल जीवन" जिसमें ताप, सर्दियों और ब्रांड के कपड़े और जूते में निवेश की आवश्यकता नहीं होती है, महंगी कारों और "सफल जीवन" की अन्य विशेषताओं में अपार्टमेंट नवीकरण में।

नुकसान भी हैं: "मूर्ख और सड़कें", महंगी बिजली ($ 0.20 प्रति किलोवाट घंटा), लगभग पूरी तरह से दवा और अन्य बुनियादी ढाँचे के अभाव (पुलिस के काम के साथ समस्याएं, अग्नि सेवाएं, शैक्षिक प्रणाली, सार्वजनिक उपयोगिताओं, आदि)। ), कचरे के साथ समस्याएं (हालांकि, यह कई एशियाई देशों के लिए विशिष्ट है, और "कचरा युद्ध" के दौरान, और यूरोपीय लोगों के लिए)।

हब ( tyts और tyts ) पर कई लेख हैं, वस्तुतः , मेरी राय में, कंबोडिया में मामलों और रहने की स्थिति को दर्शाती है, इसलिए, मैं इस विषय को और विकसित नहीं करूंगा।
तो, कंबोडिया, रिसोर्ट शहर केप , बूट्स में होटल शैटॉ पुस , 2019।

परिचयात्मक टिप्पणी और सीमाएँ

बिक्री के लिए, हम वर्तमान में केवल Booking.com और AirB & B का उपयोग करते हैं। आप इन और अन्य सेवाओं के फायदे और नुकसान के बारे में बहुत सारी बातें कर सकते हैं, लेकिन इस मामले में, यह महत्वपूर्ण है कि ग्राहक हमारे पास इन सेवाओं से आए हैं, लेकिन दूसरों से नहीं। केप से पहले, मेरी पत्नी और मेरे पास सिहानोकविले में एक होटल था, और इससे पहले भी, मोरजिम, गोवा में, और वहाँ भी हमारी बिक्री चैनलों के माध्यम से एक ही तस्वीर थी। AirB & B में, विश्लेषिकी अभी भी अपनी प्रारंभिक अवस्था में है, इसलिए केवल Booking.com माना जाता है। और यहां हमारे पास बिक्री प्रबंधन का केवल एक मुख्य लीवर है - यह प्रति रात एक कमरे की कीमत है।

बेशक, अन्य कारक बिक्री को प्रभावित करते हैं। उदाहरण के लिए, अतिथि समीक्षाओं के आधार पर रेटिंग। रेटिंग आँकड़े Booking.com के विश्लेषण में मौजूद हैं, और हम इसे नीचे पर विचार करेंगे।

बहुत कुछ जगह की पर्यटक स्थितियों पर निर्भर करता है। उदाहरण के लिए, केप एक छोटा सा गाँव है, जिसका औसत विकसित रिसोर्ट इन्फ्रास्ट्रक्चर है। कई लोगों के लिए, यह कंबोडिया और वियतनाम के बीच सीमा पर सिर्फ एक पारगमन बिंदु है। हालांकि, औपनिवेशिक फ्रेंच रिविएरा, समुद्र और द्वीपों, पहाड़ों और गुफाओं, पैगोडा और राष्ट्रीय उद्यानों की ऊर्जा अपना काम कर रही है, और मौसम में पर्यटकों का निरंतर प्रवाह काफी आत्मविश्वास से स्थानीय होटलों को भरता है।

बिक्री को प्रभावित करने वाला एक महत्वपूर्ण बिंदु होटल की अवधारणा और "चिप्स" है, जो ग्राहक को सही विकल्प बनाने में मदद करता है और उस जगह की सहज "पहचान" को प्रोत्साहित करता है जहां वह आरामदायक होगा। यह प्रश्न व्यवसाय स्वामी के लक्ष्य-निर्धारण, मिशन और विश्वदृष्टि से संबंधित है और इस लेख के दायरे से परे है।

इसके अलावा, अध्ययन की सीमाओं को समझने के लिए कई महत्वपूर्ण धारणाएं बनाई जानी चाहिए:

• यह एक निजी मिनी-होटल के बारे में होगा (जिन परिभाषाओं में मैंने पाया है कि मिनी-होटल में 15 कमरे तक हो सकते हैं), जिसमें कोई कॉर्पोरेट प्रक्रिया नहीं है, और ओवरहेड लागत को कम करने के लिए सब कुछ सीमा तक सरल है; इसलिए, किसी भी संरचनात्मक इकाइयों की भागीदारी के बिना सभी परिचालन गतिविधियां मालिकों के हाथों में केंद्रित हैं; उदाहरण के लिए, हमारे पास होटल में काम करने वाला केवल एक क्लीनर है, मेरी पत्नी और मैं खुद को केवल जटिल मरम्मत और निर्माण कार्यों की आउटसोर्सिंग के साथ करते हैं; यदि आपको 1-2 दिनों के लिए छोड़ने की आवश्यकता है, अर्थात, आने वाले प्रशासक के साथ एक समझौता;
• प्रति कमरा, खर्च और अतिरिक्त कमाई के अवसरों (बार और रेस्तरां, साइकिल और मोटरबाइकों के किराये, टिकटों की बिक्री और भ्रमण, आदि) की संरचना पर विचार नहीं किया जाता है।
• होटल प्रबंधन के लिए सामान्य दृष्टिकोण पर विचार नहीं किया जाता है; हालाँकि, यह एक दिलचस्प रूपरेखा है जिसके बारे में मैंने थोड़ा अलग प्रारूप में लिखा था ; यदि विषय रुचि का है, तो मैं मिनी-होटल में प्रबंधन के विषय पर हब पर एक पोस्ट भी बनाऊंगा।

Booking.com Analytics कार्यशीलता

Booking.com Analytics 2016 में होटल प्रबंधकों को बुकिंग और बिक्री के आंकड़ों का विश्लेषण करने में मदद करने के लिए एक उपकरण के रूप में लॉन्च किया गया था। सिस्टम Russified इंटरफ़ेस का समर्थन करता है, लेकिन, मेरी राय में, स्रोत को संदर्भित करना महत्वपूर्ण है ताकि बुनियादी शब्दावली को विकृत न करें।

Booking.com Analytics में निम्नलिखित भाग शामिल हैं:

• Analytics डैशबोर्ड प्राप्त संकेतकों की समीक्षा के लिए डेटा एकत्र करता है, जिसमें कमरे की श्रेणी, कमरे की आय (मेहमानों द्वारा भुगतान की गई कुल राशि) और औसत दैनिक दर (एडीआर) द्वारा बुक की गई रातें शामिल हैं, जो भुगतान की गई रातों की संख्या से विभाजित कमरे से आय है। ; Analytics डैशबोर्ड में मुख्य रूप से नीचे चर्चा की गई मुख्य रिपोर्टों के लिंक शामिल हैं;
• पेस रिपोर्ट आपको पिछले वर्ष की समान अवधि के साथ ही Booking.com पर बिक्री की मात्रा की तुलना करने की अनुमति देती है, साथ ही साथ अपने प्रतिद्वंद्वियों पर कुल डेटा के साथ बिक्री की तुलना करती है;
• बिक्री सांख्यिकी पिछले वर्ष की किसी भी अवधि के लिए बिक्री में कटौती प्रदान करता है;
• बुकर इनसाइट्स होटल के मेहमानों, देश सहित, बुकिंग के लिए उपयोग किए जाने वाले उपकरण और यात्रा के उद्देश्य के बारे में विस्तृत जानकारी प्रदान करता है;
• बुकविंडो सूचना से पता चलता है कि कैसे Booking.com ग्राहक अपने कमरे बुक करते हैं;
• रद्द करने की विशेषताओं में रद्द बुकिंग के प्रतिशत के बारे में जानकारी शामिल है;
• गेस्ट रिव्यू स्कोर में मेहमानों द्वारा 10-पॉइंट पैमाने पर होटल के गेस्ट रिव्यू और होटल रेटिंग के संबंध में डेटा शामिल हैं;
• प्रतिस्पर्धी सेट प्रबंधित करें आपको अपने निकटतम प्रदर्शन प्रतियोगियों के KPI के साथ अपने स्वयं के प्रमुख प्रदर्शन संकेतक (KPI) की तुलना करने के लिए अपने क्षेत्र के दस होटलों का चयन करने की अनुमति देता है;
• जीनियस रिपोर्ट जीनियस प्रोग्राम (अक्सर यात्रियों की छूट) के अनुसार की गई बुकिंग का प्रतिशत दिखाती है;
• रैंकिंग डैशबोर्ड दर्शाता है कि जब किसी दिए गए क्षेत्र में अतिथि आवास की तलाश कर रहे हैं तो होटल की बिक्री कितनी प्रभावी है।

डेटा विश्लेषण के लिए, 7, 14, 30, 60, 90 या 365 दिनों की तिथि सीमा का चयन किया जा सकता है। इसके अलावा, तुलना करके डेटा का विश्लेषण करने के लिए अतिरिक्त विशेषताएं हैं:

• पिछले साल के संकेतकों के साथ खुद के परिणाम;
• एक प्रतियोगी समूह के संकेतक के साथ स्वयं के परिणाम, जिसमें दस होटल शामिल हैं, पसंद द्वारा नियुक्त;
• बाजार के संकेतकों के साथ स्वयं के परिणाम, जिसमें होटल के स्थान में सभी सुविधाएं शामिल हैं।

Booking.com Analytics बिग डेटा उदाहरण

यह खंड किसी भी सामान्यीकरण का दिखावा नहीं करता है, खासकर जब से तस्वीर महीने से महीने में बदल सकती है। ये बिल्ट-इन Booking.com Analytics टूल का उपयोग करने के उदाहरण हैं।

उदाहरण के लिए, बुकर इनसाइट्स में आप उन देशों के आँकड़े देख सकते हैं जहाँ से पर्यटक होटल के कमरे बुक करते हैं। पर्यटकों की राष्ट्रीय विशेषताएं एक अलग विषय है, जिस पर बहुत लंबे समय तक चर्चा की जा सकती है। इसलिए, देश के आंकड़े भी काफी आकर्षक हैं। प्रत्येक देश की अपनी प्राथमिकताएँ होती हैं, और यह होटल के लक्षित दर्शकों के वितरण को प्रभावित करता है। हालांकि, कभी-कभी अप्रत्याशित सांख्यिकीय आउटलेयर होते हैं। उदाहरण के लिए, पर्यटक मौसम के बीच में, हमें ऐसी तस्वीर मिली। हमारे होटल को चमकीले रंग में हाइलाइट किया गया है, और बाजार की स्थिति बहुत ही साफ है।


Booking.com Analytics डेटा: देश के होटल मेहमानों का वितरण

कंबोडिया और फ्रांस के पर्यटक केप में 50% पर्यटन बाजार का प्रतिनिधित्व करते हैं, हालांकि, हमारे होटल में वे क्रमशः 15% और 14% ही बनाते हैं। यह कंबोडियन पर्यटकों के रूढ़िवाद द्वारा समझाया जा सकता है जो कम्बोडियन मालिकों द्वारा प्रबंधित होटलों में रहना पसंद करते हैं। फ्रेंच पर्यटकों के कम प्रतिशत से भी यही समझाया जाता है, जिनमें से कई खराब बोलते हैं या अंग्रेजी बिल्कुल नहीं बोलते हैं। रूसी पर्यटक भी इसे पसंद करते हैं जब होटल के कर्मचारी रूसी बोलते हैं, और यह बताते हैं कि क्यों वे बाजार के 1.4% के मुकाबले 10% से अधिक मेहमान बनाते हैं। न्यूजीलैंड के लिए (बाजार के 0.6% के मुकाबले हमारे होटल में 10% बुकिंग) और स्विस (बाजार के 2.4% के मुकाबले हमारे होटल में 8.7% बुकिंग) पर्यटकों के लिए, उच्च प्रतिशत को पैसे के अच्छे मूल्य द्वारा समझाया जा सकता है , क्योंकि इन देशों के पर्यटक अनावश्यक लागतों से बचने के मामले में रूढ़िवादी हैं। बुकर इनसाइट्स की विस्तृत रिपोर्ट में देश की औसत दैनिक कमरे की दर, रहने की औसत लंबाई और रद्दीकरण की आवृत्ति के बारे में देश द्वारा विभाजित जानकारी शामिल है। ये डेटा देश के पर्यटकों के व्यवहार की भविष्यवाणी के लिए महत्वपूर्ण हैं। उदाहरण के लिए, कंबोडिया के मेहमान अक्सर अपने आरक्षण को रद्द कर देते हैं।

बुकविंडो सूचना अनुभाग से निम्नलिखित आरेख आरक्षण विंडो के वितरण के बारे में जानकारी प्रदान करता है, अर्थात। आगमन के कितने दिन पहले मेहमान कमरे बुक करते हैं।


Booking.com Analytics डेटा: आरक्षण विंडो का वितरण

दैनिक बुकिंग दर निर्धारित करने के संदर्भ में बड़ी बुकिंग विंडो अधिक विकल्प प्रदान करती है। इसके अलावा, कमरे की दरों को अग्रिम में छुट्टी की कीमतें निर्धारित करने के लिए स्थानीय और वैश्विक छुट्टियों को ध्यान में रखना चाहिए। आंकड़े कहते हैं कि कुछ मेहमान 30 से अधिक दिनों के लिए एक कमरा बुक करते हैं। इसके अलावा, सभी आरक्षण का लगभग 70% आगमन से तुरंत पहले कर दिया गया था। यह बहुत अच्छा नहीं है, क्योंकि शेष कमरों के जोखिम बढ़ जाते हैं, और इसके अलावा, वास्तविक तिथि के लिए दैनिक कमरे की दर के अधिक सावधान समायोजन की आवश्यकता होती है।

किसी भी होटल व्यवसाय को प्रभावित करने वाला एक महत्वपूर्ण संकेतक आरक्षण को रद्द करने का प्रतिशत है, जिसके लिए डेटा रद्द विशेषता अनुभाग में उपलब्ध हैं (नीचे चार्ट देखें)। यहां भी प्रत्येक बैंड के शीर्ष पर हमारे होटल को चमकीले रंग में हाइलाइट किया गया है, और बाजार की स्थिति तेज है।


Booking.com Analytics डेटा: वितरण आवृत्ति वितरण वितरण

अंतिम मिनट रद्द करना आमतौर पर तनाव का कारण बनता है, क्योंकि यह बुकिंग खिड़की को काफी कम कर देता है और जोखिम को बढ़ाता है कि रद्द किए गए कमरे को बेचा नहीं जाएगा। दुर्भाग्य से, विश्लेषण किए गए उदाहरण के लिए, 34% बुकिंग रद्द कर दी गई, जबकि प्रश्न में बाजार के लिए रद्द करने की दर 28% है। अधिकांश रद्द बुकिंग खिड़की के कारण एक महीने से अधिक समय तक होती हैं। रद्दीकरण की संख्या को कम करने के लिए एक प्रभावी रणनीति विकसित करना मुश्किल है। लोग अक्सर योजनाओं को बदलते हैं, या वे पाते हैं कि किसी अन्य होटल की पेशकश उनके लिए अधिक आकर्षक है। हम आरक्षण प्राप्त करते ही अतिथि से संवाद करने का प्रयास करते हैं, लेकिन यह रणनीति भी हमेशा सफल नहीं होती है।

होटल व्यवसाय अत्यधिक प्रतिष्ठा पर निर्भर करता है कि Booking.com अतिथि समीक्षाओं के आधार पर निर्धारित करता है। निम्नलिखित होटल सुविधाओं के लिए रेटिंग 2.5 से 10 तक की सीमा में निर्धारित की गई है: स्वच्छता, आराम, स्थान, सुविधाएं, कर्मचारी और पैसे के लिए मूल्य। अतिथि समीक्षा स्कोर अनुभाग में प्रत्येक समीक्षा का विवरण होता है और यह होटल के रेटिंग मूल्यों को भी प्रदान करता है। आरेख प्रत्येक महीने में प्राप्त समीक्षाओं की संख्या पर डेटा दिखाता है, और ग्राफ़ प्रत्येक महीने के परिणामों के लिए अंतिम रेटिंग मूल्य दिखाता है। हमारे होटल के परिणामों (एक उज्जवल ग्राफ और एक हिस्टोग्राम) की तुलना दस निकटतम प्रतियोगियों के औसत परिणामों के साथ की जाती है।


Booking.com Analytics डेटा: अतिथि रेटिंग के आधार पर होटल रेटिंग

Booking.com जीनियस लॉयल्टी प्रोग्राम का समर्थन करता है। Booking.com पर पंजीकृत प्रतिभाशाली उपयोगकर्ता 10% या अधिक के आरक्षण पर छूट प्राप्त करते हैं। प्रतिभाशाली यात्रियों को आकर्षित करने के लिए, होटल को इस कार्यक्रम का समर्थन करना चाहिए। होटल के लिए समस्या यह है कि मूल्य में कमी केवल अपनी आय में कमी के कारण होती है। इसका मतलब यह है कि जीनियस स्थिति वाले मेहमानों की कीमत Book.com.com पर एक कमरे के घोषित दैनिक मूल्य का केवल 90% (कभी-कभी 85% भी) है। दूसरी ओर, कई बुकिंग.कॉम उपयोगकर्ता जीनियस कार्यक्रम में भाग लेते हैं, और जब होटल कार्यक्रम का समर्थन करते हैं, तो ये उपयोगकर्ता इसकी सराहना करते हैं। इस प्रकार, जीनियस कार्यक्रम में भाग लेने से होटल की समग्र आय में वृद्धि हो सकती है, भले ही दैनिक कमरे की दर कम हो। यह याद रखना महत्वपूर्ण है कि दैनिक कमरे की दर जीनियस मेहमानों के लिए कमरे की दरों में 10% या 15% की कमी के जोखिम को ध्यान में रखना चाहिए। प्रतिभाशाली मेहमान सभी ग्राहकों का 50% से अधिक हिस्सा बनाते हैं, जो कार्यक्रम में होटल की भागीदारी की प्रभावशीलता को प्रदर्शित करता है। यह जानकारी जीनियस रिपोर्ट अनुभाग में उपलब्ध है।


Booking.com Analytics डेटा: जीनियस बुकिंग अनुपात

होटल की गतिविधियों पर एकीकृत डेटा रैंकिंग डैशबोर्ड अनुभाग में उपलब्ध है, जहां कई संकेतक प्रस्तुत किए जाते हैं, जो कि Booking.com के अनुसार, होटल के आय संकेतक को प्रभावित करते हैं।

डेटा हमारे होटल और औसत बाजार परिणामों के बीच तुलना में दिए गए हैं:

• रूपांतरण एक आरक्षण में परिवर्तित होटल के पृष्ठ दृश्यों का प्रतिशत है (बुकिंग.कॉम पर किसी होटल के पृष्ठ दृश्यों की संख्या के लिए बुकिंग की संख्या का अनुपात);
• औसत दैनिक दर (प्रति रात औसत मूल्य), बेची गई कमरों की संख्या से विभाजित कमरों से प्राप्त संयुक्त आय;
• रद्द करना उन सभी आरक्षणों का प्रतिशत दर्शाता है जिन्हें रद्द कर दिया गया है;
• समीक्षा स्कोर (अतिथि रेटिंग) की गणना होटल के मेहमानों द्वारा दी गई रेटिंग का उपयोग करके की जाती है;
• संपत्ति पेज स्कोर (होटल पेज रेटिंग) से पता चलता है कि जानकारी और तस्वीरों के मामले में होटल का पेज कितना भरा हुआ है;
• जवाब स्कोर यह ध्यान में रखता है कि होटल मेहमानों को कितनी जल्दी प्रतिक्रिया देता है।

उपरोक्त छह कारकों को ध्यान में रखते हुए, जो होटल की आय को प्रभावित कर सकते हैं, यह संबंधित निर्भरता पर विचार करने के लिए समझ में आता है। हालांकि, कुछ संकेतक (आरक्षण रद्द, अतिथि रेटिंग, होटल पृष्ठ रेटिंग, उत्तरों की रेटिंग) केवल अप्रत्यक्ष रूप से आय को प्रभावित कर सकते हैं। इसलिए, होटल की आय और अप्रत्यक्ष कारकों के बीच संबंध को खोजना असंभव है। बड़े डेटा के विश्लेषण के दृष्टिकोण से, वादा, रूपांतरण का प्रतिशत और एक कमरे की दैनिक कीमत है। अगले भाग में, हम रूपांतरण और दैनिक मूल्य पर आय की निर्भरता से संबंधित परिकल्पना पर विचार करेंगे।

बड़े डेटा के आधार पर कमरे की कीमत के प्रबंधन के लिए परिकल्पना

इसलिए, Booking.com Analytics का उपयोग करते हुए, हमारे पास होटल में बिक्री की स्थिति को दर्शाते हुए बड़े डेटा तक पहुंच है। मैं यह समझना चाहूंगा कि इन आंकड़ों का उपयोग प्रति कमरा इष्टतम मूल्य निर्धारित करने में कैसे मदद कर सकता है।

आर्थिक विज्ञान बताता है कि आपूर्ति और मांग घटती हैं, और इसलिए, कुछ इष्टतम मूल्य जो आपको किसी उत्पाद या सेवा की बिक्री से अधिकतम लाभ निकालने की अनुमति देता है। पहली तरह की त्रुटियां (इष्टतम एक से ऊपर की कीमत बढ़ाना) ग्राहकों को खरीदने से इनकार करती हैं, और दूसरी तरह की त्रुटियों (इष्टतम एक से नीचे की कीमत कम) के कारण लाभ में कमी होती है, और यह तथ्य नहीं है कि बिक्री की संख्या बढ़ जाती है।

इस प्रकार, हम हाइपोथीसिस 1 (जी 1) को आगे रखते हैं: एस नंबर की बिक्री की मात्रा और रात सी के एक कमरे की लागत के बीच एक संबंध है।

औपचारिक रूप से, प्रत्येक संख्या के लिए प्रत्येक कैलेंडर दिन के लिए, यह निम्नलिखित न्यूनतम मानदंड द्वारा वर्णित किया जा सकता है:
एस = अधिकतम (सी) = एफ = 1, जहां एस कमरे की बिक्री से संख्यात्मक रूप से कमरे C = {Cmin ... Cmax} में रहने की लागत के बराबर है (मूल्य का मूल्य एक निश्चित सीमा के अंतर्गत आता है); f = {0; 1} - संख्या की बिक्री के लिए द्विआधारी संकेतक: f = 0 यदि संख्या नहीं बेची गई है और संख्या बेची गई है तो f = 1।

यदि एक ही प्रकार के कई नंबर हैं, तो हर दिन सभी नंबर नहीं बेचे जा सकते हैं, इसके अलावा, एक ही नंबर के लिए मूल्य सीआई बिक्री खिड़की के दौरान बदल सकते हैं, और न्यूनतम मानदंड जैसा दिखता है:
एस = अधिकतम ( $$$\ सिग्मा$सि) ˄ एफ = $$$\ सिग्मा$फाई, जहां सीआई एक कमरे की कीमत है (एक ही श्रेणी के एक कमरे की कीमत बदल सकती है), फाई = {0; 1} एक नंबर की बिक्री का द्विआधारी संकेतक है, एफ = {0..N} एक श्रेणी में बेचे गए कमरों की संख्या है, कुल संख्या जो N है।

यदि किसी होटल में कई श्रेणी के कमरे हैं, तो उनमें से प्रत्येक के लिए उपरोक्त मानदंड लागू किया जाता है, और होटल के कुल कारोबार का गठन सभी श्रेणियों के कमरों की बिक्री के योग के रूप में किया जाता है, या यदि आप किसी अन्य सूचकांक को जोड़कर आयाम बढ़ाते हैं तो सब कुछ सामान्य सूत्र में कम हो सकता है।

आइए हम बिक्री और कमरे की दरों (परिकल्पना G1 ) की पारस्परिक निर्भरता का विश्लेषण करें।मैं विस्तृत आर्थिक आंकड़े नहीं दूंगा, मैं केवल सामान्य परिणाम दिखाऊंगा। दो डेटा श्रृंखलाओं के बीच संबंधों का विश्लेषण करने के लिए, हम पियरसन सहसंबंध गुणांक का उपयोग करते हैं, जो मानक विचलन के उत्पाद में सहसंयोजक के अनुपात के रूप में गणना की जाती है:



गणना के लिए, एमएस एक्सेल का उपयोग किया जाता है, जिसमें मासिक होटल लेखांकन संचालित होता है। इसलिए, सहसंबंध गुणांक की गणना मासिक आधार पर आसानी से की जाती है। यह अनुशंसा की जाती है कि टिप्पणियों की संख्या कारकों की संख्या से कम से कम 10 गुना हो, और प्रति माह दिनों (टिप्पणियों) की संख्या इस सिफारिश में फिट होती है। हमने होटल को 2019 के नए साल से ठीक पहले लॉन्च किया था, इसलिए, जून 2019 तक, हमारे पास केवल 5 महीने (अवलोकन के 150 दिन) के लिए आंकड़े जमा हैं। एक महीने के लिए कलह है, और सहसंबंध गुणांक के मूल्यों में काफी भिन्नता है, मार्च में 0.51 से फरवरी में 0.93 तक। तो, कुछ महीनों में, परिकल्पना जी 1पुष्टि नहीं की गई है, और संख्या और बिक्री की लागत के बीच संबंध मौजूद नहीं है। फिर भी, उन महीनों के लिए जिनमें r> 0.75, हम दूसरे पर एक यादृच्छिक चर की निर्भरता की उपस्थिति के बारे में बात कर सकते हैं, अर्थात्। परिकल्पना G1 की पुष्टि की है। संपूर्ण डेटा सेट पर विश्लेषण करना सबसे अच्छा है, क्योंकि यदि हमारे पास कारकों की तुलना में सैकड़ों गुना अधिक अवलोकन हैं, तो हम बड़ी संख्या में कानून के करीब पहुंच रहे हैं। पांच महीनों के लिए, परिकल्पना जी 1 भी पुष्टि की गई थी (आर = 0.80)। नीचे वर्तमान वर्ष के पिछले महीनों में से प्रत्येक के लिए सहसंबंध गुणांक के मान हैं, साथ ही 5 महीने के लिए अभिन्न मूल्य भी हैं। मुझे आपको याद दिलाना है कि हम एक दिन के लिए औसत कमरे की कीमत पर दैनिक बिक्री की मात्रा की निर्भरता की जांच कर रहे हैं।

सहसंबंध गुणांक r (S, C) के मान


स्पष्ट रूप से, बिक्री की मात्रा बिक्री संख्या की संख्या पर निर्भर करती है। हालांकि, प्रति दिन बेचे जाने वाले कमरों की संख्या और एक कमरे की औसत दैनिक कीमत नहीं मिली (पूरे डेटा नमूने के लिए r = 0.51)।

एमएस एक्सेल भी एक स्कैटर चार्ट का निर्माण कर सकता है, उसमें एक ग्राफ और एक रेखीय रिग्रेशन समीकरण जोड़ सकता है, और रिग्रेशन के लिए अनुमानित आत्मविश्वास मान R ^{2 का} निर्धारण कर सकता है । प्रतिगमन विश्वसनीय परिणाम दे सकता है अगर इसके लिए आर ² > 0.8। इस विश्वसनीय प्रतिगमन का एक पूरा नमूना प्राप्त नहीं किया जा सका, क्योंकि सन्निकटन की विश्वसनीयता R ² = 0.64 थी। हालांकि, यह उन महीनों के लिए संभव है जब r> 0.9। उदाहरण के लिए, फरवरी के लिए हमने आर² = 0.86। फरवरी को चीनी नव वर्ष के कारण वर्ष की सबसे महत्वपूर्ण बिक्री मात्रा द्वारा चिह्नित किया जाता है, जो एक सप्ताह से अधिक समय तक रहता है और उच्च छुट्टी की कीमतों पर होटल की पूर्ण अधिभोग सुनिश्चित करता है।

रैखिक प्रतिगमन अनुकूलन के संदर्भ में कोई मतलब नहीं है, क्योंकि यह कहता है कि कीमत जितनी अधिक होगी, लाभ उतना अधिक होगा। हालांकि, कीमत निकटतम प्रतियोगियों की कीमत के साथ एक उचित सीमा के भीतर होनी चाहिए।

बिक्री प्रबंधन के दृष्टिकोण से, सबसे महत्वपूर्ण वह क्षेत्र है जिसमें दैनिक बिक्री 30 घन मीटर से कम थी, और यह विशेष रूप से महत्वपूर्ण है जब बिक्री 0 घन थी हालांकि, हमारे आंकड़े इस सवाल का जवाब नहीं देते हैं कि दैनिक मूल्य का मूल्य क्या इष्टतम है, क्योंकि 12 से 20 क्यू की सीमा में एक मूल्य है बिक्री प्रति दिन 0 से 6 संख्या तक होती है, और यह अन्य कैलेंडर कारकों (उदाहरण के लिए, सप्ताह का दिन या छुट्टियों के करीब) पर निर्भर नहीं करता है।

एक और धारणा यह है कि अधिक पर्यटक आपके क्षेत्र में आवास की तलाश कर रहे हैं और जितने अधिक पर्यटक आपके होटल पृष्ठ को ब्राउज़ कर रहे हैं, उतना अधिक आरक्षण आपको मिलेगा। Booking.com Analytics ऐसे डेटा प्रदान करता है। उदाहरण के लिए, नीचे दिए गए चार्ट में, केप (कंबोडिया) शहर के लिए खोज दिन के अनुसार होती है। रूपांतरण 132/79 377 = 0.16% है, अर्थात, 10,000 पर्यटक जो आवास की तलाश कर रहे हैं, के लिए हमें 16 बुकिंग मिलती हैं।


ये Booking.com विश्लेषक: खोज क्षेत्र के लिए की संख्या

तैयार परिकल्पना 2 (H2) : बिक्री संख्या एस और प्रति दिन आर खोजों की संख्या के बीच एक रिश्ता नहीं है

हालांकि, सहसंबंध गुणांक 5 महीने और मासिक के लिए डेटा के पूर्ण नमूने के लिए दोनों प्राप्त किया, 0.5 से अधिक नहीं था, जो दो यादृच्छिक चर के बीच संबंध की अनुपस्थिति को इंगित करता है। यह क्षेत्र में खोज प्रश्नों की संख्या और Booking.com पर किसी होटल के पृष्ठ दृश्य की संख्या पर लागू होता है।

निष्कर्ष

यह लेख होटल के कमरे की बिक्री से संबंधित बड़े डेटा का विश्लेषण करने के लिए डिज़ाइन किए गए Booking.com Analytics टूल की क्षमताओं पर चर्चा करता है। उपलब्ध जानकारी के आधार पर, दो परिकल्पनाओं को सामने रखा गया। परिकल्पना 1 (G1) की

पुष्टि की गई थी : एस संख्याओं की बिक्री की मात्रा और प्रति कमरा सी की लागत के बीच एक संबंध है।

परिकल्पना की विश्वसनीयता का विश्लेषण करने के लिए, पियरसन सहसंबंध गुणांक आर (एस, सी) 2019 के पहले पांच महीनों (आर = 0.80) और मासिक (अधिकतम मूल्य आर = 0.93) के लिए डेटा के लिए निर्धारित किया गया था, जो दोनों के बीच संबंध की उपस्थिति को दर्शाता है। डेटा श्रृंखला। प्रतिगमन रैखिक है (कीमत जितनी अधिक है, उतना अधिक लाभ), जो दैनिक कमरे की दर के मूल्य को अनुकूलित करना असंभव बनाता है। फिर भी, प्रति दिन की कीमत निकटतम प्रतियोगियों की कीमत की तुलना में एक उचित सीमा में होनी चाहिए। बिखरने वाले आरेख के आधार पर एक संख्यात्मक विधि द्वारा कमरे की संख्या का इष्टतम मूल्य निर्धारित करना भी संभव नहीं था। हाइपोथिसिस 2 (H2)

की पुष्टि नहीं की गई : एस संख्याओं की बिक्री की मात्रा और प्रति दिन खोजों की संख्या के बीच एक संबंध है आर।

बड़े डेटा की उपलब्धता के बावजूद, फिलहाल सांख्यिकीय संकेतक के आधार पर बिक्री प्रबंधन रणनीति तैयार करना संभव नहीं है। शायद ये पैटर्न ऐसी ऊर्जाओं पर निर्भर करते हैं जिनमें आँकड़ों का वर्चस्व नहीं होता है। व्यापार की लहर सिद्धांत ज्ञात है , और, मेरे दृष्टिकोण से, यह समझ में आता है। यदि हम कैलेंडर तिथि पर बिक्री की एक सरल निर्भरता का निर्माण करते हैं, तो हम स्पष्ट रूप से बारी-बारी से चोटियों और डिप्स देखेंगे। इस प्रकार, अंतर, आलिया, अनुभव और अंतर्ज्ञान का उपयोग करके "लहर को पकड़ना" आवश्यक है।

यह लेख अंतिम सत्य होने का दावा नहीं करता है, यह सिर्फ मेरा अनुभव है, जिसे मैं साझा करना चाहता था।

और मुझे बस इतना करना है कि पाठकों को बुकिंग सेवाओं और अविस्मरणीय यात्राओं का अधिकतम आनंद लेना चाहिए!