Big data em gerenciamento de hotéis: o uso não pode ser ignorado

fonte

A temporada está se aproximando da tão esperada temporada de férias de verão, e muitos já escolheram para si o destino turístico muito desejado, o que lhes deu força por meses para percorrer a selva de prazos e horas extras. A preciosa “jornada dos sonhos”, que será tão agradável de recordar mais tarde nas noites de outono e inverno, já está muito próxima.

Ao escolher uma casa de férias, muitos provavelmente usarão o Booking.com. O artigo sugere olhar para a Booking.com "do outro lado da interface" através dos olhos de quem administra o hotel e estabelece preços de acomodação. Mais especificamente, são consideradas as ferramentas do Booking.com Analytics e a possibilidade de usar os dados para gerenciar as vendas em um hotel. Como exemplo, há casos de um mini-hotel localizado no Camboja, que tive a honra e o prazer de gerenciar.

Por que o Camboja

Como uma breve introdução, tentarei explicar por que o hotel dos meus sonhos acabou no Camboja. O mais importante é o ambiente de negócios leal neste país. Hoje é o único país da Ásia em que um estrangeiro pode registrar legalmente uma empresa em seu próprio nome e, ao mesmo tempo, permanecer no Camboja por um tempo ilimitado com um visto de negócios. O custo de TODAS as licenças para um mini-hotel, por exemplo, é de cerca de US $ 400 por ano (incluindo uma licença do Ministério do Comércio, uma licença da prefeitura local, uma patente tributária e uma autorização de trabalho individual no país). Ao preparar os documentos listados, não há dificuldades específicas e, ao inspecionar os negócios pelos órgãos estaduais, a disponibilidade de permissões é uma condição necessária e suficiente para evitar qualquer tipo de extorsão.

Pães extras são todas as delícias de se viver na Ásia. Preços acessíveis, população não agressiva, mar e natureza bonita, clima quente, incluindo um período de monção bastante ameno, frutas frescas durante todo o ano, legumes e frutos do mar, uma "vida simples" que não requer aquecimento, investimento no inverno ou roupas e sapatos de marca, na renovação de apartamentos, em carros caros e outros atributos de uma "vida bem-sucedida".

Também há desvantagens: “tolos e estradas”, eletricidade cara (US $ 0,20 por quilowatt-hora), a quase completa ausência de medicamentos e outros problemas de infraestrutura (problemas com o trabalho da polícia, bombeiros, sistema educacional, serviços públicos, etc.) ), problemas com o lixo (no entanto, isso é típico para muitos países asiáticos e durante as "guerras do lixo" e para os europeus).

Existem vários artigos no hub ( tyts and tyts ), objetivamente, na minha opinião, refletindo o estado das coisas e as condições de vida no Camboja; portanto, não aprofundarei mais esse tópico.
Então, no Camboja, a cidade turística de Kep , o hotel Chateau Puss em Boots , 2019.

Observações e limitações introdutórias

Para vendas, atualmente usamos apenas Booking.com e AirB & B. Você pode falar muito sobre as vantagens e desvantagens desses e de outros serviços, mas, neste caso, é importante que os clientes venham e venham até nós por esses serviços, mas não por outros. Antes de Kep, minha esposa e eu tínhamos um hotel em Sihanoukville e, mais cedo, em Morjim, Goa, e lá tínhamos a mesma imagem através dos canais de vendas. Na AirB & B, o analytics ainda está em sua infância, portanto, apenas o Booking.com é considerado. E aqui temos apenas uma alavanca principal de gerenciamento de vendas - esse é o preço de um quarto por noite.

Obviamente, outros fatores influenciam as vendas. Por exemplo, uma classificação baseada em comentários de hóspedes. As estatísticas de classificação estão presentes nas análises da Booking.com, e as consideraremos abaixo.

Muito depende das condições turísticas do local. Kep , por exemplo, é uma pequena vila com uma infraestrutura de resort desenvolvida média. Para muitos, este é apenas um ponto de trânsito na fronteira entre o Camboja e o Vietnã. No entanto, a energia da Riviera Francesa colonial, o mar e as ilhas, montanhas e cavernas, pagodes e parques nacionais estão fazendo o seu trabalho, e o fluxo constante de turistas na temporada enche com confiança os hotéis locais.

Um ponto importante que afeta as vendas é o conceito e os "chips" do hotel, que ajudam o cliente a fazer a escolha certa e estimulam o "reconhecimento" intuitivo de um lugar onde ele se sentiria confortável. Esta pergunta está relacionada ao estabelecimento de metas, missão e visão de mundo do proprietário da empresa e está além do escopo deste artigo.

Além disso, várias suposições importantes devem ser feitas para entender as limitações do estudo:

• trata-se de um mini-hotel particular (entre as definições que encontrei indicam que o mini-hotel pode ter até 15 quartos), nas quais não existem procedimentos corporativos, e tudo é simplificado até o limite para reduzir os custos indiretos; portanto, todas as atividades operacionais estão concentradas nas mãos dos proprietários, sem a participação de nenhuma unidade estrutural; por exemplo, temos apenas um aspirador trabalhando no hotel, minha esposa e eu fazemos o resto terceirizando apenas trabalhos complexos de reparo e construção; se você precisar sair por um ou dois dias, ou seja, um contrato com o administrador de entrada;
• não é considerada a estrutura do preço por quarto, despesas e oportunidades adicionais de ganho (bar e restaurante, aluguel de bicicletas e motos, venda de ingressos e excursões etc.)
• A abordagem geral ao gerenciamento de hotéis não é considerada; no entanto, essa é uma estrutura interessante sobre a qual escrevi em um formato ligeiramente diferente ; se o tópico for de interesse, também publicarei um post no hub sobre o tópico de gerenciamento em um mini-hotel.

Funcionalidade do Booking.com Analytics

O Booking.com Analytics foi lançado em 2016 como uma ferramenta para ajudar os gerentes de hotéis a analisar as estatísticas de reservas e vendas. O sistema suporta a interface russificada, mas, na minha opinião, é importante consultar a fonte para não distorcer a terminologia básica.

O Booking.com Analytics inclui as seguintes seções:

• O Painel do Analytics agrega dados para uma revisão dos indicadores alcançados, incluindo o número de noites reservadas por categoria de quarto, receita de quarto (valor total pago pelos hóspedes) e taxa diária média (ADR), que é a receita do quarto dividida pelo número de noites pagas. ; O Painel do Analytics também contém links para os principais relatórios brevemente discutidos abaixo;
• O Relatório de ritmo permite comparar o volume de vendas no Booking.com com os mesmos períodos do ano anterior, bem como comparar vendas com dados agregados de seus concorrentes;
• Estatísticas de vendas fornece um corte nas vendas para qualquer período do ano passado;
• O Booker Insights fornece informações detalhadas sobre os hóspedes do hotel, incluindo o país, o dispositivo usado para a reserva e o objetivo da viagem;
• Bookwindow Information mostra com que antecedência os clientes da Booking.com reservam seus quartos;
• Características de cancelamento contém informações sobre a porcentagem de reservas canceladas;
• A Pontuação de Revisão de Hóspedes contém dados referentes a avaliações de hóspedes e classificações de hotéis em uma escala de 10 pontos por parte dos hóspedes;
• O Gerenciar conjunto competitivo permite selecionar até dez hotéis em sua região para comparar seus próprios KPIs (indicadores chave de desempenho) com os KPIs de seus concorrentes mais próximos;
• O Relatório Genius mostra a porcentagem de reservas feitas de acordo com o programa Genius (descontos para viajantes frequentes);
• O Painel de classificação demonstra a eficácia das vendas de hotéis quando os hóspedes procuram acomodações em uma determinada região.

Para análise dos dados, é possível selecionar períodos de 7, 14, 30, 60, 90 ou 365 dias. Além disso, há recursos adicionais para analisar dados comparando:

• resultados próprios com indicadores do ano passado;
• próprios resultados com indicadores de um grupo concorrente, incluindo até dez hotéis, designados por opção;
• próprios resultados com indicadores do mercado, que inclui todas as facilidades na localização do hotel.

Exemplos de Big Data do Booking.com Analytics

Esta seção não pretende ser generalizada, principalmente porque a imagem pode mudar de mês para mês. Estes são apenas exemplos de como usar as ferramentas incorporadas do Booking.com Analytics.

Por exemplo, no Booker Insights, você pode ver estatísticas de países dos quais os turistas reservam quartos de hotel. As características nacionais dos turistas são um tópico separado, que pode ser discutido por um período muito longo. Portanto, as estatísticas dos países também são bastante fascinantes. Cada país tem suas próprias preferências e isso afeta a distribuição do público-alvo do hotel. Embora, às vezes, ocorram outliers estatísticos inesperados. Por exemplo, no meio da temporada turística, conseguimos uma imagem dessas. Nosso hotel é destacado em cores mais brilhantes e a situação do mercado é mais pálida.


Dados do Booking.com Analytics: distribuição de hóspedes do hotel por país

Os turistas do Camboja e da França representam cerca de 50% do mercado de turismo em Kep, no entanto, em nosso hotel, eles representavam apenas 15% e 14%, respectivamente. Isso pode ser explicado pelo conservadorismo dos turistas cambojanos que gostam de ficar em hotéis gerenciados por proprietários cambojanos. O mesmo é explicado pela baixa porcentagem de turistas franceses, muitos dos quais falam mal ou não falam inglês. Os turistas russos também gostam quando os funcionários do hotel falam russo, e isso explica por que eles representam mais de 10% dos hóspedes contra 1,4% do mercado. Quanto aos turistas da Nova Zelândia (10% das reservas em nosso hotel contra 0,6% do mercado) e suíços (8,7% das reservas em nosso hotel contra 2,4% do mercado), a porcentagem mais alta pode ser explicada por uma boa relação qualidade-preço , uma vez que os turistas desses países são conservadores em termos de evitar custos desnecessários. O relatório detalhado do Booker Insights também contém informações divididas por país em relação à tarifa média diária, duração média da estadia e frequência de cancelamento. Esses dados são importantes para prever o comportamento dos turistas por país. Por exemplo, os hóspedes do Camboja costumam cancelar suas reservas.

O diagrama a seguir da seção Informações da Bookwindow fornece informações sobre a distribuição da janela de reserva, ou seja, quantos dias antes da chegada, os hóspedes reservam quartos.


Dados do Booking.com Analytics: distribuição da janela de reserva

A grande janela de reserva oferece mais opções em termos de determinação da tarifa diária do quarto. Além disso, as tarifas dos quartos devem levar em consideração os feriados locais e globais para definir os preços das férias com antecedência. As estatísticas dizem que poucos convidados reservam um quarto por mais de 30 dias. Além disso, cerca de 70% de todas as reservas foram feitas imediatamente antes da chegada. Isso não é muito bom, pois o risco de os quartos permanecerem não preenchidos aumenta e, além disso, é necessário um ajuste mais cuidadoso da tarifa diária para a data real.

Um indicador importante que afeta qualquer empresa hoteleira é a porcentagem de cancelamento de reservas, cujos dados estão disponíveis na seção Características de cancelamento (veja o diagrama abaixo). Aqui também no topo de cada uma das bandas, nosso hotel é destacado em cores mais vivas e a situação do mercado é mais pálida.


Dados do Booking.com Analytics: Distribuição Distribuição de frequência Distribuição

O cancelamento de última hora geralmente causa estresse, pois reduz significativamente a janela de reserva e aumenta o risco de que o quarto cancelado não seja vendido. Infelizmente, para o exemplo analisado, 34% das reservas foram canceladas, enquanto a taxa de cancelamento para o mercado em questão é de 28%. A maioria dos cancelamentos ocorre devido à janela de reserva por mais de um mês. É difícil desenvolver uma estratégia eficaz para reduzir o número de cancelamentos. As pessoas geralmente mudam de plano ou podem achar que a oferta de outro hotel é mais atraente para elas. Tentamos nos comunicar com o hóspede assim que recebemos a reserva, mas essa estratégia também nem sempre é bem-sucedida.

A indústria hoteleira depende muito da reputação que a Booking.com determina com base nos comentários dos hóspedes. A classificação é definida na faixa de 2,5 a 10 para os seguintes recursos do hotel: limpeza, conforto, localização, comodidades, funcionários e relação custo / benefício. A seção Pontuação de Revisão de Hóspedes contém detalhes de cada uma das avaliações e também fornece valores agregados de classificação de hotel. O diagrama mostra dados sobre o número de revisões recebidas em cada um dos meses e o gráfico mostra o valor final da classificação para os resultados de cada mês. Os resultados do nosso hotel (um gráfico mais brilhante e um histograma) são comparados com os resultados médios dos dez concorrentes mais próximos.


Dados do Booking.com Analytics: classificação do hotel com base em avaliações de hóspedes

Booking.com suporta o Programa de Lealdade Genius. Os usuários registrados da Genius na Booking.com recebem descontos em reservas de 10% ou mais. Para atrair viajantes Genius, o hotel deve oferecer suporte a este programa. O problema para o hotel é que a redução de preço ocorre unicamente devido a uma diminuição na renda própria. Isso significa que o preço para hóspedes com status Genius é de apenas 90% (às vezes até 85%) do preço diário declarado de um quarto na Booking.com. Por outro lado, muitos usuários da Booking.com participam do programa Genius e apreciam quando o hotel oferece suporte ao programa. Assim, a participação no programa Genius pode aumentar a renda geral do hotel, mesmo que a tarifa diária seja reduzida. É importante lembrar que a diária diária deve levar em consideração o risco de uma redução de 10% ou 15% nas diárias dos hóspedes Genius. Os hóspedes da Genius representam mais de 50% de todos os clientes, o que demonstra a eficácia da participação do hotel no programa. Esta informação está disponível na seção Relatório Genius.


Dados do Booking.com Analytics: taxa de reserva de gênios

Dados integrados sobre as atividades do hotel estão disponíveis na seção Painel de classificação, onde são apresentados vários indicadores que, de acordo com a Booking.com, afetam o indicador de renda do hotel.

Os dados são fornecidos em comparação entre nossos hotéis e os resultados médios do mercado:

• Conversão é a porcentagem de visualizações de página de um hotel convertidas em uma reserva (a proporção do número de reservas e o número de visualizações de página de um hotel na Booking.com);
• Tarifa diária média (preço médio por noite), a receita combinada recebida dos quartos vendidos, dividida pelo número de quartos vendidos;
• Os cancelamentos mostram a porcentagem de todas as reservas que foram canceladas;
• A Pontuação da crítica (classificação de hóspedes) é calculada usando as classificações dadas pelos hóspedes do hotel;
• A Pontuação da página de propriedades (classificação da página do hotel) mostra o quão cheia a página do hotel está em termos de informações e fotos;
• A pontuação de resposta leva em consideração a rapidez com que o hotel responde aos hóspedes.

Considerando os seis fatores acima que podem afetar a receita do hotel, faz sentido considerar as respectivas dependências. No entanto, alguns indicadores (cancelamento de reservas, classificação do hóspede, classificação da página do hotel, classificação das respostas) podem afetar indiretamente apenas a receita. Portanto, é impossível encontrar a relação entre a renda do hotel e fatores indiretos. Promissor, do ponto de vista da análise de big data, é o percentual de conversão e o preço diário de uma sala. Na próxima seção, consideraremos hipóteses relacionadas às dependências de renda na conversão e no preço diário.

Hipóteses para gerenciar o preço do quarto com base em big data

Portanto, usando o Booking.com Analytics, temos acesso a grandes dados que refletem o estado das vendas no hotel. Gostaria de entender como o uso desses dados pode ajudar a determinar o preço ideal por quarto.

A ciência econômica sugere que existem curvas de oferta e demanda e, portanto, algum preço ideal que permite extrair o máximo lucro da venda de um produto ou serviço. Erros do primeiro tipo (elevar o preço acima do ideal) levam os clientes a se recusarem a comprar, e erros do segundo tipo (abaixar o preço abaixo do ideal) levam a lucros mais baixos, e não é o fato de o número de vendas aumentar.

Assim, propomos a hipótese 1 (G1) : existe uma relação entre o volume de vendas dos números S e o custo de um quarto por noite C.

Formalmente, para cada dia do calendário para cada um dos números, isso pode ser descrito pelo seguinte critério minimax:
S = max (C) ˄ f = 1, em que S é a rotatividade da venda do quarto numericamente igual ao custo de vida no quarto C = {Cmin ... Cmax} (o valor do preço pertence a um determinado intervalo); f = {0; 1} - indicador binário da venda do número: f = 0 se o número não for vendido ef = 1 se o número for vendido.

Se houver vários números do mesmo tipo, nem todos os números poderão ser vendidos todos os dias. Além disso, o preço Ci para o mesmo número pode mudar durante a janela de vendas, e o critério minimax se parece com:
S = max ( $$$\ Sigma$Ci) ˄ F = $$$\ Sigma$fi, onde Ci é o preço de um quarto (o preço de um quarto da mesma categoria pode mudar), fi = {0; 1} é um indicador binário da venda de um número, F = {0..N} é o número de quartos vendidos em uma categoria, o número total que é N.

Se o hotel tiver várias categorias de quartos, os critérios acima se aplicarão a cada um deles, e a rotatividade total do hotel será formada como a soma das vendas de todas as categorias de quartos ou tudo poderá ser resumido na fórmula geral se você aumentar a dimensão adicionando outro índice.

Vamos analisar a dependência mútua de vendas e tarifas (hipótese G1 ).Não darei dados econômicos detalhados, mostrarei apenas o resultado geral. Para analisar a relação entre duas séries de dados, usamos o coeficiente de correlação de Pearson, calculado como a razão de covariância para o produto dos desvios-padrão:



Para o cálculo, é utilizado o MS Excel, no qual a contabilidade mensal do hotel é realizada. Portanto, o coeficiente de correlação é convenientemente calculado mensalmente. Recomenda-se que o número de observações seja pelo menos 10 vezes o número de fatores e o número de dias (observações) por mês se encaixe nessa recomendação. Lançamos o hotel pouco antes do Ano Novo de 2019, portanto, a partir de junho de 2019, acumulamos estatísticas por apenas 5 meses (150 dias de observação). Há discordância durante um mês e os valores do coeficiente de correlação diferem significativamente, de 0,51 em março para 0,93 em fevereiro. Então, em alguns meses, a hipótese G1não confirmado e a relação entre o custo do número e as vendas não existe. No entanto, nos meses em que r> 0,75, podemos falar sobre a presença de uma dependência de uma variável aleatória em outra, ou seja, hipótese G1 é confirmada. É melhor analisar em todo o conjunto de dados, porque, se tivermos centenas de vezes o número de observações que excedem o número de fatores, estaremos nos aproximando da lei de grandes números. Por cinco meses, a hipótese G1 também foi confirmada (r = 0,80). Abaixo estão os valores do coeficiente de correlação para cada um dos últimos meses do ano atual, bem como o valor integral por 5 meses. Deixe-me lembrá-lo de que estamos investigando a dependência do volume diário de vendas do preço médio do quarto para um determinado dia.

Valores do coeficiente de correlação r (S, C)


Obviamente, o volume de vendas depende do número de números vendidos. No entanto, não foi encontrada uma correlação entre o número de quartos vendidos por dia e o preço médio diário de um quarto (r = 0,51 para toda a amostra de dados).

MS Excel também pode construir dispersão, adicionando-lhe um gráfico e uma equação de regressão linear e de regressão para determinar a fiabilidade do valor aproximação R ² . A regressão pode dar resultados confiáveis ​​se R ² > 0,8. Para uma amostra completa dessa regressão confiável, não foi possível obter, pois a confiabilidade da aproximação foi R ² = 0,64. No entanto, isso é possível para os meses em que r> 0,9. Por exemplo, para fevereiro, obtivemos R² = 0,86. Fevereiro é marcado pelo volume de vendas mais significativo do ano devido ao Ano Novo Chinês, que dura mais de uma semana e garante a ocupação total do hotel a preços altos para as férias.

A regressão linear não faz sentido em termos de otimização, pois diz que quanto maior o preço, maior o lucro. No entanto, o preço deve estar dentro de uma faixa razoável comparável ao preço dos concorrentes mais próximos.

Do ponto de vista do gerenciamento de vendas, a mais crítica é a área em que as vendas diárias eram inferiores a 30 cu, e é especialmente crítica quando as vendas eram 0 cu No entanto, nossas estatísticas não fornecem uma resposta para a pergunta de qual valor do preço diário é ideal, pois com um preço na faixa de 12 a 20 cu as vendas variavam de 0 a 6 números por dia, e isso não dependia de outros fatores do calendário (por exemplo, dia da semana ou feriados próximos).

Outra suposição é que quanto mais turistas estiverem procurando acomodações em sua área e quanto mais turistas estiverem navegando na página de seu hotel, mais reservas você receberá. O Booking.com Analytics fornece esses dados. Por exemplo, no gráfico abaixo, os resultados da pesquisa para a cidade de Kep (Camboja) por dia. A conversão é de 132/79 377 = 0,16%, ou seja, para 10.000 turistas que procuram moradia, obtemos 16 reservas.


Dados do Booking.com Analytics: Número de solicitações de pesquisa por região

Formule a hipótese 2 (H2) : existe uma relação entre o volume de vendas dos números S e o número de consultas de pesquisa por dia R.

Entretanto, os coeficientes de correlação obtidos para uma amostra completa de dados por 5 meses e mensalmente não excederam 0,5, o que indica a ausência de relação entre duas variáveis ​​aleatórias. Isso se aplica ao número de consultas de pesquisa na região e ao número de visualizações de página de um hotel na Booking.com.

Conclusão

Este artigo discute os recursos das ferramentas do Booking.com Analytics projetadas para analisar grandes dados relacionados à venda de quartos de hotel. Com base nas informações disponíveis, duas hipóteses foram apresentadas. A hipótese 1 (G1) foi

confirmada : existe uma correlação entre o volume de vendas dos números S e o custo de um quarto por noite C.

Para analisar a confiabilidade da hipótese, foi determinado o coeficiente de correlação de Pearson r (S, C) para os dados dos cinco primeiros meses de 2019 (r = 0,80) e mensal (valor máximo r = 0,93 em fevereiro), o que indica a presença de uma relação entre os dois série de dados. A regressão é linear (quanto maior o preço, maior o lucro), o que torna impossível otimizar o valor da tarifa diária. No entanto, o preço por dia deve estar em uma faixa razoável comparável ao preço dos concorrentes mais próximos. Também não foi possível determinar o valor ideal do número do quarto por um método numérico, com base no diagrama de dispersão. Hipótese 2

não confirmada (H2) : Existe uma relação entre o volume de vendas dos números S e o número de pesquisas por dia R.

Apesar da disponibilidade de big data, no momento não é possível formular uma estratégia de gerenciamento de vendas baseada apenas em indicadores estatísticos. Talvez esses padrões dependam de tais energias pelas quais as estatísticas não são dominadas. A teoria das ondas dos negócios é conhecida e, do meu ponto de vista, faz sentido. Se criarmos uma dependência simples de vendas na data do calendário, veremos claramente picos e quedas alternados. Assim, é necessário “pegar a onda”, usando, entre outros, experiência e intuição.

Este artigo não afirma ser a verdade suprema, é apenas a minha experiência, que eu queria compartilhar.

E tudo o que tenho a fazer é desejar aos leitores o máximo prazer de usar serviços de reservas e viagens inesquecíveis!