肇州量化投资虚拟社区

提升酒店收益的策略:无限制的需求预测

辽宁省旅游饭店业协会 2019-03-17 10:53:32

最近几年,收益管理的概念从不为人熟悉,到耳熟能详,经历了相当长时间的发展,也越来越能被中国酒店业管理者所接受。很多酒店都已经开始尝试建立收益管理团队和体系,但是大部分的收益管理人员还是每天忙碌于不同的表格中,忽略了收益管理所需要的战略和战术上的考量,尤其是收益管理的基础——“预测”,更容易被大家所忽略。

预测对于提升酒店收益至关重要

为什么说预测是收益管理的基础,我们又如何来着手进行预测?在回答这些问题之前,我们可以首先来设想一下,我们在日常的操作中,是否经常面对如下的情况:

1. 我们有没有经常婉拒那些需要入住更长时间的客人,比如说,有些需要入住6天的客人,但是由于其中3天已经满了,而无法接受这样的顾客需求?

2. 我们有没有婉拒那些价格更高,但是出现得比较晚的顾客需求,因为酒店的很多客房已经被价格比较低的顾客预订所占据?

3. 因为酒店已经满房,而婉拒新的订房需求,但是最终却没有满房?

4. 接受一些订房需求,却最终后悔?比方说,先接受有些团队,或者促销的预订导致酒店无法接受价格更加高的预订需求,等等……

为什么会出现这样的情况?是因为在实际操作中,不同的业务所出现的时间点是不一样的。比如说,团队订房的需求总是比散客需求提前比较多的时间出现;在散客业务中,一些公司客户、包价客户可能由于其安排的前瞻性,能够提前预订。而相当多的一般散客订房需求出现的相对较晚,有很多酒店甚至当天才会有很多的订单,就足以证明。所以,很多酒店都是以已有预订(On the Book)作为主要判断的依据,实行先到先得的预订模式来进行日常预订管理。

对于收益管理来说,其实就是要改变这种先到先得的操作方式。通过了解各种需求所出现的不同进度并与历史数据、已有预订和最近的业务变化趋势相结合,对未来进行预测。在预订还未出现之前,预测出可能的需求数量,再加以优化,选择接受能够为酒店带来最大化收益的需求。

优化酒店业务结构

很多酒店都已经开始利用历史数据来进行分析,但我们更需要的是对历史数据中的不同业务构成进行分析,这是很多酒店容易忽视的地方。把数据按照不同的购买行为进行分类,诸如按照不同的业务类型(散客或团队)、细分市场(公司/休闲/批发商等)、不同的入住星期、季节以及入住天数等等来进行划分,并组合成相似的细分市场分组是其中的关键。

当我们在统计出租率的时候,很多时候仅仅关注于整体酒店的表现。但是酒店整体的数据是否能告诉我们酒店业绩的真相了呢?我们先看看下面这样一个例子:



从这张图上,我们可以看到蓝色代表的是酒店的实际出租率。光从数据本身看,其实酒店的表现非常不错,周二和周三满房,周四和周六的出租率也相当高。但是,如果我们再加上绿色代表的其他需求,我们其实可以看到,如果控制的好的话,我们也许能够使周一满房到周四。那么这个绿色所代表的需求又是从何而来?

设想一下,我们平常有些日期可能比较空,还有很多的客房可以销售;但有些时间又很满,恨不得多盖几层客房以满足所有的订房。出现后一种情况,就是因为市场上对酒店的需求远超酒店的客房数量。因而需求的本身是不受酒店客房数量所限制。所以,我们在预测的计算中,需要把所有潜在的,无论是否能够被接收的需求纳入考虑之中。这样的预测,称之为无限制的需求预测。

但是光从酒店层面本身,很难统计出这些高于酒店客房数量的需求。所以,我们需要按照我们之前所述,把酒店的业务按照不同的购买行为进行分类。结合相类似的细分市场构成不同的细分市场分组,把每个细分市场分组单个来考虑的话,也许就能够获得如下的分析:



在我们统计的时候,按照每个细分市场分组进行分类,并加上其所能带来的价值,基本能够勾勒出酒店的业务结构。从图中,我们可以看出,一般来说,低价的业务(比如说,团队、包价等)都是出现得比较早,而相对的,那些高价需求(比如一般无限制条件的需求)总是出现得比较晚。如果我们不加控制的话,就会出现我们之前提到的那些我们经常在实际操作中遇到的问题。酒店有限的客房可能会被低价的、或者仅入住最满当天的需求所占据。通过对不同业务进行分类而得出的无限制的需求预测,能够帮助我们更精确地了解在我们业绩中,不同的业务所出现的模式以及趋势,进而了解业务结构的构成和变化,以帮助酒店进行最佳业务结构的选择。

统计预订进度

除了需要把不同的业务进行分类之外,还有一个重要数据帮助我们理解需求所出现的时间,也就是预订进度的统计。

有很多的酒店管理系统(PMS)都会记录下每一天的最终销售数量,但是很少有酒店的PMS系统会跟踪记录入住日提前多日每天的客房销售数据。但这些数据恰恰是被用来理解无限制需求的预订进度的。在手工环境下,还是可以比较容易地跟踪此类数据。当然,如果追踪的数据不仅仅限于酒店层面的数据而包括了不同细分市场层面的数据,那就更理想了。

对于每一天,无论忙与不忙日期的追踪都非常重要。因为很多不忙的日期由于没有客房总数的限制,反而能显示出比较真实的预订进度。此种类型的分析能够建立起关于业务结构、价值和针对不同的星期、季节的预订进度的理解。而正是利用这些数据,能够帮助酒店不仅比较今年和去年的进度差别,而且更加容易了解每个不同业务的趋势变化。


在这里,我们可以看到一个以抵店前14天作为监控时间段而建立的表格。需要监控多久,完全可以由酒店根据实际情况及各种资源自行决定。但是无论监控多久,都要尽量确保我们获得的数据的一致性。这样的统计,能够帮助我们理解不同的季节以及星期,数据所表现出的模式。通过归纳,总结得出此类数据的相对比较固定的进度模式,进而运用在将来的预测中。

同时,我们还必须理解有些需求最终并不会导致预订的产生,因为需求本身的不确定性是不可避免的。尤其当需求出现的时间非常临近的时候,其不确定性的剧烈与否,可能会对酒店最终的出租率造成重大的影响。

建立置换收益的基础

我们还可以通过无限制需求的分析,建立起计算置换收益的基础。置换收益是指那些由于已经提前接受了低价的需求而无法接受更高价的需求时所被置换掉的那部分收入。在没有无限制需求预测的情况下,计算置换收益非常困难。因为很多酒店的基本判断就是On the Book的数据。

在这里,我给大家举个例子。某家酒店的收益经理对销售说,在接下来的某段日期,如果销售拿到100间客房以上的团队询价,他能报的价格要比50间客房以下的团价要高很多。很多销售非常不理解,他们认为如果客户的需求更多的话,团价应该更低才对。就像批发市场那样,买一个苹果比买一百个苹果所得到的每个苹果的单价要高出许多。但是那个收益经理和销售团队说,因为接下来的需求预测非常旺盛,如果很多的房间都被这种低价团所占据的话,那么等高价需求出现的时候,酒店就已经没房了。正是基于这样的预测,这个收益经理才能下这样的指令以帮助销售团队进行团队定价。所有这些努力,都能够帮助酒店提高选择最优业务结构的信心和能力。

如何建立以需求预测为主的管理体系

综上所述,如果要想实现对将来的预测,我们需要做好如下准备工作:

首先,我们要尽量确保酒店数据的完整性,准确性及一致性。很多酒店在预订录入的时候,没有具体或者清晰的标准。我们在实际工作中,经常碰到有的酒店搞不清楚细分代码、客源代码和房价代码的具体使用原则。不同代码的作用不同,但是如果没有统一的使用标准,经常导致数据的不完整,以及不一致。还有些酒店会出现以下这些情况:预订部可能不是每天都有人,或者人员不够;没人及时处理,把预订、取消等留到下一个工作日;为了控制房态,可能会在系统中事先做一些假的订房,到邻近的时候再取消以保留部分房间,等等。类似的做法都会影响到数据本身的准确性。

其次,我们之前已经提到,需要按照不同层面进行数据分析,包括酒店层面、细分市场层面和星期等,这样可以帮助我们了解年与年之间的变化趋势,以应对当前市场的变化。

第三,在计算无限制需求的前提下,并非仅仅使用已售客房数量加上婉拒数据本身。我们需要了解记录婉拒数据的意义,并了解它本身的局限性。因为在人工环境下,很难确保数据记录的准确性和一致性,而不同渠道的数据也很难被统计进来。

通过持续不断地监控并不断修正预测,对于提升我们制定决策的信心和掌控趋势的变化都有相当大的帮助。建立起定期的收益管理会议就显得尤为重要。在定期的收益管理会议以预测作为主要的判断依据,不断调整市场策略以获取最大化收益。在利用大数据分析成为时尚的当今,酒店管理者需要与时俱进,充分利用好酒店所掌握的数据资源,这样才能够在激烈的竞争中占有一席之地。

来源:IDeaS  作者:陈东

Copyright © 肇州量化投资虚拟社区@2017