Управление доходами и использование аналитики — вот два основных механизма, которыми с начала 1980-х годов пользуются все отели. Именно в этот период управляющие гостиниц начали уделять больше внимания прибыльности каждого отдельно взятого номера и искать варианты оптимизации их стоимости. К середине 1990-х годов, сеть отелей «Марриотт», которая взяла на вооружение новую стратегию, удалось поднять среднегодовой показатель доходов до $150-$200 млн.

Перенесемся в наше время — и мы видим, что подход к управлению доходами с помощью data-ориентированных способов во многом еще не стал основным для большинства владельцев гостиниц. И очень зря.

Существует новое применение моделирования данных: некоторые отели используют современную технологию, чтобы отслеживать RevPAR (прибыль с номера) путем ценовой дифференциации. Суть состоит в динамическом отображении разных номеров отеля в зависимости от параметров поиска клиента.

Чтобы продемонстрировать, как эта система работает на самом деле, ниже приводится реальный пример использования аналитических данных. Заметьте, что в этой системе гостей абсолютно устраивают цены на номера, а отели способны получить еще больше прибыли с каждого клиента.

Пример действия анализа данных в отельном бизнесе

Возьмем случайного человека по имени Артем, который ищет гостиницу в Гонконге на следующую неделю. Будучи приверженцем определенной системы бронирования, он заходит на страницу конкретного отеля и входит в свой аккаунт. Артем вводит нужные ему даты пребывания, нажимает «Поиск» — и мощный вычислительный процесс пошел.

Триллионы данных, которые были обработаны в течение последних нескольких недель, синхронизируются, чтобы составить единую композицию и предложить «идеальную» для Артема цену. Использование ключевой информации, показателей вероятности, а также привлечение данных со сторонних источников и их анализ в режиме реального времени позволяют системе бронирования свести всю тяжелую работу воедино, чтобы интерпретировать полученные сведения в максимальную цену, которую клиент готов заплатить за номер.

Если говорить конкретно, то особое внимание уделяется тому, останавливался ли клиент в искомой локации ранее. Если это так, изучается конкретное место пребывания (отель), количество дней и сумма, которую он потратил на проживание.

Это деловая или личная поездка и кто ее оплачивает? (Отели могут узнать данную информацию путем проведения опроса либо путем анализа доступных третьим лицам сведений: бизнес-туры обычно имеют более высокий приоритет).

Использует ли человек корпоративный или стандартный промокод? (Если использует, то делал ли он это ранее и каковой процент забронированных номеров с использованием купона на скидку? Какова внутренняя оценка вероятности бронирования с промокодом и без него?).

Какой у Артема внутрисистемный рейтинг? (Высокий балл характеризирует неприхотливого клиента, низкий — более требовательного и состоятельного человека).

Если он останавливался в этой гостинице ранее, то какими были его впечатления от пребывания там? Делился он мнением по этому поводу в социальных сетях? (Положительный тон отзыва позволяет повысить ценник).

Какой сети и отелям с каким количеством звезд отдает преимущество гость? (Эти факторы играют основополагающую роль в формировании итоговой стоимости).

Есть ли у Артема другие забронированные номера в Гонконге на конкретную ночь? (Если да, тогда можно инициировать отмену резерва у конкурента путем предложения более выгодной цены).

Какую максимальную сумму он заплатил за отель в Гонконге в прошлый раз? Какой его «финансовый потолок»? Какой наивысший класс номера он когда-либо бронировал здесь? (Зная «идеальную сумму», с которой Артем готов расстаться ради комфортабельного номера, можно предложить ему комнату с такими же условиями, но немного дороже).

Каков StayScore Артема? (Отраслевой рейтинг, который отображает ценность клиента в гостиничном бизнесе в конкретном регионе на основании агрегирования программ лояльности. Высокий балл показывает готовность больше платить за улучшенные номера).

Если клиент всегда выбирает номера уровня «Lux», какова вероятность того, что на этот раз он остановится на «Стандарте»? (Более доступные варианты, безусловно, должны отображаться, но за счет динамического повышения их цен, стоимость номеров высшего уровня кажется более привлекательной).

Каков внутренний рейтинг Артема для отельных услуг в этом регионе/сети отелей/типе поездки? (Сколько клиент тратит на рестораны, SPA, Интернет и т. д. Этот фактор позволяет сделать скидку на определенную услугу или целый комплекс услуг, чтобы поставить более высокую стоимость номера).

Data-layer

Вероятные проблемы и актуальность функционирования системы

Конечно, если пользователь не имеет цели зайти на определенный сайт, а попадает на тот или иной ресурс через поисковую машину, появляется ряд дополнительных аспектов, на которые потенциальный клиент обращает внимание. Например, поисковик может выдать информацию о том, что есть аналогичные варианты на сайте конкурентов или появится предупреждение из TripAdvisor с отзывами об отеле.

Пример с Артемом демонстрирует то, как Big Data работает на платформе с рядом параметров, в частности, индивидуальным ценообразованием. Благодаря информации, доступной к обработке в течение нескольких миллисекунд, отели могут получать дополнительные доходы. «Фишка» в том, что клиента можно привлечь не только самой демократичной ценой номера, но и, если мы говорим об апартаментах люкс-класса, тем, как эта цена смотрится на общем фоне.

После того, как потенциальный клиент видит результаты поиска, он делает свой выбор и оплачивает номер. Он не думает о том, что стоимость выбранного им номера немного выше, чем цены на остальные комнаты: эти же апартаменты куда больше и комфортнее! А еще и приятные дополнения в виде подарочного SPA-сеанса и скидки на завтрак. Артем доволен, отель тоже не остался в обиде.

Добро пожаловать в будущее отельного бизнеса, где ценообразование определяется анализом данных.

ОСТАВЬТЕ ОТВЕТ