I åratal har hotellägare utmanats av oförutsägbara ekonomiska krafter, oförklarliga trender och ibland kaotiska världshändelser. Bland allt detta har revenue managers stått i frontlinjen och försökt minimera förlusterna och förbättra prognosprecisionen.

Trots stora framsteg inom automatiserade beslutssystem under de senaste två decennierna, har en brist på förtroende för tekniken hindrat branschen från att få djupare insikter från prognoser. De senaste åren har tvingat oss att göra mer med mindre och visat på behovet av sofistikerade system som använder omfattande datauppsättningar på ett intelligent sätt.

Förstklassiga intäktshanteringssystem mäter osäkerhet genom att skapa en obegränsad efterfrågeprognos, vilket i sin tur ger en mer exakt övergripande prognos. Tekniklandskapet för hotell är mångfacetterat, i synnerhet utbudet av verktyg för prognoser och revenue management. För att undvika fallgropar är det viktigt att förstå skillnaderna mellan olika system: hur fungerar regelbaserade system jämfört med automatiserade? Hur kan du undvika att ditt beslutsfattande hamnar i en silo genom att välja fel typ av optimering?

Förståelse för regelbaserade kontra AI-drivna system

Enkelt uttryckt använder regelbaserade system fördefinierade "Om/Då"-satser för att ställa in triggers som dikterar åtgärder inom systemet. Till exempel, om beläggningen når 20 procent, sedan rumspriset kommer att öka med 10 procent.

Dessa system utför endast fördefinierade åtgärder - och fortsätter att göra det tills du säger åt dem att sluta. Varje eventualitet behöver en skriftlig regel för att säkerställa att åtgärder vidtas; om det inte finns någon regel på plats kommer systemet inte att vidta några åtgärder. Om ett fel begås när en regel matas in kommer systemet fortfarande att blint följa den regeln, vilket kan skada ditt företag. 

Regelbaserade system förväxlas ofta med artificiell intelligens och maskininlärningssystem, men de är varken eller - även om de till synes fungerar på egen hand gör de exakt som de instrueras av en människa. Medan AI-drivna system lär sig och anpassar sig för att avgöra den bästa åtgärden baserat på datautfall utan att behöva fördefinierade parametrar.

Nackdelarna med regelbaserade system

Regelbaserade system bygger på att revenue managers har tid att ständigt kontrollera, revidera och skapa regler. Denna process kan vara lika komplex som att installera ett algoritmiskt tillvägagångssätt på grund av antalet variabler i hotellbokningsprocessen, inklusive typen av gäst, deras boknings- och vistelsebehov.

Ibland kan regler komma i konflikt med varandra - till exempel kan du ha en regel som ger mervärden för personer som stannar 5 eller fler nätter på ett semesterhotell, och en separat regel som anger inga mervärden för personer som bokar en rumstyp på ingångsnivå. Om reglerna inte sätts upp korrekt inom en komplex hierarki kan de återspegla priser som förvirrar dina gäster och tvingar dem att gå någon annanstans för att boka.

Grupppriser är ett särskilt hinder för regelbaserade system, särskilt när förfrågningarna inkluderar mat och dryck. Gruppbokningarnas varierande behov lämpar sig helt enkelt inte för regelbaserade system, vilket skapar manuellt arbete för interna bokningsteam och ofta orsakar förseningar i svaren på förfrågningar om gruppaffärer när försäljnings-, reservations- och intäktsteam diskuterar vilken affär de ska ta.

I verksamheter där det finns tillräcklig mänsklig expertis för att definiera (och ständigt omdefiniera) reglerna, kan regelbaserade system fungera för enkla problem. Men resultaten varierar - beroende på kvaliteten på revenue managern, dennes kunskap om marknaden, noggrannhet när det gäller att skapa regler och den tid som regelbundet investeras i att skapa och justera regler.

Regelbaserade system tenderar att inte uppfylla sitt syfte när revenue managers är frånvarande, på semester, upptagna av andra prioriteringar eller lämnar verksamheten (då en ny teammedlem vanligtvis behöver börja om från början och se över systemet för att säkerställa att de känner till de komplicerade befintliga reglerna).

En korrekt prognos under svåra omständigheter kan bara skapas av ett intelligent automatiserat system, ett system som kontinuerligt lär sig och kan bearbeta tusentals datapunkter snabbare än en människa kan. Sådana system gör att hotellen kan reagera dynamiskt på förändrade marknadsvillkor 24 timmar om dygnet, 7 dagar i veckan - och till och med hantera individuella bokningsnyanser.

Öka prissättningskraften samtidigt som du hanterar osäkerhet

Beslut om intäktsstyrning och prisoptimering omfattar för många variabler för att människan ska kunna analysera dem effektivt i realtid. För att ge en mer exakt beslutsförmåga måste systemen modellera verkliga situationer och reagera intelligent på ett ögonblick för att hålla koll på marknadstrenderna och arbeta inom ramen för hotellets affärsmål.

Medan stagnerande, ojusterade regler lämnar pengar på bordet, hjälper ett automatiserat system hotellägare att hantera osäkerhet och vara proaktiva i prishanteringen, vilket ökar deras prissättningskraft. 

Ur ett dataperspektiv är ett hotells vistelsestruktur ett komplext tidsbaserat nätverk som bygger på flera interagerande kombinationer av ankomstdagar, vistelselängd och rumskategori. Det måste ta hänsyn till kvalificerade och okvalificerade gästtyper, var och en med sin egen distinkta efterfrågan. Blanda in osäkerheten när det gäller bokningsmönster, säsongsvariationer, no-show-frekvenser etc. och du har en komplexitet som överstiger den mänskliga analysförmågan.

Automatiserad optimering

Alla beslut om intäktsstyrning - även om man säljer ett rum för en enda natt - påverkar alla andra beslut, eftersom det rummet kan säljas i kombination med andra nätter för att öka de totala intäkterna. Det finns en betydande komplexitet som härrör från problemets nätverkskaraktär. Till exempel kan resplaner som är en kombination av närliggande upptagna och icke upptagna nätter ge större totala intäkter jämfört med resplaner som är en kombination av endast upptagna nätter.

Beslut om att acceptera eller avvisa bokningar måste fattas kontinuerligt, ofta upp till ett år i förväg. Detta medför osäkerhet och brist på fullständig kunskap vid den tidpunkt då dessa beslut måste fattas. Eftersom besluten måste fattas i realtid i en osäker miljö krävs en komplex process för prognostisering och proaktiv matematisk optimering, en process som endast är möjlig med AI-drivna intäktshanteringssystem med automatiserade beslut.

I AI-baserade optimerade system är beslutsfattandet mycket dynamiskt, sofistikerat och ekonomiskt tack vare datorns förmåga att bearbeta stora mängder data och ta hänsyn till tusentals scenarier på bara några sekunder. De kan producera optimala beslut i realtid i en nätverksomfattande mening samtidigt som de tar hänsyn till efterfrågans osäkra natur.

Detta är endast möjligt med prognosmetoder som inte bara ger en prognos för den genomsnittliga efterfrågan, utan även för osäkerheten i efterfrågan. Ett sådant prognossystem matar beslutsoptimeringssystemet baserat på maskininlärning, liksom matematisk optimering för att maximera vinsten och samtidigt hantera de risker som är förknippade med den osäkra karaktären hos efterfrågan och marknadsplatsen.

När tillräckligt bra INTE är tillräckligt bra

Det finns utrymme för både traditionella regelbaserade metoder och automatiserade system. Vilket system som är bäst för din verksamhet beror på många faktorer, till exempel hotellets komplexitet, mängden data du har tillgång till, strukturen i det underliggande systemet som levererar värde och hur ofta beslutssystemet behöver uppdateras.

Vissa hotellägare har bestämt sig för att regelbaserade system är "tillräckligt bra", särskilt när de omplacerar personal och omskolar. Men har de tagit hänsyn till de mest kritiska luckorna, kända eller okända, samtidigt som de förstår komplexa matematiska och beteenderelaterade avvikelser? Kommersiella ledare måste överväga hur de ska åtgärda dessa brister samtidigt som de tar hänsyn till personalens påverkan och de interna beslut de fattar.

Det primära målet med prognoser är att identifiera alla möjligheter, inte en begränsad uppsättning inbillade vissheter. Huruvida en specifik prognos visar sig vara korrekt är bara en del av bilden - även en trasig klocka går rätt två gånger om dagen. Dagens gäster beter sig på ett annat sätt än gårdagens, och morgondagens kommer att se annorlunda ut igen.

Framför allt är prognosmakarens uppgift att kartlägga osäkerheten. I en värld där våra handlingar i nuet påverkar framtiden är osäkerhet en möjlighet. Valet av ett system för automatiserat beslutsfattande inom revenue management kommer att göra skillnad för en bättre förståelse av det okända.

IDeaS har en rad lösningar för intäktshantering för hotell och andra logiföretag som är utformade för att optimera vinsten i alla intäktsströmmar. Läs mer på idéer.com