লাভ:
- রিজার্ভেশন চ্যানেল (ওটিএ, ডাইরেক্ট, এজেন্সি), দখল এবং নো-শো ধারণা বোঝার ক্ষমতা এবং চাহিদা সারাংশ এবং অনুস্মারক খসড়া তৈরি করতে কৃত্রিম বুদ্ধিমত্তা ব্যবহার করার ক্ষমতা
- কৃত্রিম বুদ্ধিমত্তা সমর্থন সহ দৃশ্যকল্পের ভিত্তিতে ওভারবুকিং এবং বাতিলকরণের পরিস্থিতি মূল্যায়ন করার ক্ষমতা
- কৃত্রিম বুদ্ধিমত্তা আউটপুট একটি পরিসংখ্যানগত পরামর্শ এবং ওভারবুকিং এবং অতিথি নির্যাতনকে প্রভাবিত করে এমন চূড়ান্ত সিদ্ধান্তটি ম্যানেজারের অন্তর্গত বজায় রাখতে সক্ষম হওয়া।
একটি হোটেল বা সুবিধার রাজস্ব প্রায়শই একটি একক সংখ্যা দেখে বোঝা যায় না: কতগুলি রুম বিক্রি হয়েছে, কতগুলি রুম বিক্রি হয়েছে, কোন চ্যানেলের মাধ্যমে, কী দামে এবং কতগুলি বাতিল করা হয়েছে তার মতো গুরুত্বপূর্ণ। রিজার্ভেশন এবং চ্যানেল ম্যানেজমেন্ট হল পুরো ছবি পরিচালনার শিল্প। এই ইউনিটে, আপনি বুকিং প্রবাহের সংক্ষিপ্তকরণ, বাতিলকরণ এবং নো-শো প্যাটার্ন ব্যাখ্যা করতে, রিমাইন্ডার পাঠ্য প্রস্তুত করতে এবং ওভারবুকিং পরিস্থিতির মূল্যায়ন করতে কীভাবে আত্মবিশ্বাসের সাথে কৃত্রিম বুদ্ধিমত্তা (AI) ব্যবহার করতে হয় তা শিখবেন। শুরু থেকেই একটি সতর্কতা: ওভারবুকিং, এই ইউনিটের সবচেয়ে গুরুত্বপূর্ণ সিদ্ধান্ত, এটি একটি অত্যন্ত উচ্চ-ঝুঁকিপূর্ণ সিদ্ধান্ত এবং AI এখানে শুধুমাত্র পরিস্থিতি তৈরি করে, চূড়ান্ত বলে না।
চ্যানেলগুলোর সাথে পরিচিত হচ্ছে
এর আগে শর্তাবলী স্পষ্ট করা যাক. বুকিং চ্যানেল হল একটি রুম বিক্রি করার উপায়। প্রধান চ্যানেলগুলি হল: সরাসরি চ্যানেল (হোটেলের নিজস্ব ওয়েবসাইট, ফোন, ফ্রন্ট ডেস্ক — কোনো কমিশন নেই), OTA (অনলাইন ট্রাভেল এজেন্সি; অনলাইন প্ল্যাটফর্ম যেমন Booking.com, Expedia — কমিশন গ্রহণ করে), ট্রাভেল এজেন্সি/ট্যুর অপারেটর (বাল্ক বা প্যাকেজ বিক্রয়), এবং GDS (গ্লোবাল ডিস্ট্রিবিউশন সিস্টেম; কর্পোরেট এবং এজেন্সি বিক্রির সমন্বয়ে বিতরণ নেটওয়ার্ক)। চ্যানেল ম্যানেজার হল একটি সফ্টওয়্যার যা এই সমস্ত চ্যানেলের প্রাপ্যতা এবং মূল্য এক জায়গা থেকে সিঙ্ক্রোনাইজ করে; এর উদ্দেশ্য হল একই রুম দুটি চ্যানেলে বিক্রি হওয়া থেকে বিরত রাখা (ওভারবুকিং এরর)।
আরও দুটি মৌলিক ধারণা: একটি নো-শো হল একজন অতিথি যিনি রিজার্ভেশন করা সত্ত্বেও উপস্থিত হন না এবং নোটিশ দেন না। বাতিল করা হয় যখন অতিথি আগমনের আগে তার সংরক্ষণ ভঙ্গ করে। এই দুটি অনিশ্চয়তা যা রাজস্বকে সবচেয়ে বেশি প্রভাবিত করে, কারণ একটি রুম যা বিক্রি হয়েছে বলে মনে হচ্ছে তা শেষ মুহূর্তে খালি হয়ে যেতে পারে।
এই টেবিলে, AI আপনাকে নিম্নলিখিতগুলি দিতে পারে: চ্যানেল বিতরণের সারসংক্ষেপ, বাতিলকরণ এবং নো-শো প্যাটার্ন ব্যাখ্যা করুন, অতিথিকে পাঠানোর জন্য খসড়া নিশ্চিতকরণ/অনুস্মারক, বিভিন্ন ওভারবুকিং পরিস্থিতির সম্ভাব্য ফলাফলগুলি সারণী করুন। এটি যা দিতে পারে না: প্রকৃত প্রাপ্যতা, প্রকৃত বাতিল হওয়ার সম্ভাবনা এবং চূড়ান্ত ওভারবুকিং নম্বর। এগুলি আপনার সিস্টেম এবং সিদ্ধান্ত থেকে আসে।
ধাপে ধাপে: AI দিয়ে রিজার্ভেশন ডেটা পড়া
- বেনামী এবং কাঠামোগত ডেটা আনুন। নাম ছাড়াই আপনার পিএমএস থেকে চ্যানেল, রুম-নাইট, বাতিলের সংখ্যার মতো ক্ষেত্রগুলি সরান।
- প্রসঙ্গ লিখুন। সময়কাল, সুবিধার ধরন, ঋতু এবং আপনি কী শিখতে চান তা উল্লেখ করুন।
- অ্যাকাউন্ট এবং মন্তব্যের জন্য জিজ্ঞাসা করুন. AI কে অনুপাত গণনা করতে বলুন এবং একটি এক-অনুচ্ছেদ মন্তব্য লিখুন।
- যাচাই করুন। প্রতিটি অনুপাত ম্যানুয়ালি পরীক্ষা করুন; জাল নম্বর জন্য পরীক্ষা করুন.
- আপনি এটি একটি সিদ্ধান্তে পরিণত করুন। আউটপুট একটি ইনপুট; চ্যানেল কৌশল এবং ওভারবুকিং সিদ্ধান্ত আপনার.
নিম্নলিখিত সারণীতে চ্যানেলের সাধারণ সুবিধা এবং খরচ সংক্ষিপ্ত করা হয়েছে:
চ্যানেল
সুবিধা
খরচ/ঝুঁকি
এআই এর সুবিধা
সরাসরি
কোন কমিশন নেই, আপনি ডেটা রাখুন
চাহিদা তৈরি করা কঠিন
একটি নিশ্চিতকরণ/অনুস্মারক পাঠ্য লিখুন
ওটিএ
উচ্চ দৃশ্যমানতা
15-20% কমিশন
মন্তব্য এবং অনুরোধ সারসংক্ষেপ
এজেন্সি/ট্যুর
বাল্ক দখল
কম মার্জিন, চুক্তি
প্রস্তাবের খসড়া
জিডিএস
কর্পোরেট অ্যাক্সেস
জটিল, প্রদত্ত
প্রতিবেদনের সারাংশ
নো-শো এবং বাতিল: AI দিয়ে প্যাটার্নের ব্যাখ্যা করা
নো-শো এবং বাতিলকরণ এলোমেলো নয়; তারা প্রায়ই নিদর্শন বহন করে। উদাহরণস্বরূপ, অ-ফেরতযোগ্য শুল্কের ক্ষেত্রে বাতিলকরণ কম হলেও নমনীয় শুল্কের ক্ষেত্রে এটি বেশি হতে পারে; নির্দিষ্ট চ্যানেল থেকে বুকিং আরো নো-শো ফলন হতে পারে; শেষ মিনিটের বুকিং ভিন্নভাবে আচরণ করে। আপনি যখন ডেটা দেন এবং ঝুঁকিটি কোন বিভাগে কেন্দ্রীভূত হয় তা দেখাতে এআই এই নিদর্শনগুলিকে সংক্ষিপ্ত করতে পারে। তবে সতর্ক থাকুন: একটি স্কোর যা AI তৈরি করে, যেমন "এই বুকিং নো-শোর 30% ঝুঁকি বহন করে", একটি পরিসংখ্যানগত ভবিষ্যদ্বাণী; এটি একটি পৃথক অতিথিকে কলঙ্কিত করার জন্য ব্যবহৃত হয় না, তবে অনুস্মারক এবং ওভারবুকিং পরিকল্পনার জন্য একটি সাধারণ সংকেত হিসাবে ব্যবহৃত হয়।
সতর্কতা: অতীতের নো-শো প্যাটার্নের উপর ভিত্তি করে অতিথিকে "ঝুঁকিপূর্ণ" হিসাবে চিহ্নিত করা এবং পরিষেবা সীমাবদ্ধ করা বৈষম্য এবং সুনামের ঝুঁকি তৈরি করে৷ আপনার পরিকল্পনার জন্য এআই স্কোর ব্যবহার করুন, অতিথির বিরুদ্ধে নয়।
ওভারবুকিং: সর্বোচ্চ ঝুঁকিপূর্ণ সিদ্ধান্ত
ওভারবুকিং হল যখন একটি হোটেল তার চেয়ে বেশি রুম বিক্রি করে; এর যুক্তিটি এই ধারণার উপর ভিত্তি করে যে কিছু অতিথি যেভাবেই হোক বাতিল বা নো-শো করবেন। সঠিকভাবে সম্পন্ন হলে, এটি খালি ঘর পূরণ করে; ভুলভাবে করা হলে, এটি এমন একজন অতিথি তৈরি করে যার কাছে আসার সময় তার একটি রুম নেই (হাঁটা / স্থানান্তর পরিস্থিতি), যা ব্র্যান্ডের জন্য একটি অত্যন্ত ব্যয়বহুল দুঃস্বপ্ন। এখানে AI বাতিলকরণ/নো-শো সম্ভাবনার উপর ভিত্তি করে আপনার জন্য পরিস্থিতি তৈরি করতে পারে: "যদি আপনি 5টি রুম বেশি বিক্রি করেন এবং আপনার ঐতিহাসিক বাতিলকরণের হার 8% হয়, তাহলে খোলা কক্ষের প্রত্যাশিত সংখ্যা এটি।" তবে ওভারবুকিংয়ের চূড়ান্ত সিদ্ধান্ত — কতটি রুম, কোন রাতে, কী ক্ষতিপূরণ এবং ওয়াক-থ্রু নীতি — ব্যক্তির উপর নির্ভর করে।
তিনটি মিনি কেস
কেস 1 — চ্যানেল ব্যালেন্স। একটি বুটিক হোটেলের আয়ের 78% একটি একক OTA থেকে আসে এবং কমিশন খরচ বেড়েছে। ম্যানেজার AI কে বেনামী চ্যানেল-রেভিনিউ ডিস্ট্রিবিউশন দিয়েছেন এবং সরাসরি চ্যানেল বাড়ানোর জন্য একটি সারাংশ এবং ধারনা চেয়েছেন। YZ একটি নিশ্চিতকরণ ইমেল খসড়া করেছে যাতে সরাসরি বুকিংয়ের জন্য একটি ছোট সুবিধা (প্রথম দিকে চেক-ইন) দেওয়া হয়। হোটেল এই ব্যবস্থা এবং ব্যবহার; 3 মাসে সরাসরি চ্যানেল শেয়ার 14% থেকে 22% বেড়েছে। সংখ্যাসূচক দাবিগুলি সমস্ত হোটেলের নিজস্ব ডেটা থেকে এসেছে, AI শুধুমাত্র মন্তব্য এবং পাঠ্য তৈরি করেছে।
কেস 2 - যাচাইকৃত ওভারবুকিং। একজন ম্যানেজার ডেটা ছাড়াই এআইকে জিজ্ঞাসা করলেন, "আগামীকাল আমি আর কত রুম বিক্রি করতে পারি?" YZ বলেছেন "আরামদায়ক 8 টি রুম"। ম্যানেজার বিশ্বস্ত; পরের দিন, অপ্রত্যাশিতভাবে, শুধুমাত্র 2টি বাতিল করা হয়েছিল এবং 6 জন অতিথিকে একটি রুম ছাড়া রেখে ক্ষতিপূরণ সহ অন্য হোটেলে পাঠানো হয়েছিল। ত্রুটি: প্রকৃত বাতিলের ইতিহাস এবং সেই রাতের জন্য নির্দিষ্ট অনুরোধ ছাড়া AI থেকে একটি নম্বরের জন্য অপেক্ষা করা।
কেস 3 — অনুস্মারক সহ নো-শো ডাউনগ্রেড। একটি সম্পত্তিতে নমনীয় রেট বুকিংয়ের জন্য নো-শো বেশি ছিল। দলটি AI-কে একটি মৃদু, বহুভাষিক অনুস্মারক এবং একটি সহজ বাতিলকরণ লিঙ্ক সহ চেক-ইন করার আগের দিন পাঠ্য খসড়া পাঠানোর জন্য বলেছিল। মানুষের অনুমোদনে পাঠানো পাঠ্য; নো-শো রেট পরিমাপকভাবে কমে গেছে কারণ অনুপস্থিত অতিথিরা আগেই বাতিল করে রুম খালি করে দিয়েছিলেন।
দুর্বল প্রম্পট / শক্তিশালী প্রম্পট
দুর্বল প্রম্পট:
আগামীকাল আমার আরও কয়টি ঘর বিক্রি করতে হবে বলুন?
এই প্রম্পটটি বিপজ্জনক: AI প্রকৃত প্রাপ্যতা, সেই রাতের জন্য নির্দিষ্ট চাহিদা এবং বাতিলের ইতিহাস জানে না; প্রদত্ত নম্বরটি কাল্পনিক এবং অতিথির শিকার হতে পারে।
শক্তিশালী প্রম্পট:
আপনার ভূমিকা: রাজস্ব ব্যবস্থাপনা সহকারী। সিদ্ধান্ত আমার, আপনি শুধু একটি দৃশ্যকল্প সঙ্গে আসা. তথ্য (বেনামী): 100 রুম সহ হোটেল, 100 রুম আগামীকাল দখল করা হবে বলে মনে হচ্ছে। গত 12 মাসে এই ধরনের রাতের জন্য গড় বাতিলকরণ+নো-শো রেট হল 6%, সর্বনিম্ন হল 2%। টাস্ক: একটি টেবিলে বিভিন্ন ওভারবুকিং নম্বরের জন্য প্রত্যাশিত খোলা ঘর এবং রুমহীনতার ঝুঁকি দেখান (0, 2, 4, 6); গণনা ব্যাখ্যা করুন; সবচেয়ে খারাপ পরিস্থিতি হাইলাইট করুন। একটি সঠিক সংখ্যা আরোপ করা, একটি তৈরি হার যোগ করা।
টেমপ্লেট: চ্যানেল নিশ্চিতকরণ/অনুস্মারক ইমেল:
আপনার ভূমিকা: অতিথি যোগাযোগ সহকারী যিনি হোটেলের ব্র্যান্ড টোনের সাথে সঙ্গতি রেখে লেখেন। ভাষা: [তুর্কি/ইংরেজি/জার্মান]। টোন: উষ্ণ, সংক্ষিপ্ত, পেশাদার। প্রসঙ্গ: [সম্পত্তির ধরন], চেক-ইন [তারিখ], নমনীয় হার। টাস্ক: একটি 90-শব্দের ইমেল খসড়া করুন যা (1) সংরক্ষণ নিশ্চিত করে, (2) আপনাকে সহজ বাতিল/পরিবর্তন উপলব্ধতার কথা মনে করিয়ে দেয়, (3) একটি প্রশ্নের সাথে যোগাযোগের আমন্ত্রণ জানায়। দাম, রুম নম্বর বা ব্যক্তিগত তথ্য যোগ করুন; আমি তাদের যোগ করব।
টেমপ্লেট: চ্যানেল বিতরণ সারাংশ:
নীচে আমার বেনামী চ্যানেল-রাজস্ব সারণী: [চ্যানেল: রুম-নাইট, রাজস্ব]। টাস্ক: শতাংশ হিসাবে প্রতিটি চ্যানেলের আয়ের ভাগ গণনা করুন (সূত্র দেখান), একটি এক-অনুচ্ছেদ মন্তব্য লিখুন, চ্যানেল বাড়াতে সরাসরি 3টি ধারণার পরামর্শ দিন। এমন কোনো সংখ্যা তৈরি করবেন না যার জন্য আমি ডেটা দিইনি।
প্যাটার্ন: নো-শো প্যাটার্ন সারাংশ:
বেনামী ডেটা: সেগমেন্ট [টেবিল] দ্বারা সংরক্ষণ এবং নো-শো নম্বর। টাস্ক: কোন বিভাগে সর্বোচ্চ নো-শো রেট আছে তা দেখান, সম্ভাব্য কারণ সম্পর্কে মন্তব্য করুন, একটি অনুস্মারক কৌশল প্রস্তাব করুন। স্বতন্ত্র অতিথিকে কলঙ্কিত করে এমন অভিব্যক্তি ব্যবহার করবেন না; পরিকল্পনার উদ্দেশ্যে স্কোর ব্যাখ্যা করুন।
সাধারণ ভুল
- AI-কে ওভারবুকিংয়ের সংখ্যা নির্ধারণ করতে দিন। এআই পরিস্থিতি তৈরি করে; কত রুম বেশি বিক্রি হবে তা বাতিলের ইতিহাস এবং ম্যানেজারের সিদ্ধান্ত দ্বারা নির্ধারিত হয়।
- নো-শো স্কোর সহ অতিথিদের ব্র্যান্ডিং। এটি বৈষম্য এবং সুনামের ঝুঁকি; স্কোর শুধুমাত্র পরিকল্পনা উদ্দেশ্যে.
- চ্যানেল ডেটা যাচাই না করে মন্তব্যের উপর নির্ভর করা। ইনপুট সঠিক হলে AI এর সারাংশ মূল্যবান।
- ব্যক্তিগত তথ্য শেয়ার করা। রিজার্ভেশনের নাম, কার্ড এবং পাসপোর্ট খোলা যানবাহনে প্রবেশ করবেন না।
- একটি একক চ্যানেলের উপর নির্ভরতা উপেক্ষা করা। AI ব্যালেন্স দেখায়, কিন্তু চ্যানেলের কৌশল আপনার।
টিপ: ওভারবুকিং পরিস্থিতিতে, সর্বদা AI কে "সবচেয়ে খারাপ পরিস্থিতি" লাইনের জন্য জিজ্ঞাসা করুন। আপনার সিদ্ধান্ত নেওয়ার সময়, আপনার ক্ষতিপূরণ এবং বিকল্প সুবিধার পরিকল্পনা তৈরি রাখুন সবচেয়ে খারাপ অবস্থার উপর ভিত্তি করে, গড় নয়।
সংক্ষেপে
রিজার্ভেশন এবং চ্যানেল ম্যানেজমেন্ট ভারসাম্যপূর্ণ এবং কঠিন আয় লক্ষ্য করে, দখল নয়। এই কাজে, AI চ্যানেলের সারাংশ, নো-শো মন্তব্য, অনুস্মারক পাঠ্য এবং ওভারবুকিং পরিস্থিতি তৈরি করে; কিন্তু প্রকৃত প্রাপ্যতা, বাতিল হওয়ার সম্ভাবনা এবং ওভারবুকিং সিদ্ধান্ত আপনার সিস্টেম এবং রায় থেকে আসে। সর্বোচ্চ ঝুঁকিপূর্ণ সিদ্ধান্ত হল ওভারবুকিং, যেখানে AI শুধুমাত্র পরিস্থিতি তৈরি করে, মানুষ সিদ্ধান্ত নেয়।
আবেদন টাস্ক
আপনার সম্পত্তিতে একটি (বা অনুমানমূলক) রাতের জন্য "স্ট্রং প্রম্পট" ওভারবুকিং টেমপ্লেটটি ব্যবহার করুন: একটি 100-রুমের সম্পত্তি, 0/2/4/6 ওভারবুকিং পরিস্থিতি AI-তে ট্যাবুলেট করুন, 6% গড় বাতিল/নো-শো ধরে নিন। আউটপুট যাচাই করুন (প্রত্যাশিত খোলা ঘর = ওভারবুকিং − প্রত্যাশিত বাতিলকরণ), সবচেয়ে খারাপ পরিস্থিতি চিহ্নিত করুন এবং 5টি বাক্যে ন্যায়সঙ্গত করুন যে আপনি কোন সংখ্যার ওভারবুকিং বেছে নেবেন, কোন ক্ষতিপূরণ পরিকল্পনার সাথে।
চেকলিস্ট
- [ ] আমি কি রিজার্ভেশন ডেটা বেনামী এবং গঠন করেছি?
- [ ] আমি কি ওভারবুকিংয়ের জন্য "সবচেয়ে খারাপ পরিস্থিতি" লাইন চেয়েছিলাম?
- [ ] আমি কি এআই রিটার্নের প্রতিটি অনুপাত ম্যানুয়ালি যাচাই করেছি?
- [ ] আমি কি নো-শো স্কোরটি পরিকল্পনার জন্য ব্যবহার করেছি এবং অতিথি স্ট্যাম্পিংয়ের জন্য নয়?
- [ ] আমি কি চূড়ান্ত ওভারবুকিং এবং চ্যানেলের সিদ্ধান্তের জন্য একজন মানুষকে দায়ী করেছি?