Indtægtsstyring og dynamisk prisfastsættelse

Gevinster:

• Evne til at beregne og fortolke indtægtsstyringsindikatorer såsom RevPAR, ADR og belægning med støtte til kunstig intelligens
• Evne til at udarbejde kunstig intelligens og evaluere dynamiske prisscenarier baseret på efterspørgsel, sæson og konkurrentdata
• At kunne forstå, at prisbeslutningen tilhører mennesket under hensyntagen til markedet, brandpositionen og etiske grænser, og at kunstig intelligens kun producerer scenarier.

Det samme værelse på det samme hotel kan sælges for 1.800 TL en tirsdag aften, 3.200 TL i weekenden og 4.500 TL i løbet af en festivaluge. Dette er ikke en inkonsekvens, det er en metode: det kaldes revenue management. Dens mål er enkelt: at sælge det rigtige værelse til den rigtige gæst, på det rigtige tidspunkt, til den rigtige pris, gennem den rigtige kanal. I denne enhed lærer du, hvordan du bruger kunstig intelligens (AI) til at beregne indtægtsindikatorer, fortolke efterspørgsels- og konkurrentdata og generere dynamiske prisscenarier. Det kritiske princip er fra starten: Prisbeslutningen er en meget højrisikobeslutning; AI producerer scenarier, mennesker bestemmer prisen.

Tre nøgleindikatorer for indtægtsstyring

Før vi taler om priser, lad os opklare tre tal.

Belægningsprocent: Antal solgte værelser divideret med antallet af ledige værelser til salg. Hvis der sælges 96 værelser på et hotel med 120 værelser, er belægningen 80 % (96 / 120).

ADR (Average Daily Rate): Værelsesindtægt divideret med antallet af solgte værelser. Hvis 96 værelser blev solgt for i alt 230.400 TL for en nat, ADR = 230.400 / 96 = 2.400 TL.

RevPAR (Revenue Per Available Room): Værelsesindtægt divideret med antallet af salgbare værelser; alternativt belægning × ADR. I eksemplet ovenfor er RevPAR = 230.400 / 120 = $1.920 eller 80 % × 2.400 = $1.920. RevPAR er hjertet i revenue management, fordi det kombinerer både belægning og pris i et enkelt nummer.

Hvorfor er begge vigtige? For høj belægning er ikke altid godt. At sælge værelser meget billigt og opnå 100 % belægning kan være værre end at sælge lidt dyrere og opnå 85 % belægning og højere RevPAR. AI kan beregne og vise disse to scenarier side om side, når du giver dataene; Hvilken du vælger afhænger af din strategi og markedskendskab.

indikator

formel

Hvad måler det?

belægning

Solgt værelse / Solgt værelse

Hvor mæt er du?

ADR

Værelsesindtægter / Værelser solgt

Hvor meget solgte du det for i gennemsnit?

RevPAR

Værelsesindtægt / Salgbart værelse

Hvor godt evaluerede du din kapacitet?

TRevPAR

Samlet omsætning / Salgbart værelse

Effektivitet inklusive omsætning uden for værelse

Hvad er dynamisk prissætning

Dynamisk prissætning er, når værelsesprisen ikke er fast, men ændres i henhold til efterspørgsel, sæson, resterende tilgængelighed, dag, begivenheder og konkurrentpriser. Det er den samme logik, som vi er vant til, når det kommer til flybilletter. Input inkluderer: efterspørgselssignaler (søgning, bookinghastighed), afhentning (hvor hurtigt reservationer kommer ind på en given dato), leveringstid (tid mellem booking og ophold), konkurrentpriser, lokal begivenhedskalender og din omkostningsbase.

AI er en stærk hjælper her, men i en begrænset rolle: Når du giver input som efterspørgsel, belægningsmål, konkurrentudvalg og omkostninger, kan AI kortlægge forventet belægning og RevPAR-scenarier for forskellige prispunkter, forklare logikken, skrive et afsnit om prisbegrundelse. Hvad den ikke kan: Kend den reelle markedssituation, se konkurrentens pris live og bestem den endelige pris. Det er dine job.

Bemærk: At bede AI om at "bestemme morgendagens pris" betyder at få den til at beslutte sig for et emne, som den ikke ser markedet for. Spørg AI om et pris "scenario", ikke en pris "beslutning"; Du bestemmer med dit markedskendskab.

Etiske og juridiske grænser

Dynamisk prissætning har sine begrænsninger. Når du laver personlig prisfastsættelse, indebærer anvendelse af diskriminerende priser baseret på gæstens personlige egenskaber (f.eks. enhed, placering) både etiske og juridiske risici. Ublu prisstigninger i ekstraordinære perioder såsom katastrofer og epidemier ses som opportunisme og kan blive sanktioneret. Derudover kræver prisgennemsigtighed og forbrugerlovgivning, at man undgår skjulte gebyrer. Når AI anbefaler en pris, er menneskelig filtrering, der respekterer disse grænser, afgørende.

Trin for trin: Oprettelse af prisscenarier med AI

1. Forbered indikatorerne. Indsaml anonymt nuværende belægning, afhentningsprocent, resterende dage, omkostningsbase og konkurrentens prisklasse.
2. Angiv destinationen. Prioriterer du RevPAR, belægning eller opfyldning til en bestemt dato?
3. Bed om et manuskript. Tabeller forventede resultater for forskellige prispunkter.
4. Verificere. RevPAR = belægning × ADR-beregning manuelt; Bekræft konkurrentdata fra den rigtige kilde.
5. Beslutte. Du vælger den endelige pris med dit markedskendskab og indtaster den i systemet.

tre minisager

Case 1 — Læs RevPAR korrekt. Ét resort pralede med 98 % belægning i weekenden, men overskuddet var under forventningerne. Lederen gav anonyme belægnings- og ADR-data til AI; YZ kommenterede, "RevPAR faldt, fordi høj belægning kom med lav ADR" og opstillede to alternative prisscenarier. Mennesket valgte 90 % belægningsmålet med en lidt højere pris; RevPAR steg 11 % den følgende weekend. AI gav beretningen og scenariet, beslutningen var op til mennesket.

Case 2 — Ikke-verificerede konkurrentdata. En indtægtsekspert spurgte AI: "Hvad er prisen på konkurrerende hoteller i dag?" AI "gav" sikre priser for tre hoteller, selvom den ikke havde adgang til live-data. Dette var alt sammen opspind; Specialisten sænkede prisen tilsvarende og mistede unødvendige indtægter. Den rigtige måde var at få konkurrentens pris fra et rigtigt prisovervågningsværktøj eller manuel kontrol, brug kun AI til fortolkning.

Case 3 - Etisk grænse. Et hold bad AI om en "automatisk højere pris for gæster, der ringer i sidste øjeblik"-logik. AI producerede en plan; men lederen indså, at dette systematisk kunne straffe nogle gæster og underminere princippet om gennemsigtighed. Logikken er blevet oversat til en sidste minuts tidsplan, der er klar og konsistent for alle gæster. AI foreslog det, det etiske filter kom fra mennesker.

Svag prompt / Stærk prompt

Svag prompt:

Bestem vores værelsespris for i morgen og skriv prisen på dine konkurrenter ned.

Denne påstand er dobbelt mangelfuld: AI kender hverken din faktiske efterspørgsel eller konkurrentens direkte pris; fremstiller begge dele.

Kraftig prompt:

Din rolle: Revenue Management Assistant. Prisbeslutningen er min; Du laver et scenarie. Data (anonym, ægte): 120-værelses byhotel, 78 værelser er fulde i morgen, de resterende 42 værelser, afhentning er accelereret i de sidste 3 dage. Omkostningsgrundlaget er ~900 TL pr. værelse. Jeg giver konkurrenceområdet: 2.200–2.800 TL. Mit mål: Maksimere RevPAR. Opgave: Angiv rimelig belægningsantagelse for prispoint på 2.200 / 2.500 / 2.800 TL (skriv at det er en antagelse), beregn den forventede RevPAR og sæt den i tabellen, vis beregningen. Konkurrent gør IKKE prisen op; Brug det område, jeg gav.

Skabelon: indkomstindikatorberegning:

Anonyme data: værelse solgt [x], værelse solgt [y], værelsesindtægt [z]. Opgave: Beregn belægning, ADR og RevPAR med deres formler, kommenter i et enkelt afsnit. Arbejd bare med de tal, jeg giver; fremstille andre data.

Skabelon: prisbegrundelsestekst:

Kontekst: Jeg sætter prisen [x] TL for [dato] på grund af belægning [%], afhentning [status], begivenhed [tilstede/fraværende]. Opgave: Oversæt denne beslutning til en klar begrundelsesnotat på 4 sætninger til teamet. Tilføjelse af et nyt nummer; Bliv begrænset til de data, jeg har givet dig.

Skabelon: sæsonbestemt prisstrategiskits:

Kontekst: [ejendomstype], kommende sæson [høj/lav], mål [RevPAR/belægning]. Opgave: udarbejde et udkast til en ramme, der foreslår forskellig prisfastsættelseslogik for hverdage/weekender/begivenhedsdage. Jeg vil sætte den konkrete pris; Du oplister logikken og etiske/juridiske overvejelser.

Almindelige fejl

• Lad AI træffe prisbeslutninger. AI ser ikke markedet; Folk bestemmer prisen med markedskendskab.
• Spørger konkurrentens pris fra AI. AI kan ikke få adgang til live pris; Hvis han bliver spurgt, vil han finde på det. Få det fra den rigtige kilde.
• Ser bare på belægningen. Høj belægning kan maskere lav RevPAR; Læs begge sammen.
• Overskridelse af den etiske/juridiske grænse. Ublu prisstigninger og diskriminerende priser skaber risici; menneskeligt filter er påkrævet.
• Forveksler antagelsen med virkeligheden. Få AI's belægningsantagelse markeret som "antagelse", og test den med dine egne data.

Tip: I hvert prisscenarie skal du bede AI eksplicit om at skrive dens belægningsantagelser ud. Så du kan altid se spørgsmålet "hvilken antagelse er dette scenarie baseret på" og sammenligne det med virkeligheden.

Sammenfattende

Indtægtsstyring er kunsten at optimere omsætning pr. salgbart værelse (RevPAR), ikke belægning. Tre indikatorer - belægning, ADR, RevPAR - er sproget i denne virksomhed. I dynamisk prissætning genererer AI scenarier, beregner og skriver begrundelse, når du giver input; men han ser ikke det rigtige marked, kender ikke konkurrentens pris og kan ikke træffe en prisbeslutning. Prisen er en meget højrisikobeslutning og tilhører mennesket sammen med dets etisk-juridiske grænser.

Ansøgningsopgave

Få én nat med anonyme data: værelser tilgængelige til salg, solgte værelser, værelsesindtægter. Få AI til at beregne belægning, ADR og RevPAR med formler og verificere manuelt. Få derefter RevPAR-scenariet genereret for tre prispunkter med "Stærk prompt"-prisscenarie-skabelonen; Sæt kryds ved belægningsforudsætningerne og skriv i 5 sætninger, hvilken pris du ville vælge og hvorfor.

tjekliste

• [ ] Har jeg manuelt bekræftet belægning, ADR og RevPAR?
• [ ] Jeg tog konkurrentens pris fra den rigtige kilde, fik jeg den ikke til at passe med AI?
• [ ] Har jeg tydeligt markeret AI's belægningsantagelser?
• [ ] Overholdte jeg etiske og juridiske grænser i prisbeslutningen?
• [ ] Bestemte jeg den endelige pris med mit markedskendskab?