Zyski:
- Umiejętność zrozumienia kanałów rezerwacji (OTA, direct, agencja), koncepcji obłożenia i niepojawienia się oraz wykorzystania sztucznej inteligencji do stworzenia podsumowania zapotrzebowania i wersji roboczej przypomnienia
- Możliwość oceny scenariuszy overbookingu i anulowania rezerwacji według scenariusza po scenariuszu ze wsparciem sztucznej inteligencji
- Możliwość utrzymywania, że wyniki sztucznej inteligencji są sugestią statystyczną i że ostateczna decyzja dotycząca overbookingu i wiktymizacji gości należy do menedżera.
Przychodów hotelu lub obiektu często nie można zrozumieć na podstawie jednej liczby: liczba sprzedanych pokoi jest równie ważna, jak liczba sprzedanych pokoi, jakim kanałem, po jakiej cenie i ile odwołań. Zarządzanie rezerwacjami i kanałami to sztuka zarządzania całością. W tej części dowiesz się, jak bez obaw wykorzystywać sztuczną inteligencję (AI) do podsumowywania przepływów rezerwacji, interpretowania wzorców anulowania i niepojawienia się w obiekcie, przygotowywania tekstów przypomnień i oceny scenariuszy przepełnienia rezerwacji. Ostrzeżenie od początku: overbooking, najważniejsza decyzja w tej jednostce, jest decyzją bardzo ryzykowną, a AI generuje tutaj jedynie scenariusze, nigdy nie ma ostatecznego głosu.
Zapoznanie się z kanałami
Najpierw wyjaśnijmy pojęcia. Kanał rezerwacji to sposób sprzedaży pokoju. Główne kanały to: kanał bezpośredni (strona internetowa hotelu, telefon, recepcja – bez prowizji), OTA (Online Travel Agency; platformy internetowe typu Booking.com, Expedia – otrzymują prowizję), biuro podróży/ touroperator (sprzedaż hurtowa lub pakietowa) oraz GDS (Global Distribution System; sieć dystrybucji łącząca sprzedaż korporacyjną i agencyjną). Channel manager to oprogramowanie, które synchronizuje dostępność i cenę na wszystkich tych kanałach z jednego miejsca; Ma to na celu zapobieganie sprzedaży tego samego pokoju w dwóch kanałach (błąd overbookingu).
Jeszcze dwa podstawowe pojęcia: Nie pojawienie się to gość, który nie pojawia się i nie uprzedził, mimo że dokonał rezerwacji. Anulowanie rezerwacji następuje w przypadku złamania przez gościa rezerwacji przed przyjazdem. Te dwie niepewności mają największy wpływ na przychody, ponieważ pokój, który wydaje się sprzedany, może zwolnić się w ostatniej chwili.
W tej tabeli sztuczna inteligencja może podać następujące informacje: podsumować dystrybucję kanałów, zinterpretować wzorce anulowania i niestawienia się, wersję roboczą potwierdzenia/przypomnienia, które należy wysłać do gościa, zestawić możliwe skutki różnych scenariuszy overbookingu. Czego nie może dać: realnej dostępności, rzeczywistego prawdopodobieństwa anulowania rezerwacji i ostatecznej liczby overbookingów. Pochodzą one z Twojego systemu i decyzji.
Krok po kroku: odczytywanie danych rezerwacji za pomocą AI
- Zapewnij anonimowość i strukturę danych. Usuń pola takie jak kanał, nocleg, liczba odwołań ze swojego PMS bez nazw.
- Napisz kontekst. Określ okres, rodzaj obiektu, sezon i czego chcesz się nauczyć.
- Proszę o konta i komentarze. Poproś sztuczną inteligencję o obliczenie wskaźników i napisanie jednoakapitowego komentarza.
- Zweryfikować. Sprawdź każdy współczynnik ręcznie; Sprawdź fałszywe numery.
- Zamieniasz to w decyzję. Wyjście jest wejściem; Strategia kanału i decyzja o overbookingu należy do Ciebie.
Poniższa tabela podsumowuje typowe korzyści i koszty kanałów:
kanał
Zaleta
Koszt/ryzyko
korzyść sztucznej inteligencji
bezpośredni
Bez prowizji, Ty przechowujesz dane
Trudno jest stworzyć popyt
Napisz tekst potwierdzenia/przypomnienia
OTA
wysoka widoczność
15-20% prowizji
Skomentuj i poproś o podsumowanie
agencja/wycieczka
obłożenie zbiorcze
Niska marża, kontrakt
projekt propozycji
GDS
Dostęp korporacyjny
Skomplikowany, płatny
Podsumowanie raportu
Niepojawienie się i anulowanie: interpretacja wzorca za pomocą sztucznej inteligencji
Nie pojawienie się i anulowanie rezerwacji nie są przypadkowe; Często niosą ze sobą wzory. Na przykład, podczas gdy anulowanie jest niskie w przypadku taryf bezzwrotnych, może być wysokie w przypadku taryf elastycznych; rezerwacje z niektórych kanałów mogą skutkować częstszym niepojawieniem się; Rezerwacje last minute zachowują się inaczej. Sztuczna inteligencja może podsumować te wzorce, gdy podasz dane i pokaże, w którym segmencie koncentruje się ryzyko. Ale bądź ostrożny: wynik wygenerowany przez sztuczną inteligencję, taki jak „ta rezerwacja wiąże się z 30% ryzykiem nie pojawienia się”, jest prognozą statystyczną; Nie służy do stygmatyzacji pojedynczego gościa, ale jako ogólny sygnał do przypomnienia i planu overbookingu.
Uwaga: oznaczenie gościa jako „ryzykownego” na podstawie wzorca nie pojawienia się w obiekcie w przeszłości i ograniczenia usług stwarza ryzyko dyskryminacji i utraty reputacji. Wykorzystaj wynik AI do planowania, a nie przeciwko gościowi.
Overbooking: decyzja o najwyższym ryzyku
Overbooking ma miejsce wtedy, gdy hotel sprzedaje więcej pokoi niż ma; Jego logika opiera się na założeniu, że niektórzy goście i tak odwołają wizytę lub się nie pojawią. Poprawnie wykonane wypełnia puste pokoje; Nieprawidłowo wykonany tworzy gościa, który po przyjeździe nie ma pokoju (sytuacja spaceru/przeprowadzki), co jest bardzo kosztownym koszmarem dla marki. Tutaj sztuczna inteligencja może wygenerować dla Ciebie scenariusze na podstawie prawdopodobieństwa anulowania/nie pojawienia się: „jeśli sprzedasz za dużo 5 pokoi, a Twój historyczny wskaźnik anulowań wynosi 8%, oczekiwana liczba wolnych pokoi będzie taka”. Jednak ostateczna decyzja w sprawie overbookingu – ile pokoi, w jakie noce, z jakim wynagrodzeniem i polityką pośrednictwa – należy do indywidualnej osoby.
trzy mini etui
Przypadek 1 — Balans kanałów. 78% przychodów hotelu butikowego pochodzi z jednego OTA, a koszty prowizji wzrosły. Menedżer przekazał AI anonimową dystrybucję przychodów z kanału i poprosił o podsumowanie oraz bezpośrednie pomysły na rozwój kanału. YZ przygotowało wiadomość e-mail z potwierdzeniem, oferującą niewielką korzyść (wcześniejsze zameldowanie) w postaci bezpośredniej rezerwacji. Hotel to zorganizował i wykorzystał; Udział kanałów bezpośrednich wzrósł z 14% do 22% w ciągu 3 miesięcy. Wszystkie twierdzenia liczbowe pochodzą z własnych danych hotelu, sztuczna inteligencja stworzyła jedynie komentarze i tekst.
Przypadek 2 – Niezweryfikowany overbooking. Menedżer zapytał sztuczną inteligencję bez danych: „Ile pokoi mogę jutro sprzedać?” YZ powiedział „wygodnie 8 pokoi”. Menedżer ufał; Następnego dnia niespodziewanie doszło do tylko 2 odwołań, a 6 gości pozostało bez pokoju i zostało wysłanych do innego hotelu z rekompensatą. Błąd: oczekiwanie na numer od AI bez aktualnej historii anulowań i konkretnego zamówienia na tę noc.
Przypadek 3 – Obniżenie klasy w przypadku niestawienia się z przypomnieniem. W przypadku rezerwacji z elastycznymi stawkami w jednym obiekcie liczba niepojawień była wysoka. Zespół poprosił sztuczną inteligencję o przesłanie wersji roboczych SMS-a na dzień przed odprawą, zawierającego delikatne, wielojęzyczne przypomnienie i link umożliwiający łatwe anulowanie rezerwacji. SMS-y wysyłane za zgodą człowieka; Wskaźnik nie pojawienia się wymiernie spadł, ponieważ nieobecni goście odwołali rezerwację z wyprzedzeniem i opuścili pokój.
Słaba zachęta/silna zachęta
Słaba zachęta:
Powiedz mi, ile jeszcze pokoi mam sprzedać na jutro?
Ta zachęta jest niebezpieczna: sztuczna inteligencja nie zna rzeczywistej dostępności, konkretnego zapotrzebowania na tę noc ani historii anulowań; Podany numer jest fikcyjny i może spowodować represje wobec gościa.
Potężny monit:
Twoja rola: asystent zarządzania przychodami. Decyzja należy do mnie, Ty po prostu wymyślasz scenariusz. Dane (anonimowe): Hotel ze 100 pokojami, jutro wydaje się, że 100 pokoi będzie zajętych. Średni wskaźnik anulowania + niepojawienia się w przypadku tego rodzaju nocy w ciągu ostatnich 12 miesięcy wynosi 6%, najniższy to 2%. Zadanie: pokaż w tabeli oczekiwane ryzyko open roomu i braku pokoju dla różnych liczb overbookingu (0, 2, 4, 6); wyjaśnić obliczenia; podkreślić najgorszy scenariusz. Narzucenie dokładnej liczby, dodanie wymyślonej stawki.
Szablon: e-mail z potwierdzeniem/przypomnieniem kanału:
Twoja rola: asystent ds. komunikacji z gośćmi, który pisze zgodnie z tonem marki hotelu. Język: [turecki/angielski/niemiecki]. Ton: ciepły, krótki, profesjonalny. Kontekst: [rodzaj obiektu], zameldowanie [data], stawka elastyczna. Zadanie: Przygotuj e-mail składający się z 90 słów, który (1) potwierdzi rezerwację, (2) przypomni o możliwości łatwego anulowania/zmiany rezerwacji, (3) zachęci do kontaktu w sprawie pytania. DODAJ cenę, numer pokoju lub dane osobowe; Dodam je.
Szablon: podsumowanie dystrybucji kanałów:
Poniżej znajduje się moja anonimowa tabela przychodów z kanału: [kanał: pokój-noc, przychody]. Zadanie: oblicz udział procentowy każdego kanału w przychodach (pokaż wzór), napisz komentarz składający się z jednego akapitu, bezpośrednio zasugeruj 3 pomysły na rozwój kanału. Nie wymyślaj żadnych liczb, dla których nie podałem danych.
Wzór: brak podsumowania wzoru:
Dane anonimowe: numery rezerwacji i niepojawień według segmentów [tabela]. Zadanie: pokaż, który segment ma najwyższy wskaźnik nie pojawienia się, skomentuj możliwe przyczyny, zaproponuj strategię przypomnienia. Nie używaj wyrażeń piętnujących konkretnego gościa; Interpretuj wyniki dla celów planowania.
Typowe błędy
- Pozwól AI określić liczbę overbookingów. AI generuje scenariusze; Liczba pokoi, które zostaną wyprzedane, zależy od historii anulowań i decyzji menedżera.
- Promowanie gości za pomocą wyniku za niestawienie się. Jest to dyskryminacja i ryzyko utraty reputacji; Wynik służy wyłącznie celom planowania.
- Opieranie się na komentarzach bez weryfikowania danych kanału. Podsumowanie sztucznej inteligencji jest cenne, jeśli dane wejściowe są prawidłowe.
- Udostępnianie danych osobowych. Imię i nazwisko rezerwacji, karta i paszport nie wchodzą do otwartego pojazdu.
- Ignorowanie zależności od jednego kanału. Sztuczna inteligencja pokazuje równowagę, ale strategia kanału należy do Ciebie.
Wskazówka: w przypadku overbookingu zawsze proś sztuczną inteligencję o linię „najgorszego scenariusza”. Podejmując decyzję, przygotuj plan wynagrodzeń i alternatywnych udogodnień w oparciu o najgorszy przypadek, a nie średnią.
Podsumowując
Celem zarządzania rezerwacjami i kanałami są zrównoważone i solidne przychody, a nie obłożenie. W tej pracy sztuczna inteligencja tworzy podsumowania kanałów, komentarze o nie pojawienia się, SMS-y przypomnienia i scenariusze overbookingu; Jednak rzeczywista dostępność, możliwość anulowania rezerwacji i decyzja o przepełnieniu rezerwacji zależą od Twojego systemu i oceny. Decyzją o najwyższym ryzyku jest overbooking, w przypadku którego sztuczna inteligencja generuje jedynie scenariusze, a decyzje podejmują ludzie.
Zadanie aplikacji
Skorzystaj z szablonu overbookingu „Wyraźna zachęta” dla (lub hipotetycznej) nocy w Twoim obiekcie: obiekt ze 100 pokojami, wprowadź do AI scenariusze overbookingu 0/2/4/6, zakładając, że średnie anulowanie/niestawienie się na miejscu wynosi 6%. Zweryfikuj wyniki (oczekiwane wolne pokoje = overbooking – oczekiwane anulowanie rezerwacji), zaznacz najgorszy scenariusz i uzasadnij w 5 zdaniach, jaką liczbę overbookingów wybierzesz i z jakim planem wynagrodzeń.
lista kontrolna
- [ ] Czy zanonimizowałem i uporządkowałem dane dotyczące rezerwacji?
- [ ] Czy chciałem otrzymać informację dotyczącą „najgorszego scenariusza” w przypadku overbookingu?
- [ ] Czy ręcznie zweryfikowałem każdy współczynnik zwracany przez sztuczną inteligencję?
- [ ] Czy wykorzystałem wynik za niestawienie się do planowania, a nie do stemplowania gości?
- [ ] Czy ostateczną decyzję o overbookingu i wyborze kanału przypisałem człowiekowi?