Mga nadagdag:
- Kakayahang maunawaan ang mga channel ng reservation (OTA, direkta, ahensya), occupancy at mga konsepto ng hindi pagsipot at gumamit ng artificial intelligence upang makagawa ng buod ng demand at draft ng paalala
- Kakayahang suriin ang mga senaryo ng overbooking at pagkansela sa isang senaryo-by-scenario na batayan na may suporta sa artificial intelligence
- Ang kakayahang mapanatili na ang output ng artificial intelligence ay isang istatistikal na mungkahi at ang panghuling desisyon na nakakaapekto sa overbooking at pagbibiktima ng bisita ay pagmamay-ari ng manager.
Ang kita ng isang hotel o pasilidad ay kadalasang hindi mauunawaan sa pamamagitan ng pagtingin sa isang numero: kung gaano karaming mga kuwarto ang ibinebenta ay kasinghalaga ng kung gaano karaming mga kuwarto ang ibinebenta, sa pamamagitan ng kung aling channel, sa anong presyo, at kung gaano karaming mga pagkansela. Ang pagpapareserba at pamamahala ng channel ay ang sining ng pamamahala sa buong larawan. Sa unit na ito, matututunan mo kung paano kumpiyansa na gumamit ng artificial intelligence (AI) para i-summarize ang mga daloy ng booking, bigyang-kahulugan ang mga pattern ng pagkansela at hindi pagsipot, maghanda ng mga text ng paalala, at suriin ang mga sitwasyon ng overbooking. Isang babala mula sa simula: ang overbooking, ang pinakamahalagang desisyon sa unit na ito, ay isang napakataas na panganib na desisyon at ang AI ay bumubuo lamang ng mga sitwasyon dito, hindi kailanman may huling say.
Pagkilala sa mga channel
Linawin muna natin ang mga tuntunin. Ang booking channel ay ang paraan ng pagbebenta ng isang kwarto. Ang mga pangunahing channel ay: direktang channel (sariling website ng hotel, telepono, front desk — walang komisyon), OTA (Online Travel Agency; mga online platform tulad ng Booking.com, Expedia — tumanggap ng komisyon), travel agency / tour operator (bulk o package sales), at GDS (Global Distribution System; distribution network na pinagsasama ang corporate at agency sales). Ang manager ng channel ay software na nagsi-synchronize ng availability at presyo sa lahat ng channel na ito mula sa isang lugar; Ang layunin nito ay pigilan ang parehong kwarto na maibenta sa dalawang channel (error sa overbooking).
Dalawa pang pangunahing konsepto: Ang hindi pagsipot ay isang panauhin na hindi sumipot at hindi nagbibigay ng abiso kahit na nagpareserba siya. Ang pagkansela ay kapag sinira ng bisita ang kanyang reserbasyon bago ang pagdating. Ang dalawang ito ang mga kawalan ng katiyakan na higit na nakakaapekto sa kita, dahil ang isang silid na mukhang ibinebenta ay maaaring mabakante sa huling minuto.
Sa talahanayang ito, maaaring ibigay sa iyo ng AI ang sumusunod: ibuod ang pamamahagi ng channel, bigyang-kahulugan ang mga pattern ng pagkansela at hindi pagpapakita, draft na kumpirmasyon/paalala na ipapadala sa bisita, i-tabulate ang mga posibleng resulta ng iba't ibang sitwasyon ng overbooking. Ano ang hindi nito maibibigay: tunay na kakayahang magamit, tunay na posibilidad ng pagkansela at huling numero ng overbooking. Ang mga ito ay nagmula sa iyong sistema at desisyon.
Hakbang-hakbang: pagbabasa ng data ng reserbasyon gamit ang AI
- Magdala ng data na hindi nagpapakilala at nakabalangkas. Alisin ang mga field gaya ng channel, room-night, bilang ng mga pagkansela mula sa iyong PMS nang walang mga pangalan.
- Isulat ang konteksto. Tukuyin ang panahon, uri ng pasilidad, panahon at kung ano ang gusto mong matutunan.
- Humingi ng mga account at komento. Hilingin sa AI na kalkulahin ang mga ratio at magsulat ng isang talata na komento.
- I-verify. Suriin ang bawat ratio nang manu-mano; Suriin ang mga pekeng numero.
- Ginagawa mo itong desisyon. Ang output ay isang input; Nasa iyo ang diskarte sa channel at desisyon sa overbooking.
Ang sumusunod na talahanayan ay nagbubuod sa mga karaniwang benepisyo at gastos ng mga channel:
channel
Advantage
Gastos/panganib
benepisyo ng AI
direkta
Walang komisyon, iniingatan mo ang data
Mahirap lumikha ng demand
Sumulat ng text ng kumpirmasyon/paalala
OTA
mataas na visibility
15-20% komisyon
Komento at buod ng kahilingan
ahensya/paglilibot
bulk occupancy
Mababang margin, kontrata
draft ng panukala
GDS
Pag-access ng kumpanya
Kumplikado, bayad
Buod ng ulat
Walang pagpapakita at kanselahin: pagbibigay-kahulugan sa pattern gamit ang AI
Ang mga hindi pagsipot at pagkansela ay hindi basta-basta; Madalas silang nagdadala ng mga pattern. Halimbawa, habang mababa ang pagkansela para sa mga hindi maibabalik na taripa, maaaring mataas ito para sa mga flexible na taripa; ang mga booking mula sa ilang partikular na channel ay maaaring magbunga ng mas maraming hindi pagsipot; Iba ang pag-uugali ng mga huling minutong booking. Maaaring ibuod ng AI ang mga pattern na ito kapag ibinigay mo ang data at ipinakita kung saang segment ang panganib ay puro. Ngunit mag-ingat: ang isang marka na ginawa ng AI, tulad ng "ang booking na ito ay may 30% na panganib ng hindi pagsipot", ay isang istatistikal na hula; Hindi ito ginagamit para stigmatize ang isang indibidwal na bisita, ngunit bilang pangkalahatang senyales para sa paalala at overbooking na plano.
Babala: Ang pagmamarka ng isang bisita bilang "peligroso" batay sa nakaraang pattern ng hindi pagsipot at paghihigpit sa serbisyo ay lumilikha ng diskriminasyon at mga panganib sa reputasyon. Gamitin ang marka ng AI para sa iyong pagpaplano, hindi laban sa panauhin.
Overbooking: ang pinakamataas na desisyon sa panganib
Ang overbooking ay kapag ang isang hotel ay nagbebenta ng mas maraming kuwarto kaysa sa mayroon ito; Ang lohika nito ay nakabatay sa pag-aakalang may mga bisitang kakanselahin o hindi pa rin sumipot. Kapag ginawa nang tama, pinupuno nito ang mga walang laman na silid; Kapag ginawa nang hindi tama, lumilikha ito ng isang panauhin na walang silid kapag siya ay dumating (maglakad / relokasyon na sitwasyon), na isang napakamahal na bangungot para sa tatak. Dito, makakabuo ang AI ng mga senaryo para sa iyo batay sa mga probabilidad sa pagkansela/no-show: "kung sobra ang pagbebenta mo ng 5 kwarto at ang iyong dating rate ng pagkansela ay 8%, ang inaasahang bilang ng mga bukas na kwarto ay ito." Ngunit ang huling desisyon sa overbooking — kung gaano karaming mga kuwarto, kung aling mga gabi, kung anong patakaran sa kompensasyon at walk-through — ay nakasalalay sa indibidwal.
tatlong mini case
Case 1 — Balanse ng channel. 78% ng kita ng isang boutique hotel ay mula sa isang OTA, at tumaas ang gastos sa komisyon. Ibinigay ng manager ang anonymous na channel-revenue distribution sa AI at humingi ng buod at mga ideya para sa direktang pagpapalaki ng channel. Nag-draft ang YZ ng confirmation email na nag-aalok ng maliit na perk (early check-in) para idirekta ang booking. Inayos at ginamit ito ng hotel; Ang direktang bahagi ng channel ay tumaas mula 14% hanggang 22% sa loob ng 3 buwan. Ang mga numerical na claim ay lahat ay nagmula sa sariling data ng hotel, ang AI ay gumawa lamang ng mga komento at teksto.
Case 2 — Hindi na-verify na overbooking. Isang manager ang nagtanong sa AI na walang data, "Ilang kwarto pa ang maibebenta ko bukas?" Sabi ni YZ "comfortably 8 rooms". Nagtiwala ang manager; Kinabukasan, sa hindi inaasahang pagkakataon, 2 lang ang kanselasyon at 6 na bisita ang naiwan na walang kwarto at ipinadala sa ibang hotel na may kabayaran. Error: naghihintay ng numero mula sa AI nang walang aktwal na kasaysayan ng pagkansela at partikular na kahilingan para sa gabing iyon.
Kaso 3 — Walang pagpapakita na pag-downgrade na may paalala. Mataas ang hindi pagsipot para sa mga flexible na rate ng booking sa isang property. Hiniling ng team sa AI ang mga text draft na ipadala sa araw bago ang check-in, kasama ang isang banayad, multilingguwal na paalala at isang madaling link sa pagkansela. Mga tekstong ipinadala nang may pag-apruba ng tao; Malaki ang ibinaba ng rate ng hindi pagsipot dahil kinansela nang maaga ang mga absent na bisita at iniwan ang kuwarto.
Mahinang prompt / Malakas na prompt
Mahinang prompt:
Sabihin mo sa akin kung ilang kuwarto pa ang dapat kong ibenta para bukas?
Delikado ang prompt na ito: hindi alam ng AI ang aktwal na kakayahang magamit, partikular na pangangailangan para sa gabing iyon, at kasaysayan ng pagkansela; Ang numerong ibinigay ay kathang-isip lamang at maaaring magdulot ng pambibiktima sa bisita.
Napakahusay na prompt:
Ang iyong tungkulin: katulong sa pamamahala ng kita. Nasa akin ang desisyon, gumawa ka lang ng scenario. Data (anonymous): Hotel na may 100 kuwarto, 100 kuwarto ang mukhang inookupahan bukas. Ang average na rate ng pagkansela+no-show para sa ganitong uri ng gabi sa nakalipas na 12 buwan ay 6%, ang pinakamababa ay 2%. Gawain: ipakita sa isang talahanayan ang inaasahang bukas na silid at panganib sa kawalan ng silid para sa iba't ibang numero ng overbooking (0, 2, 4, 6); ipaliwanag ang pagkalkula; i-highlight ang worst case scenario. PAGPAPAHAYAG ng eksaktong numero, pagdaragdag ng ginawang rate.
Template: email ng kumpirmasyon/paalala ng channel:
Ang iyong tungkulin: guest communications assistant na nagsusulat alinsunod sa tono ng brand ng hotel. Wika: [Turkish/English/German]. Tono: mainit, maikli, propesyonal. Konteksto: [uri ng ari-arian], check-in [petsa], flexible na rate. Gawain: Bumuo ng 90-salitang email na (1) nagkukumpirma sa reserbasyon, (2) nagpapaalala sa iyo ng madaling pagkansela/pagbabago sa availability, (3) nag-iimbita ng contact na may tanong. MAGDAGDAG ng presyo, numero ng kwarto o personal na data; idadagdag ko sila.
Template: buod ng pamamahagi ng channel:
Nasa ibaba ang aking hindi kilalang channel-revenue table: [channel: room-night, revenue]. Gawain: kalkulahin ang bahagi ng kita ng bawat channel bilang isang porsyento (ipakita ang formula), magsulat ng isang talata na komento, direktang magmungkahi ng 3 ideya para palaguin ang channel. Huwag gumawa ng anumang mga numero na hindi ko binigyan ng data.
Pattern: buod ng pattern na hindi nagpapakita:
Anonymous na data: mga numero ng reservation at no-show ayon sa segment [talahanayan]. Gawain: ipakita kung aling segment ang may pinakamataas na rate ng hindi pagpapakita, magkomento sa mga posibleng dahilan, magmungkahi ng diskarte sa pagpapaalala. Huwag gumamit ng mga pananalitang naninira sa indibidwal na bisita; I-interpret ang mga marka para sa mga layunin ng pagpaplano.
Mga karaniwang pagkakamali
- Hayaang matukoy ng AI ang bilang ng mga overbooking. Bumubuo ang AI ng mga senaryo; Ilan sa mga kwarto ang magiging oversold ay tinutukoy ng history ng pagkansela at desisyon ng manager.
- Pagba-brand ng mga bisita na may marka ng hindi pagsipot. Ito ay diskriminasyon at panganib sa reputasyon; Ang marka ay para lamang sa pagpaplano.
- Umaasa sa mga komento nang hindi bini-verify ang data ng channel. Mahalaga ang buod ng AI kung tama ang input.
- Pagbabahagi ng personal na data. Ang pangalan ng reserbasyon, card at pasaporte ay hindi pumasok sa bukas na sasakyan.
- Hindi pinapansin ang pagdepende sa isang channel. Ipinapakita ng AI ang balanse, ngunit ang diskarte sa channel ay sa iyo.
Tip: Sa mga sitwasyon ng overbooking, palaging tanungin ang AI para sa linyang "pinakamasamang sitwasyon." Kapag gumagawa ng iyong desisyon, panatilihing handa ang iyong kompensasyon at alternatibong plano ng pasilidad batay sa pinakamasamang kaso, hindi sa karaniwan.
Sa buod
Ang reserbasyon at pamamahala ng channel ay nagta-target ng balanse at solidong kita, hindi ang occupancy. Sa trabahong ito, gumagawa ang AI ng mga buod ng channel, mga komentong walang palabas, mga text ng paalala at mga sitwasyon sa overbooking; Ngunit ang aktwal na kakayahang magamit, posibilidad ng pagkansela at pagpapasya sa overbooking ay nagmumula sa iyong system at paghatol. Ang pinakamataas na desisyon sa peligro ay ang overbooking, kung saan ang AI ay gumagawa lamang ng mga sitwasyon, ang mga tao ay gumagawa ng mga desisyon.
Gawain ng aplikasyon
Gamitin ang template ng overbooking na "Malakas na prompt" para sa isang (o hypothetical) na gabi sa iyong property: isang 100-kuwartong property, i-tabulate ang 0/2/4/6 na overbooking na mga sitwasyon sa AI, kung ipagpalagay na 6% ang average na pagkansela/hindi pagsipot. I-validate ang output (inaasahang bukas na mga silid = overbooking − inaasahang pagkansela), markahan ang pinakamasamang sitwasyon at bigyang-katwiran sa 5 pangungusap kung anong bilang ng mga overbooking ang pipiliin mo, kung aling plano ng kabayaran.
checklist
- [ ] Na-anonymize at naayos ko ba ang data ng reserbasyon?
- [ ] Gusto ko ba ng linyang "worst case scenario" para sa overbooking?
- [ ] Manu-mano ko bang na-verify ang bawat ratio na ibinabalik ng AI?
- [ ] Ginamit ko ba ang no-show score para sa pagpaplano at hindi para sa guest stamping?
- [ ] Naiugnay ko ba ang huling overbooking at desisyon sa channel sa isang tao?