收益：
- 能够在人工智能支持下计算和解释收入管理指标，例如 RevPAR、ADR 和入住率
- 能够让人工智能根据需求、季节和竞争对手数据起草和评估动态定价方案
- 能够理解价格决定权属于人类，考虑到市场、品牌地位和道德界限，而人工智能只是产生场景。
同一家酒店的同一间客房周二晚上的售价为 1,800 里拉，周末为 3,200 里拉，节日期间为 4,500 里拉。这不是矛盾，而是一种方法：这就是收益管理。它的目标很简单：在正确的时间、以正确的价格、通过正确的渠道将正确的房间出售给正确的客人。在本单元中，您将学习如何使用人工智能 (AI) 计算收入指标、解释需求和竞争对手数据以及生成动态定价方案。关键原则从一开始就是：价格决策是一个非常高风险的决策；人工智能产生场景，人类决定价格。
收益管理三大关键指标
在我们讨论定价之前，让我们先弄清楚三个数字。
入住率：已售房间数除以可供出售房间数。如果一家拥有 120 间客房的酒店出售 96 间客房，则入住率为 80% (96 / 120)。
ADR（平均每日房价）：客房收入除以已售客房数量。如果 96 间客房一晚的总售价为 230,400 土耳其里拉，则 ADR = 230,400 / 96 = 2,400 土耳其里拉。
RevPAR（每间可用客房收入）：客房收入除以可售客房数量；或者占用率 × ADR。在上例中，RevPAR = 230,400 / 120 = $1,920，或 80% × 2,400 = $1,920。 RevPAR 是收入管理的核心，因为它将入住率和价格合并为一个数字。
为什么两者都很重要？因为高入住率并不总是好的。以非常便宜的价格出售房间并实现 100% 的入住率可能比以稍贵的价格出售并实现 85% 的入住率和更高的 RevPAR 更糟糕。当你给出数据时，AI可以计算并并排显示这两种场景；您选择哪一种取决于您的策略和市场知识。
指标
公式
它测量什么？
占用率
已售房/已售房
你有多饱？
美国存托凭证
客房收入/已售客房
你平均卖了多少钱？
每间房收入
客房收入/可售房间
您对自己的能力评价如何？
TRvPAR
总收入/可售房间
效率，包括非客房收入
什么是动态定价
动态定价是指房价不固定，而是根据需求、季节、剩余供应情况、日期、活动和竞争对手价格而变化。这与我们在机票方面习惯的逻辑相同。输入包括：需求信号（搜索、预订率）、提货（给定日期的预订到达速度）、提前期（预订和入住之间的时间）、竞争对手价格、当地活动日历和您的成本基础。
人工智能在这里是一个强大的帮手，但作用有限：当您提供需求、入住率目标、竞争对手范围和成本等输入时，人工智能可以绘制不同价格点的预期入住率和每间可售房收入方案，解释逻辑，编写定价理由段落。它不能做的：了解真实的市场情况，查看竞争对手的实时价格并确定最终价格。这些是你的工作。
注意：告诉人工智能“决定明天的价格”意味着让它决定一个它看不到市场的问题。向人工智能询问价格“场景”，而不是价格“决策”；您根据您的市场知识做出决定。
道德和法律界限
动态定价有其局限性。在进行个性化定价时，根据客人的个人特征（例如设备、位置）采用歧视性价格会带来道德和法律风险。在灾难和流行病等非常时期，价格过高被视为机会主义，可能会受到制裁。此外，价格透明度和消费者立法要求避免隐藏费用。当人工智能推荐价格时，尊重这些界限的人工过滤至关重要。
一步一步：利用人工智能创建价格场景
- 准备指标。匿名收集当前入住率、提货率、剩余天数、成本基础和竞争对手价格范围。
- 指定目的地。您是否会在某个日期之前优先考虑 RevPAR、入住率或入住率？
- 求剧本。将不同价位的预期结果制成表格。
- 核实。 RevPAR = 入住率 × ADR 手动计算；验证来自真实来源的竞争对手数据。
- 决定。您根据市场知识选择最终价格并将其输入系统。
三个迷你箱子
案例 1 — 正确读取 RevPAR。一家度假村周末入住率达到 98%，但利润低于预期。经理向 AI 提供了匿名入住率和 ADR 数据； YZ 评论道，“RevPAR 下降是因为高入住率伴随着低 ADR”，并列出了两种替代价格方案。人类选择了90%的入住率目标，价格稍高；接下来的周末，RevPAR 上涨了 11%。 AI给出了账号和场景，决定权在人类。
案例 2 — 未经验证的竞争对手数据。一位收益专家问 AI：“现在竞争酒店的价格是多少？”尽管无法访问实时数据，人工智能仍“给出”了三家酒店的自信价格。这都是捏造的；专家相应地降低了价格，损失了不必要的收入。正确的方法是通过真实的价格监控工具或人工检查来获取竞争对手的价格，仅使用人工智能进行解释。
案例 3——道德边界。一个团队要求人工智能提供“为最后一刻致电的客人自动提高价格”的逻辑。 AI绘制了蓝图；但经理意识到这可能会系统性地惩罚一些客人并破坏透明度原则。这一逻辑已被转化为对所有客人都清晰且一致的最后一刻时间表。人工智能表明，道德过滤器来自人类。
弱提示/强提示
弱提示：
确定我们明天的房间价格并记下您竞争对手的价格。
这种说法有双重缺陷：人工智能既不知道你的实际需求，也不知道实时竞争对手的价格；两者都捏造。
强力提示：
您的角色：收益管理助理。价格由我决定；您创建一个场景。数据（匿名，真实）：120间客房的城市酒店，78间已满，明天已满，剩余42间，近3天提货速度加快。每间客房的成本基础约为 900 土耳其里拉。我给出的竞争范围是：2,200–2,800 TL。我的目标：最大化 RevPAR。任务：陈述价格点 2,200 / 2,500 / 2,800 TL 的合理入住率假设（写下这是一个假设），计算预期 RevPAR 并将其放入表格中，显示计算结果。竞争对手不补价；使用我给的范围。
模板：收入指标计算：
匿名数据：已售房间 [x]、已售房间 [y]、房间收入 [z]。任务：使用公式计算入住率、ADR 和 RevPAR，并在一个段落中进行评论。只需使用我给出的数字即可；捏造其他数据。
模板：定价理由文本：
上下文：由于入住率 [%]、取货 [状态]、事件 [存在/缺席]，我设置了 [日期] 的价格 [x] TL。任务：将此决定转化为团队清晰的 4 句话理由说明。添加新号码；仅限于我给你的数据。
模板：季节性价格策略大纲：
背景：[房产类型]、即将到来的季节[高/低]、目标[RevPAR/入住率]。任务：起草一个框架，为工作日/周末/活动日提出不同的定价逻辑。我把具体价格贴出来；您列出了逻辑和道德/法律考虑因素。
常见错误
- 让人工智能做出价格决策。 AI看不到市场；人们根据市场知识来确定价格。
- 从人工智能询问竞争对手的价格。 AI无法获取实时价格；如果有人问，他会弥补的。从真正的来源获取它。
- 只看入住情况。高入住率可能掩盖低 RevPAR；一起阅读。
- 跨越道德/法律界限。价格过高和歧视性价格产生风险；需要人工过滤。
- 将假设误认为现实。将人工智能的占用假设标记为“假设”，并使用您自己的数据对其进行测试。
提示：在每个价格场景中，要求 AI 明确写出其占用率假设。所以你总是可以看到“这个场景是基于什么假设”的问题，并将其与现实进行比较。
总之
收入管理是优化每间可售客房收入 (RevPAR) 的艺术，而不是入住率。三个指标——入住率、ADR、RevPAR——是这个行业的语言。在动态定价中，人工智能会在您提供输入时生成场景、计算并编写理由；但他没有看到真正的市场，不知道竞争对手的价格，无法做出价格决定。价格是一个非常高风险的决定，属于人类，也有其道德法律限制。
应用任务
获取一晚的匿名数据：可供出售的客房、已售客房、客房收入。让 AI 使用公式计算入住率、ADR 和 RevPAR，并手动验证。然后使用“强提示”价格方案模板为三个价格点生成 RevPAR 方案；勾选入住率假设并用 5 句话写出您会选择哪个价格以及原因。
清单
- [ ] 我是否手动验证了入住率、ADR 和 RevPAR？
- [ ] 我从真实来源获取了竞争对手的价格，我不是通过AI使其匹配的吗？
- [ ] 我是否清楚地标记了人工智能的占用假设？
- [ ] 我在价格决策中是否遵守了道德和法律限制？
- [ ] 我是否根据我的市场知识确定了最终价格？