U wilt graag een hotelkamer boeken en internetten waarvoor kamers en tarieven een aanbieding zijn. De geboden tarieven zijn afhankelijk van de voorspelde vraag en komen tot stand door het gebruik van computeralgoritmen. Echter, de tarieven worden vaak handmatig aangepast door hotelpersoneel. Wat zijn de gevolgen en hoe kunnen die gevolgen worden gemeten? doctoraat verdediging op 12 november 2019.

Volgens Ph.D. kandidaat Larissa Koupriouchina, het gebied van hotelinkomstenbeheer - de 'kunst en wetenschap' van het voorspellen van de vraag en tegelijkertijd de prijs en beschikbaarheid van voorraad aanpassen om aan de vraag te voldoen - heeft zich het afgelopen decennium snel ontwikkeld. Vandaag de dag, geautomatiseerde systemen voorspellen de toekomstige vraag en omzetmanagers moeten beslissen of ze akkoord gaan met deze schattingen. "Aangezien er momenteel steeds meer algoritmen worden gebruikt om menselijke beslissingen op verschillende gebieden te ondersteunen, er ontstaat een nog grotere behoefte om computeroutput succesvol te combineren met menselijke kennis en intuïtie. Kunnen mensen beslissingen verbeteren die worden gesuggereerd door deze data-intensieve en geavanceerde algoritmen?"

Het onderwerp van Koupriouchina's onderzoek komt voort uit haar passie voor technologie. "Na het behalen van mijn masterdiploma, Ik voelde me aangetrokken tot elk project dat met technologie te maken had. Ik vond een baan in het horecamanagement hoger onderwijs en ging op zoek naar interessante onderwerpen om mezelf verder uit te dagen. Door te volgen wat professionals op het gebied van inkomstenbeheer online bespraken en de literatuur te analyseren, evenals alle beschikbare inhoud van gespecialiseerde discussiegroepen op LinkedIn, Ik ontdekte dat prognoses een veelbesproken onderwerp waren."

Voor dit soort prognoses worden algoritmen gebruikt. "Elke dag zien we voorbeelden van algoritmen om ons heen, zoals potentiële partners voorgesteld door een datingsite, en zelfrijdende auto's. Al deze van oudsher menselijke gebieden zijn 'binnengevallen' door de groeiende macht van computeralgoritmen. Ze komen met mooie namen en hoge prijskaartjes, maar moeten we ze blindelings volgen? Hoe weten we of ze gelijk hebben? En hoe kunnen we de invloed van onze eigen interventies evalueren?"

Tegenstrijdige antwoorden

Koupriouchina deed onderzoek naar geanonimiseerde hotelprognosegegevens die zijn verkregen van duizenden hotels over de hele wereld door middel van een samenwerking met een wereldwijde leverancier van hotel Revenue Management System (RMS) met meer dan 10 duizend klanten in 124 landen. "Ik heb gedetailleerde voorspellingsgegevens bestudeerd en geëvalueerd of menselijke interventies deze voorspellingen verbeterden. Er werden verschillende statistische technieken gebruikt om de gegevens te analyseren, inclusief multilevel regressieanalyse, in de literatuur ook wel hiërarchische lineaire modellering genoemd, gemengde lineaire modellering en groeicurve-modellering."

Ten eerste, Koupriouchina onderzocht de nauwkeurigheid van voorspellingsnauwkeurigheidsmaatregelen. Met zeventien verschillende maten, ze berekende de nauwkeurigheid van meer dan 2000 geautomatiseerde voorspellingen, die moesten worden vergeleken met veroordelende aanpassingen die door de inkomstenmanagers waren ingevoerd. "Verschillende foutmetingen genereren tegenstrijdige antwoorden en de nauwkeurigheid van de voorspelling kan verkeerd worden beoordeeld en, als gevolg, mogelijk de besluitvorming in andere belangrijke hotelmanagementgebieden ondermijnen, zoals prijzen, voorraadbeheer, operationele planning, verdeling, en strategie. De bevindingen kunnen worden gebruikt om inkomstenmanagers verder te informeren over de valkuilen en vooroordelen van elke nauwkeurigheidsmeting, zodat ze in staat zijn om zorgvuldig de voorspellingsnauwkeurigheidsmaten te selecteren die van toepassing zijn op hun omstandigheden."

Verder, de onderzoeker toont aan dat de nauwkeurigheid van voorspellingen aanzienlijk verbetert wanneer de voorspellingshorizon relatief klein is, dat frequente handmatige aanpassingen gunstiger zijn voor de nauwkeurigheid van prognoses voor groepsboekingen dan voor individuele boekingen, en dat handmatige aanpassingen in een laat stadium een ​​gunstiger effect hebben op de nauwkeurigheid dan aanpassingen in een vroeg stadium.

Aanbevelingen

Gezien het belang van prognoses in de optimalisatiecyclus van hotelinkomstenbeheer, een meer vruchtbare benadering kan zijn om de gemeenschappelijke reeks benaderingen van enge nauwkeurigheidsmetingen uit te breiden met een meer gestructureerde, alomvattend en consistent kader voor het beoordelen van de kwaliteit van prognoses. Een van de belangrijke elementen van dit kader zou de gezamenlijke ontwikkeling en implementatie van een reeks geautomatiseerde of semi-geautomatiseerde procedures voor het bewaken van de kwaliteit van de prognoses kunnen zijn, inclusief feedbackmechanismen waarmee gebruikers kunnen leren van hun eerdere beslissingen en acties. Om deze feedbackmechanismen zinvol te maken, er zullen extra inspanningen van de hotels en hun revenue managers worden gevraagd. Bijvoorbeeld, het zou zeer nuttig zijn als omzetmanagers een consistent log in RMS zouden bijhouden van de redenen voor overschrijvingen, vooral voor grote en frequente overrides, waardoor deze redenen systematisch kunnen worden beoordeeld en de uitkomsten van deze analyse kunnen worden meegenomen in de feedbackloop.

RMS-providers, anderzijds, zou geautomatiseerde procedures kunnen toevoegen om de door de inkomstenmanagers geïntroduceerde veroordelende aanpassingen voortdurend te controleren, en analyseren en rapporteren over verschillende belangrijke aspecten zoals grootte, richting, frequentie, timing, segmenten waarop ze worden toegepast, soort overschrijving, enzovoorts. Deze analyse kan metingen omvatten van de effectiviteit van overschrijven en de impact op de prognoseprestaties, gecategoriseerd op type override en op reden. Bovendien, door gebruik te maken van het enorme aantal uitwisselingen met de duizenden hotels die onder verschillende omstandigheden opereren, RMS-softwareleveranciers zouden hun software verder kunnen vormgeven met een dieper inzicht in het gedrag van de gebruikers.

De bevindingen van dit onderzoek hebben een aantal implicaties voor de academische wereld, de hotelindustrie, en RMS-softwareleveranciers. De bevindingen zijn gepubliceerd in de International Journal of Hospitality Management , International Journal of Contemporary Hospitality Management , en als een boekhoofdstuk in het leerboek Bestuurswetenschappen in gastvrijheid en toerisme:theorie, Oefening, en toepassingen. Verschillende wetenschappelijke auteurs hebben de aanbevelingen al in hun onderzoek verwerkt. Om de aandacht van het hotelwezen te trekken, en om de noodzaak te illustreren om deze bevindingen in de praktijk te verwerken, de tussentijdse resultaten zijn gedeeld op verschillende educatieve sessies, congressen en bijeenkomsten van Revenue Management verenigingen in binnen- en buitenland (V.S., VK, Duitsland, Frankrijk, Kroatië, China, Rusland, enzovoort.). Bovendien, er is een pilot online training voor hotelmanagers gemaakt en de onderzoeksresultaten zullen verder worden verwerkt in de cursus Revenue Management van Hotelschool The Hague, die hotelmanagers voorbereidt op de horeca wereldwijd.