Gadu desmitiem viesmīlības nozari ir šķīris tehnoloģiskais bezdibenis. Vienā pusē atrodas globālās ķēdes, piemēram, Marriott un Hilton, kas izmanto miljoniem mārciņu vērtas Ieņēmumu pārvaldības sistēmas (RMS), lai katru stundu pielāgotu cenas, pamatojoties uz sarežģītiem pieprasījuma signāliem. Otrā pusē neatkarīgās butika viesnīcas un nelielas grupas paļāvās uz „sezonālajām cenu kartēm” – statiskiem cenu blokiem, kas noteikti sešus mēnešus iepriekš, balstoties galvenokārt uz intuīciju un pagājušā gada kalendāru. Šī plaisa beidzot izzūd. Izmantojot AI mazajam biznesam, butika viesmīlības grupa, kuru es nesen konsultēju, spēja pārtraukt statisko cenu noteikšanas ciklu, kā rezultātā sešu mēnešu laikā bruto ieņēmumi pieauga par pārsteidzošiem 18%.
Šeit runa nav tikai par augstākas cenas noteikšanu; tas ir par to, ko es saucu par institucionālo arbitrāžu. Vēsturiski lielajām korporācijām bija netaisnīgas priekšrocības, jo tās varēja atļauties sarežģītus aprēķinus. Šodien šī matemātika ir kļuvusi par plaši pieejamu preci. Mazā uzņēmuma īpašniekam AI nav tikai efektivitātes rīks – tas ir rīks konkurences paritātei.
Problēma: Statisko cenu augstās izmaksas
💡 Vai vēlaties, lai Penijs analizē jūsu biznesu? Viņa kartē, kuras lomas AI var aizstāt, un izveido pakāpenisku plānu. Sāciet savu bezmaksas izmēģinājuma versiju →
Lielākā daļa mazo viesmīlības uzņēmumu uzskata cenu noteikšanu par aizsardzības manevru. Viņi nosaka cenu, kas šķiet „godīga”, un cer, ka numuri tiks aizpildīti. Ja tie neaizpildās, viņi pēdējā brīdī panikā piemēro atlaides Expedia platformā. Šāda pieeja rada divas neredzamas noplūdes biznesā:
- Griestu noplūde: Augsta pieprasījuma naktīs (pēkšņs vietējais koncerts, negaidīts karstuma vilnis) viesnīca paliek pilnībā rezervēta par „standarta” likmi, atstājot tūkstošiem mārciņu neizmantotu peļņu, ko viesi būtu labprāt maksājuši.
- Grīdas noplūde: Zema pieprasījuma naktīs numuri stāv tukši, jo „standarta” likme ir pārāk augsta pašreizējam tirgus kontekstam, taču īpašnieks ir pārāk aizņemts ar ikdienas darbiem, lai manuāli pielāgotu mājaslapas cenas.
Eksperimentā ar trīs īpašumu butika grupu mēs konstatējām, ka viņu „sezonālās” likmes neatbilda faktiskajam tirgus pieprasījumam 64% gadījumu. Tās bija vai nu pārāk lētas, kad cilvēki izmisīgi vēlējās rezervēt, vai pārāk dārgas, kad pilsētā bija klusums. Skatiet mūsu viesmīlības ietaupījumu ceļvedi, lai uzzinātu vairāk par to, kur parasti slēpjas šīs operatīvās noplūdes.
Stratēģija: Pāreja no „sezonālas” uz „kontekstuālu” cenu noteikšanu
Mēs aizstājām viņu manuālās izklājlapas ar AI vadītu dinamisko cenu noteikšanas dzinēju. Atšķirībā no tradicionālās programmatūras, kas skatās tikai uz jūsu iepriekšējo noslogojumu, šis AI modelis reāllaikā sintezēja četrus atšķirīgus datu slāņus:
1. Vietējo pasākumu izlūkošana
Mazie uzņēmumi bieži palaiž garām „mikropasākumus”. Kamēr lielajām viesnīcām ir komandas, kas seko līdzi katram stadiona koncertam, butika viesnīcas īpašnieks var nepamanīt 300 cilvēku medicīnas konferenci netālu esošajā ēkā. AI skenēja vietējos atļauju pieteikumus, Ticketmaster sarakstus un pat populārus vietējos Facebook pasākumus, lai prognozētu pieprasījuma pieaugumu, pirms tas sasniedza rezervācijas sistēmu.
2. Hiperlokālā laikapstākļu korelācija
Tas bija izrāviens. Šai konkrētajai grupai, kas atrodas netālu no populāras piekrastes pārgājienu takas, laikapstākļi bija galvenais „pēdējā brīža” rezervāciju dzinējspēks. Mēs atklājām, ka „skaidru debesu” prognoze gaidāmajai nedēļas nogalei palielināja rezervācijas nodomu par 40%, salīdzinot ar „apmākušos laiku”. AI sāka paaugstināt cenas tajā brīdī, kad piecu dienu prognoze kļuva saulaina, un samazināt tās, kad lietus bija neizbēgams, nodrošinot, ka arī pārtikas un dzērienu ražošanas puse biznesā palika stabila ar pilnu noslogojumu.
3. Konkurentu novērošana
Tā vietā, lai reizi nedēļā pārbaudītu viesnīcu ielas pretējā pusē, AI katru stundu pārbaudīja 20 vietējos konkurentus. Ja vietējā „enkura” viesnīca tika izpārdota, AI zināja, ka mūsu klienta numuri tagad ir vērtīgākais piedāvājums pilsētā, un dažu sekunžu laikā attiecīgi pielāgoja cenu.
4. Elastības plaisa
Šis ir jēdziens, ko es bieži apspriežu ar saviem klientiem. Elastības plaisa ir starpība starp jūsu fiksēto cenu un maksimālo summu, ko klients ir gatavs maksāt konkrētā brīdī. Aizpildot šo plaisu, mēs ne tikai palielinām peļņu, bet arī fiksējam sniegtā pakalpojuma patieso tirgus vērtību.
Ieviešana: Bailes no „robotizētas” cenu noteikšanas pārvarēšana
Viens no lielākajiem šķēršļiem nebija tehnoloģija, bet gan īpašnieka bažas. Pastāv izplatītas bailes, ka viesi jutīsies „apkrāpti”, ja redzēs cenu svārstības. Mēs to risinājām, izmantojot caurskatāmus vērtības līmeņus. Mēs saglabājām pamata „Value” numurus salīdzinoši stabilus, lai aizsargātu zīmola pieejamību, vienlaikus ļaujot AI agresīvi pārvaldīt „Premium” luksusa numurus.
Mēs arī integrējām cenu noteikšanas dzinēju tieši ar viņu īpašuma pārvaldības sistēmu (PMS). Tas novērsa cilvēcisko faktoru, kad cenu izmaiņas bija jāapstiprina manuāli. Ja dati liecināja, ka cenai jābūt £214, nevis £185, tā automātiski mainījās visur – no viņu tiešās vietnes līdz Booking.com. Tam bija arī pozitīva ietekme uz vispārējām izmaksām. Automātiski atjauninoties cenām, personāls pārstāja saņemt „cenu saskaņošanas” zvanus un sāka koncentrēties uz viesu pieredzi.
Pat nelieli pielāgojumi maksājumu apstrādes izmaksās, izmantojot labāk integrētas rezervācijas plūsmas, pievienoja vēl 0,5% pie peļņas, novirzot darījumus caur zemākas maksas kanāliem liela apjoma periodos.
Rezultāti: Vairāk nekā tikai 18% ieņēmumu pieaugums
Pēc sešiem mēnešiem skaitļi runāja paši par sevi:
- RevPAR (ieņēmumi par pieejamo numuru) palielinājās par 18%.
- Tiešās rezervācijas pieauga par 12%: tā kā AI uzturēja tiešās tīmekļa vietnes cenu nedaudz pievilcīgāku nekā OTA (tiešsaistes ceļojumu aģentūru) cenas, vairāk viesu rezervēja tieši viesnīcā.
- Zudumu samazināšana: Viesmīlības pasaulē tukšs numurs ir „ātri bojājošās prece”. Kad nakts ir beigusies, šo inventāru vairs nekad nevar pārdot. Noslogojums stabilizējās pie 82%, salīdzinot ar iepriekšējo svārstīgo 68% līmeni.
Kāpēc tas ir svarīgi jūsu biznesam
Jums nav jābūt viesnīcas īpašniekam, lai piemērotu šo loģiku. Ja jums ir uzņēmums, kurā pieprasījums svārstās – neatkarīgi no tā, vai esat konsultants, dārznieks vai ražotājs –, statiskā cenu noteikšana, visticamāk, ir jūsu lielākā slēptā izmaksa.
Viesmīlības eksperimenta mācība ir skaidra: konteksts ir vērtīgāks par konsekvenci.
Vecajā pasaulē cenu „konsekvence” bija stabila zīmola pazīme. AI vadītajā pasaulē „konsekvence” bieži vien ir tikai zīme tam, ka jūs nepievēršat uzmanību tirgum. Mazie uzņēmumi, kas izmanto algoritmisko veiklību, ne tikai izdzīvo, bet arī gūst peļņas maržas, kuras agrāk piederēja tikai lielajiem spēlētājiem.
Galvenā atziņa: sāciet ar viena mainīgā noteikšanu, kas ietekmē jūsu pieprasījumu – laikapstākļi, nedēļas diena vai konkurentu pieejamība. Ja jūsu cena nemainās, mainoties šim mainīgajam, jums ir elastības plaisa. Un AI ir vienīgais veids, kā to aizvērt.