Du skulle vilja boka ett hotellrum och surfa på internet för vilka rum och priser är ett erbjudande. De priser som tillhandahålls beror på den prognostiserade efterfrågan och kommer till stånd genom användning av datoralgoritmer. Dock, priserna justeras ofta manuellt av hotellpersonalen. Vilka är konsekvenserna och hur kan dessa konsekvenser mätas? Ph.D. försvar den 12 november 2019.

Enligt Ph.D. kandidat Larissa Koupriouchina, området för hotellinkomsthantering - ”konsten och vetenskapen” att förutsäga efterfrågan samtidigt som prisjustering och tillgänglighet för inventarier anpassas för att möta efterfrågan - har utvecklats snabbt under det senaste decenniet. Nu för tiden, automatiserade system förutsäger framtida efterfrågan och intäktsansvariga måste besluta om de ska gå med på dessa uppskattningar. "Eftersom allt fler algoritmer för närvarande används för att stödja mänskliga beslut inom en mängd olika områden, ett ännu större behov av att framgångsrikt kombinera datoroutput med mänsklig kunskap och intuition uppstår. Kan människor förbättra beslut som föreslås av dessa dataintensiva och sofistikerade algoritmer?"

Ämnet för Koupriouchinas forskning härrör från hennes passion för teknik. "Efter att ha tagit min magisterexamen, Jag dras till alla projekt som rör teknik. Jag hittade ett jobb inom hospitality management-högskolan och började leta efter intressanta ämnen för att utmana mig själv ytterligare. Genom att följa vad revenue management-proffs diskuterade online och analysera litteraturen, samt allt tillgängligt innehåll i specialiserade diskussionsgrupper på LinkedIn, Jag upptäckte att prognoser var en mycket diskuterad fråga."

Algoritmer används för denna typ av prognoser. "Varje dag ser vi exempel på algoritmer runt omkring oss, som potentiella partners som föreslås av en dejtingsajt, och självkörande bilar. Alla dessa traditionellt mänskliga områden har "invaderats" av den växande kraften hos datoralgoritmer. De kommer med snygga namn och höga prislappar, men ska vi blint följa dem? Hur vet vi om de har rätt? Och hur kan vi utvärdera påverkan av våra egna insatser? "

Motstridiga svar

Koupriouchina undersökte anonymiserad hotellprognosdata som erhållits från tusentals hotell över hela världen genom ett samarbete med en global leverantör av hotellrevenue Management System (RMS) med mer än 10 tusen kunder i 124 länder. "Jag studerade detaljerade prognosdata och utvärderade om mänskliga insatser förbättrade dessa prognoser. Olika statistiska tekniker för att analysera data användes, inklusive multilevel regressionsanalys, även kallad hierarkisk linjär modellering i litteraturen, blandad linjär modellering och tillväxtkurvmodellering."

För det första, Koupriouchina undersökte noggrannheten hos prognostiserade noggrannhetsmått. Med sjutton olika åtgärder, hon beräknade noggrannheten för mer än 2000 automatiserade prognoser, som skulle jämföras med bedömningsjusteringar som införts av inkomstcheferna. "Olika felåtgärder genererar motsägelsefulla svar och prognosnoggrannheten kan missbedömas och, som en konsekvens, potentiellt undergräva beslutsfattandet inom andra viktiga hotellförvaltningsområden, som prissättning, lagerstyrning, Driftsplanering, distribution, och strategi. Resultaten kan användas för att ytterligare utbilda intäktsansvariga om fallgroparna och fördomarna i varje noggrannhetsmått, så att de är i stånd att noggrant välja de prognosnoggrannhetsmått som är tillämpliga för deras förhållanden."

Vidare, forskaren visar att prognosernas noggrannhet förbättras avsevärt när prognoshorisonter är relativt små, att frekventa manuella justeringar är gynnsammare för noggrannheten i prognoser för gruppbokningar än för enskilda bokningar, och att manuella justeringar i ett sent skede har en gynnsammare effekt på noggrannheten än justeringar i ett tidigt skede.

Rekommendationer

Med tanke på vikten av prognoser i optimeringscykeln för hotellinkomsthantering, ett mer fruktbart tillvägagångssätt kan vara att utöka den gemensamma uppsättningen av smala noggrannhetsmått till en mer strukturerad, omfattande och konsekvent ram för prognos av kvalitetsbedömning. En av de viktiga beståndsdelarna i detta ramverk skulle kunna vara den gemensamma utvecklingen och implementeringen av en uppsättning automatiska eller halvautomatiska förfaranden för kvalitetsövervakning av prognoser, inklusive återkopplingsmekanismer som låter användare lära av sina tidigare beslut och handlingar. För att göra dessa återkopplingsmekanismer meningsfulla, ytterligare ansträngningar kommer att krävas från hotellen och deras inkomstansvariga. Till exempel, det skulle vara oerhört användbart om intäktsansvariga förde en konsekvent logg i RMS över orsakerna till åsidosättningar, särskilt för stora och frekventa åsidosättningar, gör det möjligt att systematiskt bedöma dessa skäl och införliva resultaten av denna analys i återkopplingsslingan.

RMS-leverantörer, å andra sidan, skulle kunna lägga till automatiserade procedurer för att kontinuerligt övervaka bedömningsjusteringar som införts av revenue managers, och analysera och rapportera om olika viktiga aspekter som storlek, riktning, frekvens, timing, segment som de tillämpas på, typ av åsidosättande, och så vidare. Denna analys kan inkludera mätningar av åsidosättningseffektivitet och inverkan på prognosprestanda, kategoriseras efter typ av åsidosättande och efter anledning. Dessutom, genom att utnyttja det enorma antalet utbyten med de tusentals hotell som verkar under olika förhållanden, RMS-programvaruleverantörer skulle kunna forma sin programvara ytterligare med en djupare förståelse för användarnas beteende.

Resultaten av denna studie har ett antal implikationer för akademin, hotellbranschen, och RMS -mjukvaruleverantörer. Resultaten har publicerats i International Journal of Hospitality Management , International Journal of Contemporary Hospitality Management , och som ett bokkapitel i läroboken Management Science i gästfrihet och turism:teori, Öva, och applikationer. Flera akademiska författare har redan införlivat rekommendationerna i sin forskning. För att fånga hotellbranschens uppmärksamhet, samt att illustrera behovet av att införliva dessa resultat i praktiken, mellanresultaten har delats vid olika utbildningstillfällen, konferenser och möten för Revenue Management-föreningar i Nederländerna och utomlands (USA, STORBRITANNIEN, Tyskland, Frankrike, Kroatien, Kina, Ryssland, etc.). Dessutom, en pilotkurs online för hotellchefer skapades och forskningsresultaten kommer att införlivas ytterligare i Revenue Management-kursen som lärs ut på Hotelschool The Hague, som förbereder hotellchefer för besöksnäringen världen över.