PriceLabs Algorithmus zur Mindestaufenthaltsempfehlung

Neu: Dynamischer Mindestaufenthalt ist jetzt live!

Sie können Ihre Mindestaufenthaltsregeln jetzt vollständig automatisieren mit Dynamic Min Stay, einem leistungsstarken neuen Feature, das unsere datengestützten Empfehlungen direkt auf Ihre Objekte anwendet. Diese Empfehlungen passen sich automatisch an Saisonalität, Markttrends und Objekt-Performance an – kein Rätselraten mehr.

Dieser Artikel beschreibt, wie unser Modell hinter Dynamic Min Stay sich weiterentwickelt hat, was die neuesten Empfehlungen antreibt und wie sie Ihnen helfen, mit weniger Aufwand mehr Umsatz zu erzielen.

Verbesserte Mindestaufenthaltsempfehlungen

Mindestaufenthaltsregeln sind wirkungsvolle Stellschrauben zur Maximierung von Umsatz und Belegung. Deshalb haben wir unsere Mindestaufenthaltsempfehlungen entwickelt, damit Sie die richtigen Regeln für Ihre Objekte festlegen können. Mit der Einführung unseres neuen Dynamic Min Stay-Features können Sie diese Empfehlungen jetzt automatisch in Echtzeit anwenden und aktualisieren.

In diesem Beitrag zeigen wir, wie wir unser Modell kontinuierlich verbessert haben. Während der restliche Beitrag einen Blick hinter die Kulissen des Modells wirft und etwas technischer ist, lautet das TL;DR:

• Verbesserte Daten und Algorithmen machen das Modell leistungsstärker und die generierten Empfehlungen besser
• Dynamic Min Stay führte im Vergleich zur Nutzung fester Mindestaufenthaltsregeln zu einer Umsatzsteigerung und geringeren Betriebskosten

Hintergrund

Im Jahr 2017 haben wir unsere dynamischen Mindestaufenthaltseinstellungen eingeführt, die schnell an Beliebtheit gewannen. Die Möglichkeit, Mindestaufenthaltsanforderungen basierend auf der Vorlaufzeit anzupassen und automatisch Verfügbarkeit für kürzere Aufenthalte freizugeben, war ein neuartiges Feature zur Umsatzoptimierung. Es war eine natürliche Weiterentwicklung für Revenue-Management-Systeme – und wir haben dabei die Initiative ergriffen.

Im Februar 2022 haben wir diese Einstellungen erweitert und noch mehr Flexibilität geboten: zusätzliche Ebenen, Einstellungen für angrenzende Nächte und die Möglichkeit, diese für verschiedene Saisons unterschiedlich zu konfigurieren.

Eine häufige Sorge unserer Kunden war jedoch die Herausforderung, die optimalen Einstellungen zu finden. Fragen wie „Wie lange sollte der Mindestaufenthalt für Buchungen weit im Voraus sein?“ oder „Wie sollten sich diese Einstellungen je nach Vorlaufzeit ändern?“ haben viele Nutzer vor Rätsel gestellt. Stellen Sie sich vor, Sie möchten mittelfristige Vermietungen priorisieren – wie sollten Sie Ihre Einstellungen entsprechend anpassen?

Unser Data-Science-Team hat sich seit letztem Jahr intensiv mit diesen Fragen beschäftigt, und wir freuen uns, PriceLabs’ Mindestaufenthalts-Empfehlungs-Engine – die weltweit erste und einzige intelligente Mindestaufenthalts-Engine vorzustellen.

Warum dynamische Mindestaufenthaltsbeschränkungen nutzen

Es gibt zwei Hauptgründe für die Nutzung dynamischer Mindestaufenthaltsbeschränkungen:

1. Betriebliche Gründe: Check-ins und Check-outs verursachen zusätzliche Betriebskosten und Aufwand, die den Gewinn schmälern. Ein weiterer Fall: Ein-Nacht-Aufenthalte am Wochenende signalisieren in der Regel eine Party – etwas, das die meisten Kurzzeitvermietungen vermeiden möchten.
2. Umsatzmaximierung: Eine Buchung beeinflusst die Wahrscheinlichkeit, dass benachbarte Daten gebucht werden, negativ. Setzen Sie Ihren Mindestaufenthalt zu niedrig an, kann Ihr Kalender voller nicht buchbarer Lücken sein; setzen Sie ihn zu hoch, werden diese Daten möglicherweise gar nicht gebucht!

Die richtigen Mindestaufenthaltsregeln zu finden, ist eine Abwägung zwischen dem Wert des garantierten Umsatzes jetzt und den Opportunitätskosten, die damit verbunden sind, dass benachbarte Daten weniger buchbar werden. Hier ist ein detaillierter Einblick in die Funktionsweise:

Die Methodik: „Opportunitätskosten“ vs. „garantierter Umsatz“

Der Kern unserer Mindestaufenthalts-Empfehlungs-Engine ist das Konzept der „Opportunitätskosten“. Vereinfacht ausgedrückt: Der Verkauf weniger Nächte 11 Monate im Voraus bringt einen gewissen „garantierten Umsatz“ (den Umsatz aus diesen zwei Nächten). Das fühlt sich gut an, und abgesehen von einer Stornierung haben Sie nun ein gesichertes Einkommen für diesen Monat. Für die Daten rund um die zwei gebuchten Nächte sinkt die Buchungswahrscheinlichkeit jedoch erheblich. Dieser Rückgang des potenziellen Umsatzes der Nächte rund um die gebuchten Daten sind die „Opportunitätskosten“.

Zur Veranschaulichung: Das folgende Beispiel zeigt einen Kalender mit 10 Tagen, bei dem 2 Nächte (der 15. und 16. des Monats) mit einem 2-Nächte-Aufenthalt gebucht sind.

Betrachten wir die vorherige Nacht (den 14.) und überlagern wir beispielsweise die möglichen 4-Nächte-Buchungen, die den 14. einschließen könnten.

Da der 15. nicht verfügbar ist, sind die letzten 3 dieser potenziellen Buchungen nicht mehr möglich.

Sobald die 2 Nächte (15. und 16.) gebucht sind, erlebt nicht nur der 14. einen Rückgang der potenziellen Nachfrage, sondern auch andere Nächte in der Umgebung. Zum Beispiel werden viele Wochenaufenthalte, die zuvor ab dem 11. gebucht worden wären, nun nicht mehr möglich sein.

Die Frage bleibt: Wie viele dieser längeren Buchungen, die potenziell höhere Umsätze erzielen könnten (indem sie auch den 14. und andere angrenzende Nächte belegen), prognostizieren wir für diesen Markt?

• Wenn wenige längere Buchungen erwartet werden, sind die Opportunitätskosten gering, und wir sollten den garantierten Umsatz aus dieser kurzen Buchung nehmen.
• Wenn längere Buchungen erwartet werden, könnten die Opportunitätskosten hoch genug sein, um es sinnvoll zu machen, mit einer längeren Mindestaufenthaltsanforderung zu warten und diesen garantierten Umsatz nicht anzunehmen!

Das obige Beispiel verdeutlicht, dass ein Teil der Berechnung des „garantierter Umsatz“ vs. „Opportunitätskosten“-Kompromisses einfach ist:

1. Jeder kennt den garantierten Umsatz, wenn man diese kurze Buchung erhält.
2. Die Schätzung der Opportunitätskosten ist schwieriger. Unser Data-Science-Team arbeitet seit letztem Jahr daran, und wir haben einen cleveren Ansatz entwickelt, um lokale Nachfragemuster und Buchungswahrscheinlichkeiten in ein Optimierungsframework zu integrieren und den Wendepunkt zu finden, ab dem eine kürzere Buchung den Gesamtumsatz des Objekts verschlechtert. Dieser Wendepunkt wird zu Ihrer Mindestaufenthaltsempfehlung.

Anhand der obigen Beispiele und des Kontexts werden Sie einige Dinge an unseren Mindestaufenthaltsempfehlungen bemerken:

1. Sie empfehlen tendenziell längere Mindestaufenthaltsanforderungen für weit in der Zukunft liegende Daten. Im Allgemeinen ist noch viel Nachfrage offen, und Sie haben weiterhin eine gute Chance, diese Nächte später zu buchen, selbst wenn Sie kurzfristige Buchungen ablehnen.
2. Wenn sich ein Datum nähert (z. B. Last-Minute), empfehlen wir in der Regel, die Mindestaufenthaltsbeschränkungen zu reduzieren, um kürzere Buchungen anzunehmen. Wenn die verbleibende Nachfrage gering ist, ist es besser, diesen „gesicherten Umsatz“ aus einer kurzen Buchung zu nehmen, anstatt auf „potenziellen Umsatz“ aus längeren Buchungen zu warten, die möglicherweise nicht zustande kommen.
3. In Märkten, in denen viele längere Last-Minute-Buchungen stattfinden, werden Sie feststellen, dass die Last-Minute-Empfehlungen möglicherweise nicht so stark sinken. Das liegt daran, dass die Empfehlungen die lokalisierten Buchungsmuster ähnlicher Objekte in der Region berücksichtigen (dazu weiter unten mehr)!
4. In Märkten mit insgesamt geringer Nachfrage tendieren die Empfehlungen zu niedrigeren Mindestaufenthaltsbeschränkungen (nehmen Sie jede Buchung, die Sie bekommen können).
5. Für stark nachgefragte Monate kann in den saisonalen Empfehlungen eine Erhöhung des Mindestaufenthalts vorgeschlagen werden.

Was unsere Mindestaufenthaltsempfehlungen heute antreibt

Bei der Berechnung dieser Werte gibt es 3 Hauptkategorien von Faktoren, die wir berücksichtigen müssen. Diese Faktoren werden bei PriceLabs kontinuierlich abgestimmt und verbessert

1. Markttrends
   • Historische Buchungen zur Ermittlung typischer Belegungsniveaus, Verteilungen des Buchungsfensters und der entsprechenden Aufenthaltsdauern (LOS) für Buchungen.
   • Daraus können wir die Buchungswahrscheinlichkeit für ein bestimmtes Datum bei einer gegebenen Aufenthaltsdauer (LOS) während eines bestimmten Buchungsfensters für ein typisches Objekt im Markt berechnen
   • Wir können auch eine erste Schätzung der negativen Veränderung der Buchungswahrscheinlichkeit für benachbarte Daten vornehmen, da andere Marktbuchungen, die nicht mehr möglich sind, entfernt werden
2. Objekt-Performance
   • Die Werte aus den Markttrends eignen sich gut zur Schätzung von Werten für ein typisches Objekt. Ihr Objekt ist jedoch einzigartig, und wir müssen Anpassungen basierend auf der vergangenen und zukünftigen Performance Ihres Objekts vornehmen
   • Wir betrachten das allgemeine Belegungsniveau im Vergleich zum Markt: Wenn wir feststellen, dass Sie zurückfallen, möchten wir mehr Buchungen fördern, indem wir weniger restriktive Mindestaufenthaltsregeln empfehlen
   • Wir nutzen auch Ihre Preise, um die Wertfunktionen anzupassen. Wenn Sie eine stärker wochenendorientierte Strategie als der Markt verfolgen und größere Schwankungen bei Ihren Wochentags-Preisen aufweisen, wird dies hier berücksichtigt. Das Modell wird längere Mindestaufenthalte an Wochentagen priorisieren, um sicherzustellen, dass eine Buchung, die die Wochenendtermine aufteilen könnte, sich lohnt.
3. Risikofaktor – Umgang mit Unsicherheit
   • Besonders bei kurzer Aufenthaltsdauer kann die Erhöhung der Mindestaufenthaltsregel um eine einzige Nacht den potenziellen Umsatz erheblich steigern, die Buchungswahrscheinlichkeit jedoch stark verringern.
   • Betrachten Sie eine Änderung von 2 Nächten Mindestaufenthalt auf 3 Nächte: Der potenzielle Umsatz steigt durch die zusätzliche Nacht um +50 %. Das wäre das Risiko wert, solange die Buchungswahrscheinlichkeit durch die höhere Restriktion nicht um mehr als −33 % sinkt.
   • Aber −33 % ist ein erheblicher Rückgang der Buchungswahrscheinlichkeit, und unsere Berechnung dieser Veränderung ist nur eine Schätzung mit inhärenter Unsicherheit. Unser Modell könnte ergeben, dass die Buchungswahrscheinlichkeit um −30 % sinkt, aber der tatsächliche Wert könnte im Bereich von −35 % (Erhöhung des Mindestaufenthalts nicht lohnenswert) bis −25 % (Erhöhung eindeutig lohnenswert) liegen. Aufgrund dieser Unsicherheit möchten unsere endgültigen Empfehlungen eher eine leicht suboptimale Buchung annehmen als gar keine Buchung.
   • Während unser Modell insgesamt auf Umsatzmaximierung ausgerichtet ist, fügen wir bei knappen Entscheidungen und Grenzfällen wie dem obigen Beispiel einen Faktor hinzu, der die weniger restriktive Mindestaufenthaltsregel bevorzugt

Aufenthaltsdauer

Zwei Modi: Kurzzeit- vs. mittelfristige Vermietungen

Viele unserer Kunden (insbesondere in städtischen Lagen) verzeichnen einen deutlich höheren Anteil an mittelfristigen Buchungen für ihre Objekte. Das Bild unten zeigt Daten für 2-Zimmer-Objekte in Chicago (unser Firmensitz!) – Sie sehen, dass Chicago im Vergleich zum Ski-Markt oben deutlich mehr dunkelgraue Bereiche aufweist (Aufenthalte von 15+ Nächten).

Aufenthaltsdauer-Muster in Chicago, IL, USA (ein Beispiel für einen städtischen Markt) zeigen eine wochenendlastige Kurzzeitnachfrage, aber auch einen großen Anteil an mittelfristigen Aufenthalten

Wir haben diese zwei Modi basierend auf der Beobachtung entwickelt, dass viele Kunden aus betrieblichen Gründen einen Modus bevorzugen.

• Wenn Sie „Kurzzeit bevorzugen“ wählen, entfernen wir die Buchungen von 15+ Nächten aus der Marktnachfrage (und dem entsprechenden Angebot) und zeigen Empfehlungen an.
• Wenn Sie „Mittelfristig bevorzugen“ wählen, berücksichtigen wir die gesamte Nachfrage im Markt. Beachten Sie, dass die Empfehlungen auch bei eingeschlossener Gesamtnachfrage möglicherweise kurze Aufenthalte erlauben, wenn nicht genügend mittelfristige Nachfrage vorhanden ist. Mittelfristige Empfehlungen berücksichtigen die Nachfrage nach Aufenthalten von mehr als 14 Nächten, aber die Empfehlungen können dennoch niedriger ausfallen, wenn diese Nachfrage nicht ausreicht.

Aufenthaltsbeschränkungen in saisonalen Märkten

In stark saisonalen Märkten (z. B. Ski- oder Strandmärkte) funktionieren ganzjährige Mindestaufenthaltseinstellungen nicht. Verwenden Sie unsere Mindestaufenthaltsprofile in Kombination mit benutzerdefinierten Saison-Profilen.

Die Herausforderung, optimale und umsatzmaximierende Mindestaufenthaltsbeschränkungen für jede Saison zu finden, wird dadurch noch komplexer.

Zur Unterstützung führen wir auch die Opportunitätskosten-Optimierung für die Nachfrage jedes Monats separat durch, um zu prüfen, ob die Empfehlungen für einen bestimmten Monat von den allgemeinen Empfehlungen abweichen. Diese „Ausnahme“-Monate werden in unseren Empfehlungen hervorgehoben, und Sie können mit den Mindestaufenthaltsprofilen spezielle Anforderungen dafür erstellen.

Warum das für Ihr Geschäft wichtig ist

PriceLabs’ verbesserte Mindestaufenthaltsempfehlungen nutzen tiefere Einblicke in Markttrends, Ihre einzigartige Objekt-Performance und einen ausgereiften Ansatz zur Handhabung von Risikofaktor-Unsicherheit.

Durch die kontinuierliche Verfeinerung unserer Daten und Algorithmen haben wir ein Modell entwickelt, das garantierten Umsatz intelligent gegen Opportunitätskosten abwägt – auch in komplexen Grenzfällen. Das führt zu stärkeren Empfehlungen, die nachweislich Ihren Umsatz steigern und dabei den Betriebsaufwand reduzieren – und Sie so über die Grenzen statischer Regeln hinausbringen.

Mit Dynamic Min Stay ist es jetzt ganz einfach, diese leistungsstarke Optimierung zu nutzen – unser intelligenteres Modell arbeitet automatisch, um Ihre Buchungen und Rentabilität zu maximieren.

Beste Grüße,

PriceLabs Data Science Team