Algorytm silnika rekomendacji pobytu minimalnego PriceLabs

Nowość: Dynamiczny pobyt minimalny już dostępny!

Teraz możesz w pełni zautomatyzować zasady pobytu minimalnego dzięki funkcji Dynamiczny pobyt minimalny, nowej, zaawansowanej funkcji, która stosuje nasze rekomendacje oparte na danych bezpośrednio w Twoich ofertach. Rekomendacje te dostosowują się automatycznie do sezonowości, trendów rynkowych i wydajności oferty — koniec z domysłami.

W tym artykule wyjaśniamy, jak rozwinął się nasz model stojący za funkcją Dynamiczny pobyt minimalny, co napędza najnowsze rekomendacje oraz w jaki sposób pomagają one zwiększać przychody przy mniejszym nakładzie pracy.

Ulepszone rekomendacje pobytu minimalnego

Zasady pobytu minimalnego to potężne narzędzie pozwalające maksymalizować zarówno przychody, jak i obłożenie. Dlatego stworzyliśmy rekomendacje pobytu minimalnego, które pomagają ustalić odpowiednie zasady dla Twoich ofert. Dzięki nowej funkcji Dynamiczny pobyt minimalny możesz teraz automatycznie stosować i aktualizować te rekomendacje w czasie rzeczywistym.

W tym artykule pokazujemy, jak stale ulepszaliśmy nasz model. Dalsza część tekstu zagląda pod maskę modelu i jest nieco bardziej techniczna, ale oto najkrótsze podsumowanie:

• Lepsze dane i algorytmy wzmacniają model i poprawiają jakość generowanych rekomendacji
• Dynamiczny pobyt minimalny zwiększył przychody i obniżył koszty operacyjne w porównaniu ze stałymi zasadami pobytu minimalnego

Kontekst

W 2017 roku wprowadziliśmy dynamiczne ustawienia pobytu minimalnego, które szybko zyskały popularność. Możliwość dostosowywania wymogów pobytu minimalnego na podstawie czasu realizacji oraz automatycznego otwierania dostępności dla krótszych pobytów była wówczas nowatorską funkcją optymalizacji przychodów. Było to naturalne rozwinięcie systemów zarządzania przychodami, a my jako pierwsi wprowadziliśmy to rozwiązanie.

W lutym 2022 roku rozszerzyliśmy te ustawienia, oferując jeszcze większą elastyczność dzięki dodatkowym warstwom, ustawieniom sąsiednich nocy oraz możliwości ich różnicowania w zależności od sezonu.

Jednak nasi klienci często zgłaszali trudność w ustaleniu optymalnych ustawień. Pytania typu 'Jaki powinien być pobyt minimalny przy rezerwacjach z dużym wyprzedzeniem?' czy 'Jak te ustawienia powinny zmieniać się w zależności od czasu realizacji?' niejednokrotnie stawiały użytkowników przed trudnym wyborem. A jeśli chcesz priorytetowo traktować wynajem średnioterminowy? Jak wtedy dostosować ustawienia?

Nasz zespół data science pracuje nad tymi pytaniami od zeszłego roku i z dumą przedstawiamy silnik rekomendacji pobytu minimalnego PriceLabs — pierwszy i jedyny na świecie inteligentny silnik pobytu minimalnego.

Dlaczego warto stosować dynamiczne ograniczenia pobytu minimalnego

Istnieją dwa główne powody, dla których warto stosować dynamiczne ograniczenia pobytu minimalnego:

1. Operacyjny: zameldowania i wymeldowania wiążą się z dodatkowymi kosztami operacyjnymi, które obniżają zysk. Poza tym jednonocne pobyty weekendowe często oznaczają imprezę, czego większość obiektów oferujących najem krótkoterminowy woli unikać.
2. Maksymalizacja przychodów: przyjęcie rezerwacji obniża prawdopodobieństwo zarezerwowania sąsiednich dat. Ustawisz pobyt minimalny zbyt nisko — kalendarz zapełni się niezarezerwowanymi lukami, ustawisz go zbyt wysoko — te terminy mogą w ogóle nie zostać zarezerwowane!

Ustalenie właściwych zasad pobytu minimalnego to balansowanie między wartością gwarantowanego przychodu tu i teraz a kosztem alternatywnym wynikającym z niższej szansy na rezerwację sąsiednich dat. Poniżej wyjaśniamy, jak to działa:

Metodologia: 'koszt alternatywny' kontra 'gwarantowany przychód'

Sercem naszego silnika rekomendacji pobytu minimalnego jest 'koszt alternatywny'. Mówiąc prościej: sprzedaż kilku nocy z wyprzedzeniem 11 miesięcy przynosi pewien 'gwarantowany przychód' (przychód z tych dwóch nocy). To dobre uczucie — jeśli nie dojdzie do anulowania, masz zapewniony dochód na dany miesiąc. Jednak dla dat sąsiadujących z zarezerwowanymi dwiema nocami szansa na rezerwację drastycznie spada. Ten spadek potencjalnego przychodu z nocy wokół zarezerwowanych dat to właśnie 'koszt alternatywny'.

Aby to zilustrować, spójrz na poniższy przykład: kalendarz obejmujący 10 dni, w którym zarezerwowano 2 noce (15. i 16. dzień miesiąca) w ramach 2-nocnego pobytu.

Skupmy się na poprzedniej nocy (14. dzień) i nałóżmy na przykład możliwe 4-nocne rezerwacje, które mogłyby obejmować noc z 14. dnia.

Ponieważ 15. dzień jest niedostępny, ostatnie 3 z tych potencjalnych rezerwacji nie są już właściwie możliwe.

Gdy te 2 noce (15. i 16.) zostaną zarezerwowane, spadek potencjalnego popytu dotyczy nie tylko 14. dnia, lecz także innych nocy w jego okolicy. Na przykład wiele tygodniowych pobytów, które wcześniej mogłyby zaczynać się 11. dnia, teraz nie będzie już możliwych.

Pozostaje pytanie: ile takich dłuższych rezerwacji, które mogłyby przynieść wyższy przychód (obejmując też 14. dzień i inne sąsiednie noce), prognozujemy na danym rynku?

• Jeśli nie spodziewamy się wielu dłuższych rezerwacji, koszt alternatywny jest niski i warto przyjąć gwarantowany przychód z tej krótkiej rezerwacji.
• Jeśli spodziewamy się dłuższych rezerwacji, koszt alternatywny może być na tyle wysoki, że opłaca się poczekać z wyższym wymogiem pobytu minimalnego i zrezygnować z tego gwarantowanego przychodu!

Powyższy przykład pokazuje, że jedną część kompromisu między 'gwarantowanym przychodem' a 'kosztem alternatywnym' łatwo obliczyć:

1. Każdy zna gwarantowany przychód, jaki uzyskałby z tej krótkiej rezerwacji.
2. Oszacowanie kosztu alternatywnego jest trudniejsze. Nasz zespół data science pracuje nad tym od zeszłego roku i opracował sprytny sposób na uwzględnienie lokalnych wzorców popytu oraz prawdopodobieństw rezerwacji w ramach modelu optymalizacyjnego, aby znaleźć punkt zwrotny, w którym przyjęcie krótszej rezerwacji zacznie obniżać łączny przychód z oferty. Ten punkt zwrotny staje się Twoją rekomendacją pobytu minimalnego.

Na podstawie powyższych przykładów i kontekstu można zauważyć kilka cech naszych rekomendacji pobytu minimalnego:

1. Dla odległych terminów zwykle sugerują dłuższy wymagany pobyt minimalny. W dużym uproszczeniu: większość popytu jeszcze się nie zmaterializowała, więc nadal masz spore szanse na zarezerwowanie tych nocy później, nawet jeśli odrzucisz teraz popyt na krótsze pobyty.
2. Im bliżej danej daty (np. w trybie last minute), tym częściej zalecamy obniżenie ograniczeń pobytu minimalnego, aby przyjmować krótsze rezerwacje. Gdy pozostało już niewiele popytu do zarezerwowania, lepiej przyjąć 'pewny przychód' z krótkiej rezerwacji, niż czekać na 'potencjalny przychód' z dłuższych rezerwacji, które mogą się nie pojawić.
3. Na rynkach, gdzie wiele dłuższych rezerwacji pojawia się w trybie last minute, rekomendacje na ostatnią chwilę mogą spadać mniej wyraźnie. Wynika to z tego, że rekomendacje uwzględniają lokalne wzorce rezerwacji podobnych obiektów w okolicy (więcej na ten temat poniżej)!
4. Na rynkach o niskim ogólnym popycie rekomendacje będą dążyć do niższych ograniczeń pobytu minimalnego (aby przyjąć każdą możliwą rezerwację).
5. Miesiące o wysokim popycie mogą pojawiać się w sezonowych sugestiach jako okresy, w których warto zwiększyć pobyt minimalny.

Co dziś napędza nasze rekomendacje pobytu minimalnego

Przy obliczaniu tych wartości musimy uwzględnić 3 główne kategorie czynników. W PriceLabs stale je dostrajamy i udoskonalamy

1. Trendy rynkowe
   • Historyczne rezerwacje pozwalają określić typowe poziomy obłożenia, rozkłady okna rezerwacji oraz odpowiadającą im długość pobytu (LOS) dla rezerwacji.
   • Na tej podstawie obliczamy prawdopodobieństwo zarezerwowania danej daty dla określonego LOS w ramach danego okna rezerwacji dla typowej oferty na rynku
   • Możemy też wstępnie oszacować, jak spada prawdopodobieństwo rezerwacji sąsiednich dat po wykluczeniu innych rezerwacji rynkowych, które nie są już możliwe
2. Wydajność oferty
   • Wartości uzyskane z trendów rynkowych dobrze szacują dane dla typowej oferty, jednak Twoja oferta jest wyjątkowa, dlatego musimy wprowadzać korekty na podstawie jej wyników w przeszłych i przyszłych terminach
   • Sprawdzamy ogólny poziom obłożenia w porównaniu z rynkiem; jeśli widzimy, że zostajesz w tyle, chcemy zachęcić do większej liczby rezerwacji, luzując zasady pobytu minimalnego
   • Wykorzystujemy też Twoje ceny do dostrajania funkcji wartości. Jeśli Twoja strategia jest bardziej zorientowana na weekendy niż rynek i masz większe zróżnicowanie cen w poszczególnych dniach tygodnia, model to uwzględni. Będzie wtedy preferował dłuższy pobyt minimalny w dni robocze, aby rezerwacja rozbijająca weekend rzeczywiście się opłacała.
3. Czynnik ryzyka — radzenie sobie z niepewnością
   • Zwłaszcza przy krótkiej długości pobytu wydłużenie zasady pobytu minimalnego o jedną noc może znacznie zwiększyć możliwy przychód, ale też mocno zmniejszyć szansę na jakąkolwiek rezerwację.
   • Weźmy pod uwagę zmianę minimum z 2 na 3 noce: potencjalny przychód rośnie o +50% dzięki dodatkowej nocy. Takie ryzyko opłaca się, jeśli prawdopodobieństwo zarezerwowania tych nocy nie spadło o więcej niż -33% na skutek większej restrykcyjności.
   • Jednak -33% to duży spadek prawdopodobieństwa rezerwacji, a nasze obliczenie tej zmiany jest jedynie estymacją obarczoną pewną niepewnością. Model może zwrócić spadek prawdopodobieństwa rezerwacji o -30%, podczas gdy rzeczywista wartość może mieścić się w przedziale od -35% (nie warto zwiększać pobytu minimalnego) do -25% (zdecydowanie warto go zwiększyć). Z powodu tej niepewności chcemy, aby nasza ostateczna rekomendacja raczej skłaniała się ku przyjęciu nieco mniej optymalnej rezerwacji niż do braku rezerwacji w ogóle
   • Choć ogólnie nasz model dąży do maksymalizacji przychodów, w przypadkach granicznych i skrajnych, takich jak powyższy przykład, dodajemy czynnik, który wybiera mniej restrykcyjną zasadę pobytu minimalnego

Długość pobytu

Dwa tryby: najem krótkoterminowy kontra średnioterminowy

Wielu naszych klientów (zwłaszcza w lokalizacjach miejskich) obserwuje znacznie wyższy udział rezerwacji średnioterminowych w swoich obiektach. Poniższy obraz przedstawia dane dla 2-sypialniowych obiektów w Chicago (naszej siedzibie!) — w porównaniu z rynkiem narciarskim powyżej widać tu znacznie więcej ciemnoszarego koloru (pobyty 15+ nocy).

Wzorce długości pobytu w Chicago, IL, USA (przykładowy rynek miejski) pokazują popyt krótkoterminowy skoncentrowany wokół weekendów, ale też dużą część pobytów średnioterminowych

Stworzyliśmy te dwa tryby na podstawie obserwacji, że wielu klientów z powodów operacyjnych preferuje jeden z nich.

• Jeśli wybierzesz opcję Preferuj krótkoterminowe, usuniemy rezerwacje trwające 15+ nocy z popytu rynkowego (oraz powiązanej podaży) i pokażemy rekomendacje.
• Jeśli wybierzesz opcję Preferuj średnioterminowe, uwzględnimy cały popyt na rynku. Zwróć uwagę, że nawet przy uwzględnieniu całego popytu rekomendacje mogą nadal dopuszczać krótsze pobyty, jeśli popyt średnioterminowy jest niewystarczający. Sugestie średnioterminowe uwzględniają popyt na pobyty dłuższe niż 14 nocy, ale rekomendacje mogą nadal być niższe, jeśli ten popyt okaże się zbyt mały.

Ograniczenia pobytu na rynkach sezonowych

Na rynkach o silnej sezonowości (np. narciarskich czy nadmorskich) całoroczne ustawienia pobytu minimalnego się nie sprawdzają. Warto skorzystać z naszych Profili pobytu minimalnego w połączeniu z niestandardowymi profilami sezonowymi.

Jednak wyzwanie związane ze znalezieniem optymalnych i maksymalizujących przychody ograniczeń pobytu minimalnego dla każdego sezonu staje się jeszcze bardziej złożone.

Aby to ułatwić, uruchamiamy też optymalizację kosztu alternatywnego osobno dla popytu w każdym miesiącu, sprawdzając, czy rekomendacje dla danego miesiąca odbiegają od rekomendacji ogólnych. Takie miesiące 'wyjątki' są oznaczane w naszych rekomendacjach, a Ty możesz ustawić dla nich specjalne wymagania za pomocą profili pobytu minimalnego.

Dlaczego ma to znaczenie dla Twojej działalności

Udoskonalone rekomendacje pobytu minimalnego PriceLabs czerpią z głębszej analizy trendów rynkowych, unikalnej wydajności Twojej oferty oraz zaawansowanego podejścia do niepewności w ramach czynnika ryzyka.

Dzięki ciągłemu doskonaleniu naszych danych i algorytmów zbudowaliśmy model, który inteligentnie równoważy gwarantowany przychód i koszt alternatywny, nawet w złożonych przypadkach granicznych. Dzięki temu rekomendacje są mocniejsze i sprawdzają się w praktyce, pomagając zwiększyć przychody przy jednoczesnym obniżeniu kosztów operacyjnych, wykraczając poza ograniczenia statycznych zasad.

Dzięki funkcji Dynamiczny pobyt minimalny korzystanie z tej zaawansowanej optymalizacji jest teraz bezwysiłkowe — nasz inteligentniejszy model działa automatycznie, aby maksymalizować Twoje rezerwacje i rentowność.

Wracamy do pracy,

Zespół Data Science PriceLabs