giovedì , 23 febbraio 2017
Breaking News
Home » Revenue Management » Forecasting alberghiero » Pick-up, indice inedito per la sua misura

Pick-up, indice inedito per la sua misura

Pick up, calcolo della qualità

Ho creato un indicatore inedito per la misura del calcolo della qualità del pick up alberghiero

Il pick up è l’indicatore di performance per eccellenza per la gestione dei ricavi in ottica di revenue management. Purtroppo nessuno studio ha mai approfondito la misura della sua qualità. Avevo abbozzato qualcosa in questo articolo del 2014 ma non mi ero spinto al punto di poter misurare su una scala la qualità del Pick Up.

Questo studio nasce dal lavoro quotidiano che faccio per la mia struttura e per i clienti che seguo tramite la start-up HotelPro360.

Cercherò di spiegare in modo semplice questo indicatore inedito per la misura della qualità delle vendite. Avevo già parlato di questo indicatore nel blog di Nicola Zoppi nel 2015 e l’avevo soprannominato come “iRev International Index”, ma alcuni studenti mi hanno fatto notare come questo nome sia davvero brutto e lungo. Per questo motivo d’ora in poi lo chiamerò “Bravo Index“.

Partiamo dal principio.

Pick up, significato

Il pick up può essere considerato (nelle sue varie eccezioni) come l’andamento cumulato delle prenotazioni (o delle notti prenotate) ricevute nel tempo. Spesso si conosce il pick-up con un grafico in cui viene evidenziato nel tempo come queste prenotazioni si siano accumulate con il passare dei giorni.

RateManager è il programma di revenue management di Booking Suite di #bookingcom, anche loro tracciano il grafico dell’andamento dell’occupazione con un grafico chiamato guardacaso “Pick up”. In pratica in questo grafico vediamo come l’occupazione di “venerdì 30 dicembre” si sia accumulata nel tempo.

schermata-2016-12-26-alle-19-09-30

Altri grafici di situazioni reali di pick-up potrebbero essere come quelli nella figura che segue: esempi-curva-pick-up

Possiamo misurare la qualità del Pick up?

Purtroppo neanche #bookingcom ha pensato a come poter valutare la qualità del pick-up di una struttura ricettiva! Ecco questo è proprio il bisogno che vorrei soddisfare con lo studio che vi propongo. Mi piacerebbe ovviamente che anche altri professionisti possano intervenire per migliorare questo “Bravo index”.

Teoria su cui è basato il “Bravo Index”

Lo studio del pick-up è fondamentale per far progredire gli studi in ambito di Revenue Management alberghiero. I sistemi informatici e i nuovi RMS (Revenue Management System) che si stanno affacciando sul mercato devono prestare attenzione e sviluppo al pick-up delle prenotazioni. Lo studio del pick-up a mio parere dovrebbe creare un nuovo indice di performance, che affiancato dagli altri indicatori, possa dare informazioni aggiuntive per il Revenue Manager. In futuro la partita dell’ottimizzazione tariffaria si giocherà principalmente sulla velocità d’azione, dalla velocità in cui il sistema (in questo caso un RMS) riesce ad elaborare i dati e ottimizzare le vendite agendo sui prezzi/disponibilità/restrizioni/canali di vendita. Ma gli attuali indicatori di performance non sono sufficienti, così, il Bravo index grazie all’analisi del pick-up, potrà dare informazioni aggiuntive al sistema.

I passaggi fondamentali del ragionamento sono questi:

Analizziamo il pick-up e avremo importanti informazioni

La curva del pick-up è molto significativa e ci può dare delle importanti indicazioni sulla qualità delle vendite del mio hotel. Per esempio la curva nella figura seguente è indicativa di una vendita sbilanciata sotto data ed è sintomatica di un abbassamento tariffario in prossimità della data di arrivo presa in esame. curva-bassaLa curva che segue invece è sintomatica di una tariffa eccessivamente bassa con largo anticipo e lascia intuire un aumento sconsiderato della tariffa che ad un certo punto che ha bloccato le prenotazionicurva-altaIn entrambi i casi i due scenari sono sintomatici di una determinata strategia di vendita (buona o scarsa che sia). A me interessa riuscire a creare un indicatore che possa sintetizzare la qualità della vendita e possa rendere confrontabili questi dati.

Esiste un pick-up ottimale?

La domanda che vorrei porvi è questa: esiste una curva di pick-up ottimale? La mia risposta è SI! La curva di pick-up ottimale esiste anche se è ovviamente teorica e irraggiungibile. Questa curva ipoteticamente ci spiega che “l’ottimo” è quello di ricevere le prenotazioni in modo costante lungo tutta la finestra temporale fino al raggiungimento della piena occupazione. Ovviamente questo non sarà mai possibile da raggiungere nei fatti, ma non importa. La cosa importante è accettare l’ipotesi che vi sia ed esista una curva ottimale, seppur teorica e irraggiungibile. curva-ottimale

Utilizzare la curva ottima come benchmark

Se abbiamo accettato la possibilità che vi sia un ottimo, allora non ci resta che creare un indice inedito di qualità della nostra vera curva di pick-up. Perché non ci aveva mai pensato nessuno prima? Ma come fare a creare questo indice inedito? Il metodo migliore che ho studiato per raggiungere questo scopo è senz’altro quello di misurare la lunghezza della nostra curva di pick-up e di confrontarla con quella della curva ottimale teorica. Più la nostra curva reale di pick-up si avvicinerà a quella teorica meglio sarà! distanza-curvaPer misurare correttamente la lunghezza della nostra curva di pick up (quella viola) avremo tante possibilità, la metodologia più semplice è quella di farsi aiutare dalla regressione lineare, in questo caso basterà trovare l’equazione della regressione lineare della distribuzione del nostro pick-up (quello viola) e calcolare la distanza dai punti AC e successivamente sommare la distanza del segmento CB.

La pratica per il calcolo del “Bravo Index”

Ho fatto qualche esercizio con cui potrete esercitarvi e potrete verificare cosa ne pensate del nuovo indice di performance. Per qualsiasi domanda non esitate a contattarmi direttamente tra i commenti del blog o nel gruppo FaceBook: Revenue Management

Ho preso i dati della struttura del grafico sopra e ho provato ad applicare materialmente il “Bravo Index” per verificarne il funzionamento all’atto pratico.

Il set dei dati preso in esami è quello dell’andamento dell’occupazione per la data del 30/12/16.

esempio-pratico-bravo-index

Vedete in blu la curva reale dell’occupazione e vedete in arancio la curva ideale teorica che avremmo dovuto seguire per essere al massimo. Adesso aggiungiamo la nostra retta di regressione:

esempio-pratico-bravo-index-regressione

Ho fatto una regressione facendo passare l’intercetta dall’origine degli assi cartesiani, in questo modo sarà molto semplice confrontare la lunghezza delle due rette di regressione. Le rette di regressione avranno un’equazione di questo tipo:

y=mx+c

In questo caso come ho detto in precedenza l’intercetta è =0 quindi la retta di regressione avrà questa equazione:

y=mx

In pratica una volta che avremo scoperto m, ovvero la pendenza di questa retta, sapremo come calcolare la distanza tra i due punti AB (diretto) e AB (passando da C).

Risultato

I risultati e tutti i passaggi li potrete trovare in questo file Excel liberamente scaricabile da questo link:

Excel n°1 (dati reali di un hotel vero)

Excel n°2 (dati simulati)

Excel n°2 (dati simulati)

Vi metto i grafici con il risultato del Bravo index in alcuni scenari per farvi un’idea del suo funzionamento. Per ognuno di questi grafici troverete il relativo file Excel da scaricare e con cui poterci smanettare!

bravo-index-93

bravo-index-82

bravo-index-61

Probabilmente il sistema per essere veramente efficace dovrebbe utilizzare una sistema di adattamento più preciso rispetto alla regressione lineare. L’ultimo esempio è abbastanza eclatante, nel grafico la retta di regressione è molto ripida e schizza verso l’alto in modo molto pronunciato. La pendenza in questo caso è di 1,23 contro lo 0,77 della retta ottimale. Questo comporta un risultato piuttosto basso, inoltre il grafico inganna poiché schiaccia molto i valori.

Esperimenti futuri

Risultati migliori si ottengono utilizzando l’interpolazione polinomiale, purtroppo dai primi test anche l’interpolazione polinomiale soffre di alcuni disturbi quando vi sono picchi altalenanti, sopratutto alle estremità della curva, rischiando di falsare i dati. Un sistema molto efficace per superare questo problema è l’interpolazione spline, nel quale la curva di pick-up verrebbe spezzettata in molti segmenti e per ognuno di essi di applica un’interpolazione polinomiale. Il vantaggio di questo sistema più evoluto e quello di evitare effetti distorsivi alle estremità. Lo svantaggio è che Excel non ci potrà aiutare per il suo calcolo serviranno programmi più specifici. Sto cercando di bypassare il problema ma credo servirà tempo, nel frattempo se qualcuno ha idea di come potermi aiutare.. Grazie!!

 

Check Also

Il Revenue Management dei migliori hotel di Milano

Il Revenue Management degli hotel di Milano, ma solo dei migliori. Gli hotel migliori di …

10 comments

  1. Complimenti per la continua ricerca in materia revenue.
    Volevo chiederle, ma l’indicatore della curava ottimale lo calibra in relazione alla capacità ricettiva?
    Ovvero lei lo calcola 100/giorni di anticipo alla data.
    il valore 100 si riferisce alla capacità ricettiva di un hotel a 100 camere?

    La ringrazio per la sua risposta.

    • Ciao Antonio! La curva ottimale parte da 0% di occupazione a 63 giorni d’anticipo (i gg di anticipo variano per ogni data a seconda del giorno di arrivo della prima prenotazione). Quindi il valore 100 di riferisce alla % di occupazione dell’hotel. 100% di occupazione sta a significare che siamo al completo. 😉
      A presto se hai altre domande non esitare a chiedere!

  2. Buonasera, esiste la possibilità di avere un riscontro “live” (seminari, calls, incontri) in cui fare domande? Sarà sicuramente una buona analisi ma credo personalmente sia spiegata in modo troppo tecnico, non adatto a chi non ha un background “matematico/fisico”. L “Interpolazione polinomiale” non so cos’è e non ritengo sia corretto limitare l accesso di queste info solo a chi ha fatto un certo percorso. Se ci fosse una possibilità di confrontarsi per meglio chiarire certi punti prego di comunicarlo. Grazie e complimenti

  3. Ciao Edoardo sono Enrico quello dell’ultima versione dell’excel revenue
    Sto leggendo il tuo articolo in treno innanzitutto complimenti molto interessante
    Ma arrivando subito al sodo mi viene al momento in mente la possibilità di usare la distribuzione normale per eliminare le distorsioni alle estremità semplicemente tagliando le code mantenendo il più possibile il campione più rappresentativo.
    Bisogna però tenere conto che la curva di pik up è la sommatoria di diverse variabili che regolano anche la curva della domanda
    A presto ciao
    Enrico puccio

  4. Noi del Master MTA di Pisa 2015-2016 Ti ringraziamo per aver scelto il nome che Ti abbiamo suggerito!
    Continua così!

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *