Forecasting alberghieroRevenue Management

Le origini del Forecasting Turistico

Il forecasting turistico, dal settore aereo a quello alberghiero, in tre modelli

Le origini del forecasting per il comparto turistico vanno ricercate nei primi studi di Littlewood del 1972 in cui sono descritte alcune caratteristiche base del processo di prenotazione per le compagnie aeree e propose alcuni semplici modelli per la previsione delle prenotazioni totali di un volo.

Il primo modello di Forecasting Turistico di Littlewood

Il primo modello di Littlewood era costruito considerando la media della prenotazioni passate di uno stesso volo, si concentrava sulla domanda totale di prenotazioni di un volo e l’autore stesso precisava che tale metodo non fosse applicabile per prevedere la domanda per le singole diverse classi tariffarie.

Il modello di regressione ARIMA di Sa

Fu Sa nel 1987 a costruire modelli di regressione ARIMA basati sulle serie storiche per analizzare singole classi tariffarie per ogni singolo volo (Sa, 1987). Ma i risultati in un primo momento non furono molto incoraggianti, spostò quindi l’attenzione a un modello di regressione che utilizzava le prenotazioni a venire come variabili dipendente e le prenotazioni on-hand, un indice stagionale, un indice del giorno della settimana e una media dello storico delle prenotazioni come variabili esplicative. Con questo metodo egli ottenne risultati più incoraggianti.

I tre modelli di Ben-Akiva

Nel 1987 Ben-Akiva propose tre modelli specifici che differenziavano l’analisi a seconda del volo e della classe tariffaria, prendevano in considerazione un modello di regressione per gli advanced booking su un dato volo, una serie storica per gli historical booking, prenotazioni passate di uno stesso volo e un modello combinato tra advanced booking e historical booking (Akiva & Lerman). I modelli combinati hanno mediamente performance migliori rispetto ai modelli storici e advanced booking. I risultati incoraggianti, non erano supportati da un numero sufficiente di dati, inoltre i dati disponibili erano a livello mensile invece che giornalieri come sarebbe richiesto dai sistemi di Revenue management.

Potrebbe anche interessarti Modelli per il Forecasting Turistico – Regressione lineare

Leggi tutto

Edoardo Caldari

Data Scientist, esperto di Revenue Management, con una grande passione per la creazione di algoritmi di Forecasting per il Revenue Management. Laureato in economia e specializzato in Economia per il turismo alla Cà Foscari di Venezia con 110 con lode. CEO di HotelPro360 un'azienda innovativa per aiutare le piccole aziende turistiche ad ottenere il massimo delle performance.

Articoli correlati

Lascia un commento

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

Back to top button