Volgens McKinsey kunnen op AI gebaseerde prijzen tussen $ 259.1B en $ 500B aan wereldwijde marktwaarde opleveren. Maar de cruciale vraag blijft: kan Revenue Management volledig geautomatiseerd worden? Het antwoord is: theoretisch wel, maar in de praktijk ligt het iets genuanceerder. Maar laten we even een stapje terug doen en proberen de oorspronkelijke vraag, in ieder geval een beetje, te herformuleren: moet Revenue Management volledig worden geautomatiseerd? Het antwoord is in dit geval een grote, resonerende hoofdletter JA. Een recent onderzoek door MIT-BHI toonde aan dat bedrijven die "AI-gedreven prijstransformaties ondernamen, 70% vaker een omzetverbetering van meer dan $ 100 miljoen realiseerden dan bedrijven die zich op een ander gebied concentreerden".
"Zelflerende algoritmen evolueren snel en worden zeer geavanceerd, en ze hebben nu al een grote impact op de operationele efficiëntie en het hogere rendement. Als gevolg hiervan zal de toekomst van inkomstenbeheer volledig geautomatiseerd zijn", zegt Alexander Edström. , DIRECTEUR,Vernevelen .
De bewijsstukken zijn overal om ons heen, en niet alleen in reizen. Een paar voorbeelden? Amazon gebruikt kunstmatige intelligentie om dynamische prijzen te stimuleren; Starbucks past voorspellende analyses toe op basis van gegevens van meer dan 90 miljoen wekelijkse transacties, en multinationals zoals Coca-Cola of Johnson & Johnson gebruiken al jaren AI-prijzen. Tijdens de 2019-editie van de Revenue Management & Pricing in Services-conferentie, georganiseerd door de prestigieuze Ecole hôtelière de Lausanne, deelde Kevin Hof, datawetenschapper bij RoomPriceGenie , verschillende casestudies waarbij hotels een gemiddelde omzetstijging van 22% realiseerden door RMS'en aan te nemen, en vergelijkbare resultaten zijn te vinden in tientallen vergelijkbare publicaties.
"De horeca is erg gefragmenteerd als het gaat om technologie-adoptie en AI-implementatie in revenue management. Veel hoteliers zijn nog steeds erg beschermend over hun eigen prijzen en strategie; ze geloven dat hun historische kennis en onderbuikgevoel het beter weten dan welk algoritme dan ook. De waarheid is: dat ze niet vertrouwen wat ze niet per se weten, begrijpen en niet kunnen controleren (zoals een Human Revenue Manager). Dat is wanneer technologie versus mens een dilemma wordt, en dat is wanneer we terug moeten naar de basis en werk aan de "tech it easy:" stap voor stap opleiding gevolgd door meetbare resultaten. Revenue Management is een hybride mens+tech samenwerking, en de toekomst is nu al", zegt Silvia Cantarella, Commercial Strategy Expert & Founder Revenue Acrobats.
PMS'en, GIGO en adoptieblokkers
Op basis van deze feiten zijn we het er allemaal over eens dat autonome intelligentie (in de zin van automatisering van prijsbesluitvormingsprocessen met weinig of geen menselijke tussenkomst) waarschijnlijk de richting is in de richting van inkomstenbeheer. Dit zal echter niet bijzonder gemakkelijk zijn, en niet (of in ieder geval niet alleen) omdat moderne RMS'en de taak niet aankunnen, maar omdat PMS'en vaak de echte adoptieblokkers zijn. GIGO is een begrip dat de meeste revenue managers maar al te goed kennen: de kwaliteit van de output wordt bepaald door de kwaliteit van de input. "Vuilnis"-gegevens "in" produceren onzinnige ("vuilnisgegevens") uitvoer. En RMS'en zijn sterk afhankelijk van de gegevens van PMS'en . Deze systemen kunnen om een aantal redenen niet de juiste informatie verstrekken:
1. Menselijke gegevensinvoerfouten. Dat is het belangrijkste probleem als het gaat om de nauwkeurigheid van PMS'en. Het is beangstigend genoeg dat het foutenpercentage in klinische gegevensopslagplaatsen wel 27% kan zijn, en in onze branche heeft een onderzoek van eHotelier aangetoond dat meer dan 50% van de hoteldatabases beschadigd of onvolledig zijn;
"We moeten marktsegmentatie heroverwegen of architectuur beoordelen met het oog op de gegevenskwaliteit. Gegevens moeten bruikbaar zijn en ons in staat stellen moeiteloos en effectief kansen te ontdekken. Maar bovenal moet de opzet fouten bij het invoeren van gegevens voorkomen", zegt Christoph Hütter, niet-traditionele Revenue Manager.
2. Slecht API-ontwerp. Tyler Charboneau noemt dit de "Instant Gratification Trap": "Deze potentiële winst op korte termijn is aantrekkelijk." Charboneau zegt: "we kunnen de ideologische oorlog tussen engineering en marketing bespreken, (en) het najagen van onmiddellijke bevrediging is begrijpelijk, maar gevaarlijk. Het is net als het ontwikkelen van een tentpole-API wanneer je kernservices echt dikke wapening vereisen. Idealiter zou het ontwerpproces grondige stresstesten en optimalisatie. Betrouwbaarheid is ook cruciaal." Het is niet ongebruikelijk voor PMS-bedrijven om sterk te adverteren hoe "open" hun systemen zijn, maar we moeten niet vergeten dat kwaliteit altijd beter is dan kwantiteit als het gaat om integraties. We kunnen dit niet genoeg benadrukken: "Een ding dat vaak wordt vergeten wanneer de voordelen van RMS-systemen worden berekend, is de RM-volwassenheid van de organisatie. Het installeren van de eenvoudigste algoritmen zal een groot rendement opleveren als je begint met nul omzet-mamagement-know- Ik ben helaas getuige geweest van een top-RMS met een slechte menselijke setup, waardoor het marktaandeel van onroerend goed onder de kwaliteitspositie ligt als gevolg van een slechte knowhow op het gebied van RM-strategie", zegt Hanna Lak, Tourism Knowledge Management en Total Revenue Ambassador, oprichter Nordic Revenue Forum
3. Gebrek aan functionaliteiten op het PMS. Welnu, dit is vrij duidelijk, maar als uw eigendomsbeheersysteem niet is ontwikkeld om een specifiek stuk gegevens te verzamelen, zal de RMS (en zelfs de Human Revenue Manager, wat dat betreft) niet in staat zijn om het spreekwoordelijke konijn eruit te trekken van hun hoeden. "Hoewel we het nog steeds grotendeels hebben over de inkomsten uit kamers waarbij de granulariteit van gegevens van een PMS cruciaal is en waar automatisering al de status-quo zou moeten zijn, zou de industrie zich moeten concentreren op totaal inkomstenbeheer, en investeren in hoe gegevens uit verschillende inkomstenbronnen (de zo- bijkomende inkomsten genoemd, zoals SPA, golf, eetgelegenheden, enz.) in één oplossing, één enkele bron van waarheid", zegt Damiano Zennaro, Senior Advisor Hospitality.
Automatiseren of niet automatiseren?
Volledige automatisering van uw inkomstenbeheerstrategie is verleidelijk. Niet alleen omdat het uw totale omzet kan (en meestal doet) verhogen, maar ook omdat het de kosten drastisch verlaagt. Het gemiddelde salaris voor een inkomstenmanager is $ 81.399 per jaar in de Verenigde Staten, terwijl een RMS op instapniveau $ 50 per maand kost. Nou, reken maar uit.
“Aangezien een doorsnee hotel elk jaar ongeveer vijf miljoen prijsbeslissingen neemt, is het menselijk gezien onmogelijk voor een inkomstenmanager om elke dag elke beslissing goed te maken zonder de ondersteuning van een geautomatiseerd systeem. Zeker gezien de enorme hoeveelheid gegevens die moet worden verzameld en geanalyseerd. Een robuust RMS genereert niet alleen prijzen die zich aanpassen aan marktveranderingen, maar anticipeert daadwerkelijk op deze variaties van tevoren. In een veranderende hotelmarkt kunnen kleine prijswijzigingen een grote impact hebben op de vraag. Daarom werkt elke hotelier die werkt zonder systemen die de impact van een specifieke prijswijziging op de bezettingsgraad en het daaruit voortvloeiende (of het ontbreken daarvan) voordeel voor hun eigendom analytisch kunnen ontcijferen in het nadeel", zegt Klaus Kohlmayr, Chief Evangelist & Development Officer,IDeaS .
Bovendien kunnen omzetmanagers, zeker na de pandemie, steeds minder vertrouwen op historische gegevens. In dit nieuwe paradigma werden externe gegevens (zoals weerberichten of informatie over openbare evenementen) cruciaal voor een solide RM-strategie. Maar eerst moeten mensen ze verzamelen en aggregeren, wat ons bij probleem #1 brengt. Maar deze gegevens kunnen automatisch worden opgehaald op services zoals OpenWeatherMap, Picatic of Allevents.in. Ze zijn letterlijk één API verwijderd.
"Meestal gebruiken inkomstenbeheersystemen (RMS) en inkomstenmanagers historische, comp-set prijs- en marktgegevens en combineren dit met toekomstgerichte vraagsignalen zoals tempo om de optimale tarieven aan te bevelen. Helaas zijn historische gegevens door de pandemie irrelevant geworden. Ik geloof ook dat prijsgegevens van comp-sets ook in waarde zijn afgenomen - hoe zeker bent u dat uw concurrenten competent zijn in hun inkomstenbeheerpraktijken en de juiste RM-tools gebruiken en niet alleen elkaars tarieven plagiaat plegen in een suïcidale neerwaartse spiraal?
De noodzaak om de tarieven van de accommodatie dynamisch aan te passen op basis van de realtime reisvraag, is de reden waarom de pandemie een einde maakte aan de meest favoriete tool voor inkomstenbeheer: de Excel-spreadsheet - en de dringende behoefte creëerde aan een AI-aangedreven cloud-RMS om de complexiteit van het post-pandemische tijdperk aan te kunnen", zegt Max Starkov, Hospitality & Online Travel Tech Consultant & Strategist.
Sluit u aan bij meer dan 50.000 leidinggevenden van 's werelds toonaangevende hotelmerken en ontvang één keer per maand de nieuwste inzichten in uw inbox
Conclusies: waar gaan we nu heen?
Een recente beoordeling van de prijsvolwassenheid, uitgevoerd door BCG en de Professional Pricing Society, onthulde dat "meer dan 50% van alle bedrijven in industriële goederen nog steeds Microsoft Excel gebruiken om hun primaire prijstools te bouwen."
"Het is duidelijk dat een AI-aangedreven RMS met menselijk toezicht een essentieel startpunt is voor de hotelier van vandaag. Naarmate de omzettechnologie dichter bij marketingfuncties komt, zouden we meer integraties tussen de RMS en marketingtools mogen verwachten om de reis van de gast op de hotelwebsite te optimaliseren. , op het mobiele gastapparaat en andere belangrijke digitale contactpunten die momenteel 'buiten bereik' zijn voor de huidige RMS-oplossingen afzonderlijk", zegt Erik Muñoz, Chief Revenue Officer, Userguest .
Het is niet verwonderlijk, omdat omzetmanagers vaak worden gedwongen om de lege plekken op te vullen met de weinige informatie die ze hebben, en dat is vooral de schuld en verantwoordelijkheid van de leveranciers. Er klopt echter een nieuwe, eenvoudigere, effectievere en nauwkeurigere manier van inkomstenbeheer aan onze deur, en het is tijd dat we allemaal samenwerken en deze eindelijk openen.