CC BY
277
МАРКЕТИНГ, ЛОГИСТИКА, СФЕРА УСЛУГ
Канд. экон. наук Д. А. Козлов канд. экон. наук Л. А. Попов
ПРОГНОЗИРОВАНИЕ И УПРАВЛЕНИЕ ДОХОДАМИ В ГОСТИНИЧНОМ БИЗНЕСЕ РОССИЙСКОЙ ФЕДЕРАЦИИ: ПРОБЛЕМЫ И ПУТИ СОВЕРШЕНСТВОВАНИЯ
В статье исследуется применение в российской практике приемов и методов прогнозирования в сфере управления доходами гостиничных предприятий. Анализируются основные показатели и направления сбора статистики, прогнозирования рынка гостиничных услуг и отдельного гостиничного предприятия, дается описание такого метода прогнозирования на гостиничных предприятиях, как нейроагент.
Ключевые слова и словосочетания: управление доходами, прогнозирование, перебронирование, ценовая дискриминация, ограничения бронирования.
Современный гостиничный бизнес в Российской Федерации находится на начальном этапе развития. Если в мире теории и практики прогнозирования и гостиничного ценообразования начали свое научное существование еще в 70-х гг. XX в. и включали ценовую дифференциацию, переход к динамическим ценам через фиксированные, сезонные, так называемые «лучшие» (Best Available Rates - BAR), «плавающие BAR», «слепые», то в практике российских гостиничных предприятий почти все эти методы не использовались. В лучшем случае их применение носило единичный характер, а внедрением таких практик занимались иностранные специалисты, приезжающие на работу в Россию в открывающиеся гостиницы под иностранным управлением1.
Само понятие «управление доходами» в нашей стране понимается совсем не так, как в странах с развитой индустрией гостеприимства. В России под этим термином понимаются вопросы финансово-хозяйственной деятельности. Мировое гостиничное сообщество считает управление доходами интегрированным, беспрерывным и систематическим подходом к максимизации дохода от продажи номеров путем манипулирования тарифами в соответствии с прогнозируемыми изменениями структуры спроса2. Четкого однозначного определения не существует и до сих пор, однако данное определение стало выборкой из всех существующих и его можно считать наиболее актуальным3.
1 См.: Козлов Д. А. Управление доходами на гостиничном предприятии = Yield Management in Hotels. - CreateSpace, USA, 2G14. - С. 8.
2 См.: Jauncey S., Mitchell I., Slamet P. The Meaning and Management of Yield in Hotels // International Journal of Contemporary Hospitality Management. - 1995. - Vol. 7. - N 4. - Р. 25.
3 См.: Козлов Д. А. Управление доходами на гостиничном предприятии = Yield Management in Hotels. - С. 5-7.
Самым важным моментом в теории управления доходами гостиницы можно считать именно прогнозирование изменений структуры спроса. Основными индикаторами спроса для гостиничных предприятий выступают:
- данные по объему: оценка источника спроса - процентное соотношение и характеристики населения, количество людей, имеющих возможность путешествовать; оценка количества поездок; оценка количества гостей-нерезидентов; оценка резидентов, путешествующих в другие страны;
- данные по профилю посетителей: информация о характеристиках посетителей, раскрывающая их основные особенности: пол, возраст, уровень образования, социальный статус, занятость, доход. В целях анализа гостиничного спроса большое значение имеет оценка взаимосвязи характеристик посетителей с целями поездки, поведением и привычками гостей;
- данные по характеристикам поездки, включая цель поездки: эта информация характеризует саму поездку и связанные с ней показатели цели, продолжительности пребывания, используемые средства размещения, транспорта и т. д. Рассматриваются также вид пункта назначения, месяц прибытия и вид гостиничного продукта (пакетный тур, инклюзив-тур и самостоятельное проживание). Информация по целям поездки имеет большое значение при сегментации рынков гостей. В целях получения более точной информации необходимо включать в анализ и вторичные цели;
- данные по расходам гостей: информация имеет большое значение при оценке туристского баланса и процента занятых в гостиничном бизнесе людей.
Показателями, характеризующими использование средств размещения, в том числе гостиниц, служат:
- потоки гостей: количество прибытий по стране проживания, месяцу прибытия и ночевок (по тем же параметрам);
- средняя продолжительность пребывания: получается делением количества ночевок на количество прибытий; подсчет может производиться отдельно для туристов разных стран. Данный показатель больше всего подходит для анализа местной или региональной статистики; на государственном уровне он может оказаться некорректным, так как за время посещения страны турист может проживать в нескольких средствах размещения;
- цель визита: отдых, посещение друзей и родственников, деловые и профессиональные поездки, оздоровительные путешествия, религиозное паломничество и т. д.;
- показатели загрузки, которые демонстрируют разницу между различными видами средств размещения, а при измерении на ежемесячной основе раскрывают сезонность. Одним из основных показателей загрузки выступает чистая загрузка койко-мест, которая рассчитывается как количество зарегистрированных ночевок в течение месяца, деленное на количество фактически доступных койко-суток. Другой важный показатель - чистая загрузка номеров. Для его расчета делят количество занятых номеров в течение месяца на количество доступных номеров.
Методы управления доходами и прогнозирования спроса конкретного гостиничного предприятия максимизируют доходы, контролируя номерной фонд по следующим направлениям:
1. Управление собственно номерным фондом. Для каждой категории существует статистика бронирований, которая применяется для отслеживания и снижения эффектов ранних отъездов, отмен и неявок. В день заезда во внимание также принимается статистика по случайным гостям, которых можно принять на основе статистики отмен и неявок. Управление номерным фондом, также называемое селективным перебронированием, отличается от категории к категории. Так, чрезмерное перебронирование низкой категории в расчете на возможный апгрейд до более высокой (если продадут больше, чем есть) может быть экономической авантюрой. Количество перебронирований, конечно, будет зависеть и от спроса на более высокую категорию, но следует учитывать, что гостиницы несколько отличаются от авиакомпаний, где такая техника гораздо эффективнее. В авиации потребителю можно предложить апгрейд, какой-нибудь ваучер и даже место в другом рейсе. В гостинице же потребителя можно потерять навсегда. В более благоприятном случае его придется разместить в гостинице этой же сети или у конкурента. Но ведь и там может быть все продано.
2. Назначение скидок. На каждую категорию номеров существует целый набор тарифов. Основная цель - заблокировать достаточно номеров, чтобы продать их по базовому тарифу.
3. Контроль продолжительности проживания. Это определение возможности принять бронирование на основе того, что необходимо оставить место для долгосрочных проживаний, которые могут принести больше дохода отелю. Например, если среда близка к полной продаже, то можно остановить однодневные бронирования и попытаться бронировать на более длительный срок, пусть даже и со скидками.
4. Группы. Подразумевает введение пределов бронирования, а также предложение альтернативных вариантов для той же группы, например, другую категорию, другой тариф или другие даты. Парадокс, но оптимальная цена для группы растет при увеличении группы. Это проявляется там, где существует спрос на разных сегментах.
5. Контроль предложения. Поскольку гостиница содержит разные номера, то ей не составляет труда использовать те категории, которые на данный момент не продаются.
Таким образом, управление доходами не генерирует спрос, а прогнозирует, помогает принять, отклонить или перенаправить спрос.
Когда спрос высок, то можно ограничить или закрыть низкие категории тарифов и пакетов; требовать определенные сроки проживания; предоставлять номера группам по ценам, близким к базовым.
Когда спрос низок, то можно предлагать специальные промо-цены, если обычные цены встречают недовольство клиента; искать группы или сегменты с высокой чувствительностью к цене; предлагать ограниченные недорогие пакеты на локальном рынке.
В целях повышения эффективности системы управления доходами гостиницы существует несколько практических рекомендаций:
1. Сбор и анализ статистики. Она может быть получена из системы автоматизации гостиницы и включает дату приезда, дату отъезда (по брони и по факту), дату бронирования, дату отмены или неявки, код категории номера,
код тарифа, фактический тариф, комиссию, начисления за питание и напитки на номер.
2. Номерной фонд: количество номеров на продажу по разным категориям.
3. Тарифы. Текущие тарифы по классам по категориям номеров.
В целях разделения своих потребителей на сегменты гостиницы часто вводят некоторые барьеры и ограничения бронирования. Делается это на основании прогнозирования спроса. К основным барьерам относятся время до заезда, время заезда, день заезда, бронирование на выходные, предварительное бронирование, невозвратные тарифы, возможность изменений, длительность проживания, клубные привилегии, количество гостей в группе, причина поездки, источник бронирования, тип номера, соотношение количества ночей и дохода, специальные требования гостя и т. п.
При определении количества блокируемых номеров существует набор из известных и неизвестных параметров. К известным относятся емкость номерного фонда, тарифы, текущие бронирования, исторические данные. К неизвестным относятся будущий спрос, соотношение ранних и поздних бронирований, отмены, неявки, случайные гости, поздние и ранние отъезды, возможность апгрейда, действия и реакция конкурентов, внешние события.
Большое значение при определении квот бронирования гостиницы имеет правило Литтлвуда1. Оно выглядит следующим образом:
1 - F(x) = Pd / Pf,
где 1 - F(x) - вероятность превышения количества клиентов по дорогим тарифам предела зарезервированных для них номеров;
х - оптимальный предел бронирования по полной цене;
Pd - цена со скидкой;
Pf - полная цена.
Правило Литтлвуда означает, что для максимизации прибыли вероятность превышения богатыми клиентами количества закрытых номеров должна равняться соотношению цен.
Можно переписать формулу следующим образом:
F(x) = (Pf - Pd) / Pf.
Полученное по этой формуле значение вероятности сравнивается с вероятным распределением спроса, рассчитанным из исторических данных. На его основании выбирается предел бронирования.
Правило Литтлвуда может быть объяснено и так: если тариф со скидкой равен нулю, то предел бронирования тоже должен быть установлен на нулевой уровень, поскольку раз гость не платит ничего, то незачем ему и предлагать. Дальше при росте цены со скидкой растет и предел бронирования, а количество закрытых номеров снижается до тех пор, пока цена со скидкой не
1 См.: Попов Л. А., Козлов Д. А. Методы прогнозирования в индустрии гостеприимства : учебное пособие. - М. : Изд-во Рос. экон. акад., 2000. - С. 37.
сравняется с ценой без скидки. В этом случае предел бронирований устанавливается в размере емкости гостиницы, поскольку все платят высокую цену.
Одним из инструментов повышения доходности гостиничного предприятия выступает прогнозный контроль продолжительности проживания.
Статистическим показателем продолжительности проживания выступает средняя продолжительность проживания (Average lenght of stay - ALOS) -общее количество проданных ночевок гостиницы или отдельного сегмента, деленное на количество заездов гостиницы или сегмента.
Показатель демонстрирует продолжительность проживания в днях и используется для выяснения различий по сегментам и выработки мероприятий по привлечению и удержанию гостей в гостинице. Чем выше ALOS, тем выше доходы не только от продаж собственно номеров, но и от ресторана, обслуживания в номерах, спа-процедур, химчистки, сувенирного магазина и т. д. Чем выше ALOS, тем меньше нужно персонала на ресепшен. Иногда с ростом ALOS даже снижаются переменные издержки.
ALOS зависит от множества факторов, например, от расписания авиарейсов, от наличия и цен сторонних апартаментов и т. д. Так, если самолеты летают раз в неделю, то и продолжительность проживания будет кратна неделе. Основные факторы относятся к внешним и практически не контролируются гостиницей.
Цель контроля продолжительности проживания - сдвинуть спрос с периодов максимума на периоды застоя. Еще одна цель - заставить гостя жить дольше. Например, если гость хочет забронировать номер на ночь субботы, можно заявить ему, что минимально он должен забронировать две ночи (пятница - суббота или суббота - воскресенье). Если гостю нужен номер на субботу, то, вероятнее всего, он согласится.
Для контроля продолжительности проживания гостиница может вводить определенные ограничения по параметрам бронирования и продолжительности проживания. Такие ограничения бывают стратегическими и тактическими.
Стратегические ограничения относятся к правилам, не касающимся определенных дней заезда. Например, проживание должно включать ночь с субботы на воскресенье; тариф доступен только для двух гостей на номер; можно забронировать не позднее, чем за 21 день до заезда; можно забронировать только в течение 14 дней до заезда; требуется полная невозвратная оплата номера в момент бронирования.
Такие стратегические ограничения называются также барьерами, позволяющими нацелить тариф на определенный сегмент гостей и предотвратить проживание других гостей по этому тарифу. Например, установление барьера в минимум 21 день до заезда с обязательной предоплатой отсечет корпоративных клиентов, которые в итоге заплатят больше.
Тактические ограничения применяются к тарифам на основе специфичной даты заезда. Они могут применяться и в совокупности со стратегическими. Например, день закрыт для заезда, минимальная продолжительность проживания, минимальная продолжительность с захватом определенного дня, максимальная продолжительность проживания. Например, если прогноз на среду ожидает высокий спрос, то необходимо поставить ограничение на минимальное проживание в 2 дня на все скидочные тарифы, за исключением,
скажем, тарифов по люксам. Варианты применения ограничений зависят от типов, поддерживаемых системой автоматизации гостиницы, и доступного времени на установку этих ограничений.
Одной из проблем прогнозирования на гостиничных предприятиях выступает многофакторность. Например, при применении методик перебронирования в расчет идут такие показатели, как номерной фонд гостиницы, текущая загрузка, количество отъездов, гарантированных и негарантированных бронирований на текущий день, количество досрочных отъездов (до даты окончания бронирования), количество продленных отмененных бронирований и отмененных с ожиданием до установленного срока, количество неявок по гарантированным и негарантированным бронированиям, количество досрочных приездов, количество номеров, временно выбывших из общего номерного фонда1.
С точки зрения наличия статистических данных гостиничное предприятие выступает прекрасным источником, поскольку все эти сведения содержатся в базе данных системы управления гостиницей. А вот с точки зрения обработки этих огромных массивов данных возникают некоторые проблемы. Крупные гостиницы в состоянии приобрести специализированное программное обеспечение управления доходами, которое проанализирует исходный массив и в режиме экспертно-советующей системы может дать некоторые рекомендации по принятию или отклонению определенных бронирований. Гостиницы под управлением иностранных компаний имеют такие программы, поскольку они обычно входят в сети и такое программное обеспечение (ПО) предоставляется им на корпоративном уровне. Российские же массовые гостиницы в этом вопросе далеко отстают, поскольку или не имеют финансовых ресурсов на приобретение специализированного ПО, или не имеют в своем штате специалистов по статистической обработке данных, прогнозированию и управлению доходами2.
В гостиничном бизнесе уже давно стало обычным применение нейросе-тевых систем прогнозирования, в частности, применение такой технологии, как нейроагент3.
Нейроагенты - сложные нейросетевые средства, которые фактически предсказывают проблемы прежде, чем они происходят. Нейроагент просматривает исторические данные, обрабатывает эти данные с целью создания индивидуального профиля системы. С использованием нейросетевых алгоритмов нейроагент обнаруживает отклонения системы от ожидаемого состояния и может прогнозировать время, когда это отклонение приведет к критической ситуации.
Основное достоинство нейроагентов - ранний прогноз и обнаружение критических системных состояний, что снабжает пользователей неоценимым инструментом управления даже очень комплексными системами. Нейроаген-
1 См.: Козлов Д. А. Управление доходами = Yield Management, Revenue Management [Электронный ресурс]. - URL: http://www.rea.ru/hotel/it/metod/Text/ym.htm
2 См.: Козлов Д. А. Автоматизация гостиничного предприятия. Micros Fidelio Front Office 7.G [Электронный ресурс] : учебное пособие. - М., 2013. - URL: http://www.rea.ru/hotel/it/fidelio/
3 См.: Понов Л. А., Козлов Д. А. Методы прогнозирования в индустрии гостеприимства : учебное пособие. - С. 175-185.
ты также облегчают потребность вручную записывать правила поведения системы, таким образом ускоряя выполнение решений по управлению предприятием.
Ключ к прогнозному управлению гостиничным предприятием - идентифицировать ряд состояний, которые последовательно ведут к другим известным состояниям.
Нейроагент изучает целевую среду гостиницы. Он знакомится с ее нормальным поведением и может быстро идентифицировать момент выхода системы из нормального операционного состояния. Обучаясь на прошлом поведении, нейроагент прогнозирует потенциальные отказы или критические состояния, приводя в готовность менеджеров для проведения профилактических действий. Через какое-то время эти действия повышают эффективность работы, снижают время простоя после возникновения критического положения и увеличивают производительность. Нейроагент фактически создает многомерный портрет того, как взаимодействуют компоненты окружения системы. Из-за сложности окружения ее понимание является трудным даже для лучших менеджеров.
Иногда нейроагент может сталкиваться с новой ситуацией. Например, при недостатке данных нейроагенты могут полагать, что спрос в пиковый сезон является чем-то необыкновенным. Можно обучить нейроагента и таким ситуациям. Процесс возрастающего адаптивного обучения увеличивает способности нейроагента, помогает более точно контролировать и прогнозировать условия бизнеса.
Чтобы работать эффективно, нейроагент сначала должен обучиться. Обучение просто требует сбора данных контролируемой системы за некоторый срок. После этого его самообучающиеся средства анализируют их и формируют профиль индивидуальности, уникальный для системы, для которой проводится мониторинг.
Нейроагент учится, обнаруживая типичные режимы работы системы. Для этого он определяет, каким образом сотни переменных изменяются во времени, стараясь сопоставить модели изменений с изменениями в эффективности системы. Это освобождает менеджера от записи и поддержания обременительных наборов правил контролирования системы.
Как только нейроагент создал уникальный профиль индивидуальности для контролируемой системы, можно начинать контроль режима в реальном времени и получение контекстно ориентированного сигнала тревоги. Нейроа-гент определяет, каким образом текущие операционные переменные изменяются во времени, анализируя эту информацию с учетом того, что они узнали из прошлого опыта. Затем он выполняет прогноз того, где система будет в ближайшем будущем. В случае, когда происходит некоторая ситуация, которая не попадает в пределы прошлого опыта, нейроагент подает сигнал тревоги.
Принципиальная схема работы нейроагента такова: в течение некоторого времени (или даже постоянно) снимаются значения большого количества экономических показателей; получается фигура, именуемая временным кубом.
Далее проводится отбор данных. Во-первых, удаляются неизменяющиеся данные, а во-вторых, - коррелирующие данные. Изъятие неизменяющихся параметров не будет влиять ни на точность прогноза, ни на что другое. То же самое нельзя сказать о коррелирующих данных. При их изъятии появляется возможность ошибки экономической интерпретации получаемых результатов.
Отобранные значения показателей отображаются на графике в виде ^-мерного гиперпространства. Такой график после проведения процедуры кластеризации показывает некоторые стандартные (довольно устойчивые) состояния экономической системы.
Далее строится график переходов из одного состояния в другое, в результате получаем систему раннего предупреждения. Дальнейшая работа заключается во вводе текущих данных, получении информации о попадании в один из кластеров, а затем о возможном дальнейшем развитии событий.
Таким образом, гостиничное предприятие в состоянии подключить всю свою историческую базу к нейроагенту и получить соответствующую систему по принятию (отказу) бронирований. Это может быть сделано и для индивидуальных внутренних туристов, и для сегментов иностранных индивидуалов, корпорантов и групп.
Современное программное обеспечение статистического анализа данных и прогнозирования имеет даже встроенные нейросетевые модули, например, Statgraphics Senturion, тем самым отпадает необходимость приобретения узкоспециализированных программных средств, как это было ранее. Тем не менее не исключается и возможность применения специализированного ней-росетевого программного обеспечения, которое выпускают известные компании, специализирующиеся на статистической обработке данных.
Список литературы
1. Козлов Д. А. Управление доходами = Yield Management, Revenue Management) [Электронный ресурс]. - URL: http://www.rea.ru/hotel/it/metod/ text/ym.htm
2. Козлов Д. А. Управление доходами на гостиничном предприятии = Yield Management in Hotels. - CreateSpace, USA, 2014.
3. Лайко М. Ю., Кудрявцева Ю. В. Готов ли российский турбизнес к вступлению в ВТО? // Вестник Российского экономического университета имени Г. В. Плеханова. - 2012. - № 7 (49).
4. Попов Л. А., Кошелева А. И. Особенности развития гостиничных предприятий туристского типа в столичном мегаполисе // Вестник Российского экономического университета имени Г. В. Плеханова. - 2013. - № 3 (57).
5. Скобкин С. С. Концепция устойчивого развития туризма и ее воздействие на индустрию гостеприимства // Вестник Российского экономического университета имени Г. В. Плеханова. - 2012. - № 10 (52).
6. Jauncey S., Mitchell I., Slamet P. The Meaning and Management of Yield in Hotels // International Journal of Contemporary Hospitality Management. - 1995. - Vol. 7. - N 4.
