Revenue Management

Esame dello stato di occupazione dell'albergo: 3 FASI A, B, C

A. Fotografia della situazione attuale dell'albergo - esamina la situazione attuale

B. Dati storici relativi ai motivi di diminuzione dell'occupazione (no show, cancellazioni, qualcuno che avverte, partire prima di quanto stabilito) se si abbassa camera libera in più - overbooking

C. Dati storici relativi ai motivi di aumento di occupazione (over stay - prolungamenti, chi non ha prenotato e arriva in albergo e chiede - walk-in)

ESEMPIO: Hotel con capacità 100 camere

A. Camere disponibili 100

Camere occupate 88

- Partenze previste 20

- Arrivi previsti 27

- Camere occupate = 88 - 20 + 27 = 95

- CAMERE LIBERE = 100-95 = 5

- Mi aspetto per la notte di avere 5 camere libere - overbooking

B. Consideriamo i fattori che diminuiscono i fattori di occupazione - no show, cancellazioni, partenze anticipate

SERVONO DATI STORICI prevediamo di avere queste

stimeCancellazioni +no show = 10% degli arrivi -> quello che mi interessa è la camera libera e devovenderla

Partenze anticipate= 3% delle camere rimaste occupate

Restano occupate 68 camere - Arrivi previsti 27

CAMERE LIBERE = 5

Cancellazioni + no-show = 0.1 x 27 = 2.7

Partenze anticipate = 0.03 x 68 = 2.04

CAMERE LIBERE = 5 + 2.7 + 2.04 =9.74

Solo fattori che liberano camere

C. Overstay, Walk-in

DATI STORICI

Overstays = 3,5% delle partenze

Walk-in =2 % degli arrivi

Camere libere = 9,74

Overstay =3,5% delle partenze = 0,0035 *20 =0,7

Walk-in =2% degli arrivi =0,03 *27 =0,54

CAMERE LIBERA (Valore atteso) = 9,74 – 0,7 – 0,54 = 8,5 camere libere

Idea diversa dello stato di occupazione dell’albergo, queto suggerisce un overbooking

OVERBOOKING SUGGERITO: 8,5 -5 Ovvero 3 oppure 4 stanze/camere

GESTIONE DELLA CAPACITÀ: FISSATO IL PREZZO COME FARE?

2 tecniche generali: overbooking nesting

Esame dello stato di occupazione dell’albergo: modello ABC

Determinazione

Dimensione ottima delle classi tariffarie

Modello teorico: Expected Marginal Seat Revenue

Come stabilire lo switch tra una classe tariffaria e un'altra? Esempio precedente aereo con 3 diverse classi tariffarie.

DETERMINAZIONE DELLA DIMENSIONE DELLE CLASSI TARIFFARIE, UN ESEMPIO DI MODELLO DI OTTIMIZZAZIONE

Vincolo di capacità tipico dei problemi economici;

• Vincoli di non negatività.

Supponiamo di avere due classi tariffarie che corrispondono a due segmenti di mercato che abbiamo già analizzato in precedenza abbiamo pensato che i prezzi da proporre sono:

• p1=80 euro d1= 60 potenziali clienti
• p2= 50 euro d2= 80 potenziali clienti (a 50 euro)

La nostra capacità è 100 camere, potenziali clienti più di 100 quindi vendere le camere al meglio.

X1 = numero di posti da destinare alla classe tariffaria 1

X2 = numero di posti da destinare alla classe tariffaria 2

Solitamente arrivo i clienti che sono disposti a pagare 50 (leisure) e poi quelli a pagare 80 (business).

80(business)Decidere x1 e x2 quindi intuitivamente cerco di vendere 60 posti a 80 euro (classe tariffaria1) e i restanti 40 posti a 50 euro classe tariffaria 2. Quindi riservo i 60 posti per la classe tariffaria più alta -> quando arrivo a 40 posti della classe tariffaria bassa chiudo la classe tariffaria, prezzo solo 80 euro. In quanto ho una stima della domanda e mi aspetto che ci siano 60 persone che acquistano in classe tariffaria più alta.X1 e x1 sono le nostre incognite

Massimo 100 camere -> quanti posti devo riservare alla classe tariffaria 1 e 2? Max 100 posti/camere quindi X1+x2 < 100 -> Vincolo di capacità

X1 e x2 positivi -> vincoli di non negatività

I segmenti n1 60 persone, non va bene se la risoluzione è es.73

Problema/Modello di ottimizzazione -> Excel - Utilizzabile un foglio Excel (modulo risolutore) full= 60; discounted =40

Io voglio -> Massimizzare il fatturato – Revenue -> prezzo unitario * quantità

vendutaVendere x1 camere a 80€ e x2 camere a 50€

Come possiamo scrivere il problema se abbiamo n segmenti?

Esteso il vincolo di capacità a n classi tariffarie ripetere i vincoli per ogni classe tariffaria.

Revenue -> x1*prezzo classe tariffaria 1 +x2* prezzo classe tariffaria …. n

Tenere conto della domanda attesa e non superarla

AGGIUNGERE L’IDEA DEI NO-SHOW

Q = probabilità dei no-show per una certa classe tariffaria

Come aggiustare la posizione delle barriere tra classi tariffarie può variare nel tempo (non modificare il prezzo) metodo automatizzabile.

Modello teorico: Expected Marginal Seat Revenue

Concetto di probabilità (soggettiva) dare una valutazione di probabilità soggettiva.

06/10/2020Expected Marginal Seat Revenue, ma prima Probabilità soggettiva

Definizione – de Finetti 1937

La probabilità di un evento E, secondo l’opinione di un dato individuo

Numero di casi favorevoli su un numero di casi possibili

→ statistiche del passato (es. no show che ci sono stati nel passato – dare una stima della probabilità, stimare la frequenza di un fenomeno nel passato e stimarlo nel futuro)

Stima controllata di questa probabilità? Chiedere a un soggetto di fare una valutazione di probabilità.

Il prezzo p (E) che egli giudica “equo” pagare oggi per riscuotere un importo unitario in futuro se E si verifica - per entrare nella scommessa in un evento. Es. ci saranno più turisti russi nell’anno prossimo. Probabilità è il prezzo che sei disposto a scommettere.

“prezzo equo” significa: i verbi pagare e riscuotere devono poter essere scambiati senza che la valutazione di probabilità cambi.

Quanto sei disposto a pagare oggi, fornire una valutazione equa di questa probabilità, scambiare ruoli entriamo come scommettitore e come banco nella scommessa. Pagare e riscuotere dobbiamo poterli girare nella nostra scommessa.

Esempio: E =

“Il prossimo luglio i pernottanti a Jesolo saranno di più che nel luglio di quest’anno”

P(E) = ?

P(E) è il prezzo (certo) che siamo disposti a pagare (oggi) per riscuotere 1€ se il prossimo luglio i pernottanti a Jesolo saranno di più che nel luglio di quest’anno (futuro)

Se siamo disposti a scommettere 0.25 € per riscuotere 1€ se E si verifica e anche ad accettare scommesse dello stesso tipo (1 euro contro 0.25), cioè a fare da “banco”, allora la nostra - soggettiva - valutazione di probabilità è P(E) = 0.25 = 1/4

Nel caso di esiti numerici, es. lancio di un dado:

VALORE ATTESO (valore medio) = Prodotti (PROBABILITÀ degli esiti) per (ESITI)

Per determinare il valore medio, moltiplicare la probabilità di ciascun esito per l’esito:

1/6 × 1/6 × 2 + 1/6 × 1/6 × 4 + 1/6 × 5 + 1/6 × 6 = 3.5

valore atteso × 1 + × × 3 + × × ×

“Se lancio 100 volte il dado, mi aspetto di avere una...”

somma degli esiti (che si aggira) vicina a 350”

Valore atteso di una variabile casuale = un evento che può avere degli esiti numerici.

EMSR EXPECTED MARGINAL SEAT REVENUE (LITTLEWOOD, 1972; BELOBABA, 1989)

Stiamo lavorando sulla gestione della capacità (con prezzo fissato) lavoriamo nelle classi tariffarie

Hotel capacity: C camere

2 classi di prezzo Business (B) P, Leisure (L) p (con p < P)

Ipotesi: prenotazioni LEISURE PRIMA DI BUSINESS

q = numero di camere vendute a prezzo P

E’ nota la probabilità che la domanda in classe B sia maggiore del livello q, Prob (Domanda ≥ q), per ogni valore di q -> ipotesi di conoscenza del passato.

Abbiamo fissato il protection level per la classe più alta

Protection level per classe B = Q camere

Booking limit per classe L = C – Q camere

Livello di protezione di una classe diventa un booking limit per l’altra. C-Q è il booking limiti per la classe Leisure.

EMSR

Fatto 1: Booking limit

raggiunto nella classe LeisureLeisureFatto 2: Arriva una ulteriore richiesta di classeDilemma: vendere o non vendere a prezzo p? Ha senso vendere una camera a prezzo basso, però avevi pensato prima di venderla a prezzo elevato? Cosa fai?

Gialla -> venderla o no?

ALBERO DECISIONALE

Mi serve capire la probabilità di vendere in classe Business.

Probabilità di vendere la stanza Q a prezzo P?

Per la classe B conosciamo Prob(Domanda ≥ q) p

Probabilità vendita a prezzo P è Prob(Domanda ≥ Q)

Revenue attesa per la stanza arancione?

Valore atteso (expected revenue) della stanza arancione?

Se abbasso la protezione = 1·p = p

Stesso livello di protezione = Prob(D ≥ Q) ·P + Prob(D < Q) ·0

= Prob(D ≥ Q) ·P

Calcolare il valore atteso delle mie scelte! Dare una valutazione delle mie scelte – se decido così prendo così e viceversa.

Regola decisionale: confrontiamo i valori attesi delle scelte

SE

Prob(D ≥ Q) ·P < p ALLORA“ABBASSA il livello di protezione” (= cedi la stanza)

Prezzo che mi offrono è più alto del valore atteso cedo la camera, abbasso il livello di protezione.

Avversione al rischio dentro a questa regola decisionale dovrei inserire una valutazione del rischio

Ci siamo chiesti: conviene diminuire Q per Business?

Conviene se Prob(D ≥ Q) ·P < p Possiamo stabilire a priori il livello di protezione ottimo?

Scelgo: minimo Q per il quale conviene ancora abbassare il livello (cioè tale che con Q ancora più basso non convenga più abbassare il livello) minimo Q tale che: Prob(D ≥ Q) · P < p cioè tale che Prob(D ≥ Q) < p/P

Abbiamo sempre un’informazione sulla domanda per determinare le classi tariffarie (dei passati) cidevono essere molti dati, in base alla probabilità di vendere un certo livello di classe tariffaria.

Come aprire e chiudere dinamicamente le

THRESHOLD CURVE METHOD

Ipotesi: conosciamo i dati storici sulle prenotazioni

Consideriamo i dati relativi ad una fissata domenica

Metodo della curva di soglia Consideriamo le prenotazioni con 90, 89,…1 giorni di anticipo rispetto alle domeniche

Per ogni anticipo calcoliamo 3 valori

VALORE SOGLIA SUPERIORE (upper envelope value) sotto al quale sta il 95% dei valori delle prenotazioni avute in passato rispetto alla domenica e all’anticipo fissati. Livello sotto al quale si sono trovate il 95% di tutti i dati che rilevato.

µ delle prenotazioni riscontrate con tale anticipo sulle domeniche nell’intero anno

VALORE MEDIO precedente

VALORE SOGLIA INFERIORE (lower envelope value)