Il Forecasting alberghiero

Origini del forecasting alberghiero

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

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. 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).

Sulla storia del forecasting e su tutti i modelli previsionali ho già scritto molto su questo blog. Nelle prossime pagine vedrete anche i modelli più nel dettaglio, ma vediamo subito gli aspetti critici della questione!

Fattori determinanti per il Forecasting alberghiero

Brand reputation

Noti sistemi di Revenue Management prendono in considerazione l’influenza della reputazione on-line della struttura per determinare il prezzo di vendita della stessa. Ora vi pongo questa domanda: quanto può influenzare una variazione unitaria della reputazione dell’hotel rispetto alla domanda per quello stesso? Possiamo determinare una correlazione sistematica tra un modifica del punteggio di reputazione e l’andamento della domanda? Secondo me no! Ma siete d’accordo?

Condizioni meteo

La stessa cosa anche in questo caso, possiamo credere che il meteo possa intervenire in modo sistematico sull’andamento della domanda per il nostro hotel? Ci sono dei casi in cui sarà così ma altri in cui non lo sarà. Possiamo quindi affermare che vi è una correlazione sistematica tra questi elementi? Io non credo!

Eventi

Gli eventi invece possono essere trattati in maniera sistematica. È vero che possono cambiare data ma è anche vero che è possibile prevedere in anticipo le date su cui si saranno spostate. Quindi tutto ok con gli eventi, possiamo con piccoli accorgimenti avere previsioni accurate.

Stagionalità

Abbiamo visto nella pagina sull’analisi delle serie storiche, che è semplice depurare i dati che contengono la stagionalità, quindi la stagionalità non ci crea problemi alle nostre previsioni.

Cancellazioni

Anche in questo caso ci sono dei piccoli modelli che possono davvero fare miracoli e farvi guadagnare molti soldi in più se utilizzati nel modo corretto. In ogni caso, le cancellazioni possono essere statisticamente previste. Vi spiegherò il modo giusto di calcolare le cancellazioni poiché sento spesso fare un errore grossolano.

Continua il corso