Hotelværelsespriser:Menneskearbejde eller algoritmisk legetøj?

Du vil gerne booke et hotelværelse og surfe på internettet, for hvilke værelser og priser er et tilbud. Priserne afhænger af den forventede efterspørgsel og opstår ved brug af computeralgoritmer. Imidlertid, priserne justeres ofte manuelt af hotellets personale. Hvad er konsekvenserne, og hvordan kan disse konsekvenser måles? Ph.D. forsvar den 12. november 2019.

Ifølge ph.d. kandidat Larissa Koupriouchina, området for hotelindtægtsstyring – 'kunsten og videnskaben' med at forudsige efterspørgsel og samtidig justere prisen og tilgængeligheden af ​​lager for at imødekomme efterspørgslen – har udviklet sig hurtigt i løbet af det sidste årti. I dag, automatiserede systemer forudsiger fremtidig efterspørgsel og indtægtsledere skal beslutte, om de vil acceptere disse estimater. "Da et stigende antal algoritmer i øjeblikket bruges til at understøtte menneskelige beslutninger på en række forskellige områder, et endnu større behov for succesfuldt at kombinere computeroutput med menneskelig viden og intuition opstår. Kan mennesker forbedre beslutninger foreslået af disse dataintensive og sofistikerede algoritmer?"

Emnet for Koupriouchinas forskning stammer fra hendes passion for teknologi. "Efter at have modtaget min kandidatgrad, Jeg tiltrak ethvert projekt relateret til teknologi. Jeg fandt et job i hospitality management videregående uddannelse og begyndte at søge efter interessante emner for at udfordre mig selv yderligere. Ved at følge, hvad revenue management-professionelle diskuterede online og analysere litteraturen, samt alt tilgængeligt indhold fra specialiserede diskussionsgrupper på LinkedIn, Jeg opdagede, at prognose var et meget diskuteret emne."

Algoritmer bruges til denne form for prognoser. "Hver dag ser vi eksempler på algoritmer omkring os, ligesom potentielle partnere foreslået af en datingside, og selvkørende biler. Alle disse traditionelt menneskelige områder er blevet 'invaderet' af computeralgoritmernes voksende kraft. De kommer med smarte navne og høje prismærker, men skal vi blindt følge dem? Hvordan ved vi, om de har ret? Og hvordan kan vi evaluere indflydelsen af ​​vores egne indgreb?"

Modstridende svar

Koupriouchina undersøgte anonymiserede hotelprognosedata indhentet fra tusindvis af hoteller verden over gennem et samarbejde med en global udbyder af hotelindtægtsstyringssystem (RMS) med mere end 10 tusinde kunder i 124 lande. "Jeg studerede detaljerede prognosedata og evaluerede, om menneskelige indgreb forbedrede disse prognoser. Forskellige statistiske teknikker til at analysere dataene blev brugt, herunder multilevel regressionsanalyse, også omtalt i litteraturen som hierarkisk lineær modellering, blandet lineær modellering og vækstkurvemodellering."

For det første, Koupriouchina undersøgte nøjagtigheden af ​​prognosenøjagtighedsmålinger. Med sytten forskellige foranstaltninger, hun beregnede nøjagtigheden af ​​mere end 2000 automatiserede prognoser, som skulle sammenlignes med dømmende justeringer indført af revenue managers. "Forskellige fejlmålinger genererer modstridende svar, og prognosenøjagtigheden kan fejlbedømmes, og som en konsekvens, potentielt underminere beslutningstagning inden for andre vigtige hoteladministrationsområder, såsom priser, inventar kontrol, driftsplanlægning, fordeling, og strategi. Resultaterne kan bruges til at uddanne revenue managers yderligere om faldgruberne og skævhederne ved hver enkelt nøjagtighedsmåling, så de er i stand til omhyggeligt at udvælge de prognoser for nøjagtighed, der gælder for deres forhold."

Desuden, forskeren demonstrerer, at nøjagtigheden af ​​prognoser forbedres betydeligt, når prognosehorisonter er relativt små, at hyppige manuelle justeringer er mere gunstige for nøjagtigheden af ​​prognoser for gruppebookinger end for individuelle reservationer, og at manuelle justeringer på et sent tidspunkt har en mere gunstig effekt på nøjagtigheden end justeringer på et tidligt tidspunkt.

Anbefalinger

I betragtning af vigtigheden af ​​prognoser i hotelindtægtsstyringsoptimeringscyklussen, en mere frugtbar tilgang kan være at udvide det fælles sæt af snævre præcisionsmålinger med en mere struktureret, omfattende og konsekvente rammer for vurdering af prognosekvalitet. Et af de vigtige elementer i denne ramme kunne være den fælles udvikling og implementering af et sæt automatiserede eller semi-automatiserede kvalitetsovervågningsprocedurer for prognoser, herunder feedbackmekanismer, der giver brugerne mulighed for at lære af deres tidligere beslutninger og handlinger. For at gøre disse feedback-mekanismer meningsfulde, yderligere indsats vil være påkrævet fra hotellerne og deres indtægtsansvarlige. For eksempel, det ville være yderst nyttigt, hvis revenue managers førte en konsekvent log i RMS over årsagerne til tilsidesættelser, især ved store og hyppige tilsidesættelser, gør det muligt systematisk at vurdere disse årsager og inkorporere resultaterne af denne analyse i feedback-loopet.

RMS udbydere, på den anden side, kunne tilføje automatiserede procedurer for løbende at overvåge dømmende justeringer indført af revenue managers, og analysere og rapportere om forskellige vigtige aspekter såsom størrelse, retning, frekvens, timing, segmenter, som de anvendes på, type tilsidesættelse, og så videre. Denne analyse kunne omfatte målinger af tilsidesættelseseffektivitet og indvirkningen på prognosepræstationer, kategoriseret efter type af tilsidesættelse og efter årsag. I øvrigt, ved at udnytte det enorme antal udvekslinger med de tusindvis af hoteller, der opererer under forskellige forhold, RMS-softwareudbydere kunne forme deres software yderligere med en dybere forståelse af brugernes adfærd.

Resultaterne af denne undersøgelse har en række implikationer for den akademiske verden, hotelbranchen, og RMS-softwareudbydere. Resultaterne er blevet offentliggjort i International Journal of Hospitality Management , International Journal of Contemporary Hospitality Management , og som bogkapitel i lærebogen Ledelsesvidenskab i gæstfrihed og turisme:teori, Øve sig, og applikationer. Adskillige akademiske forfattere har allerede indarbejdet anbefalingerne i deres forskning. For at tiltrække hotelbranchens opmærksomhed, samt at illustrere behovet for at inkorporere disse resultater i praksis, de mellemliggende resultater er blevet delt ved forskellige undervisningssessioner, konferencer og møder i Revenue Management-foreninger i Holland og i udlandet (USA, Storbritannien, Tyskland, Frankrig, Kroatien, Kina, Rusland, etc.). I øvrigt, der blev oprettet et online pilotkursus for hotelledere, og forskningsresultaterne vil blive yderligere indarbejdet i Revenue Management-kurset, der undervises på Hotelschool The Hague, som forbereder hotelchefer til hotelbranchen verden over.