Den perfekten Preis zum richtigen Zeitpunkt für jede Auflistung zu ermitteln, ist keine einfache Aufgabe, wenn es um Ferienvermietungen geht. Und als Pioniere der dynamischen Preisgestaltung für Kurzzeitvermietungen verstehen wir das sehr gut.
Um genaue Preise für Ferienvermietungen zu erlangen, sind fortschrittliche Analysen und Modelle erforderlich. Diese Modelle sollten auf Daten basieren, die aktuell, sauber und in großem Maßstab validiert sind, denn letztlich beeinflusst die Datenqualität direkt die Leistung des Modells. Eine minderwertige Datenqualität führt schlussendlich zu nicht optimalen Preisen, schlechten Buchungen und frustrierten Vermietern.
Bei Beyond erreichen wir auf eine Art und Weise die genaueste Preisgestaltung mit den zuverlässigsten Daten, indem wir unsere Clustering-Methode anwenden: Unser Team globaler Umsatzmanager analysiert Daten von zig Millionen Angeboten und gruppiert sie basierend auf Ähnlichkeiten, wodurch weltweit Zehntausende von Clustern entstehen. Dadurch sind wir in der Lage, vergleichbare Bestandssätze für jede Auflistung zu erstellen, die den richtigen Preis präzise bestimmen.
Also, was bedeutet das für Gastgeber und Immobilienmanager, die ihre Einnahmen und Buchungen maximieren möchten? Hier werde ich auf unsere Einstellung und Methodik zum Clustering bei Beyond eingehen und erläutern, welche Rolle es dabei spielt, die Einnahmen aus Ferienvermietungen zu maximieren.
Wie Beyond Cluster erstellt
Schritt 1: Besitz der Datapipeline
Datenqualität ist entscheidend, um herausragende Ergebnisse bei der Preisgestaltung zu erzielen. Das bedeutet, dass direkte Aufsicht, Zugriff und letztlich der Besitz von Daten ein zentraler Unterscheidungsfaktor für Revenue-Management-Systeme sind. Wenn alle Anbieter für Preisgestaltung auf exakt denselben Datenpunkten basieren, wird es minimale Unterschiede in der Preisstrategie geben. Als Hauptbestandteil einer Preisstrategie ist die Erfassung von Ersthanddaten unerlässlich für die genaueste Preisgestaltung. Ihre Preismodelle müssen die volle Kontrolle über den gesamten Ablauf haben, von der Erfassung bis zur endgültigen Ausgabe.
Angesichts der Bedeutung von Daten für eine präzise dynamische Preisgestaltung investieren wir hier bei Beyond stark sowohl in Verbindungen zu Immobilienverwaltungssystemen (PMS) als auch in Techniken zur Datenerfassung von Online-Reisebüros (OTA) – und das tun wir seit über zehn Jahren. Dadurch verfügen wir über den größten Datensatz an Ferienvermietungsdaten (STR-Daten), der zudem proprietär ist. Das bedeutet, dass wir uns bei auftretenden Abweichungen oder sich ändernden Trends nicht auf andere Unternehmen verlassen müssen, um über Geschehnisse informiert zu werden. Stattdessen stützen wir uns auf unser globales Daten- und Datenteam, um Veränderungen zu verstehen und effizient anzupassen. Zum Beispiel, als Airbnb begann, längere Inserat-IDs hinzuzufügen, die eine spezielle Behandlung benötigten, oder wenn ein PMS ändert, wie es Gebühren von Mietpreisen trennt, ermöglicht uns der Datenbesitz, die Auswirkungen zu verstehen und die Preismodelle entsprechend anzupassen.
Den Besitz unserer Datapipeline zu haben, ist entscheidend für die Festlegung der richtigen Preise – und ist endlich der Schlüssel, um unseren weltweiten Kunden eine höhere Einnahme pro verfügbarer Nacht (RevPAN), durchschnittliche Zimmerpreise (ADRs) und Belegungsraten zu bieten.
Schritt 2: Wie wir Märkte festlagen
Also gut, eine eigene Datenquelle zu haben, ist großartig, aber was machen wir damit? Wie verwandeln wir die Unmenge an Datenpunkten in etwas, das wir nutzen können?
Zuerst kehren wir zu den Grundlagen zurück. Wie ich bereits erwähnt habe, werden Daten für fortschrittliche Preisschemata verwendet, aber sie kommen auch in alltäglichen Gesprächen mit unseren Kunden und innerhalb unseres Teams zum Einsatz. Daher gliedern wir unsere Daten in konventionelle Märkte. Dies basiert normalerweise auf dem allgemeinen Verständnis eines Gebiets und wie die Menschen darüber sprechen. Zum Beispiel Chicago oder Paris als städtische Gebiete, Dallas-Fort Worth mit zwei Namen, aber einem Markt, oder Istanbul mit zwei Kontinenten, aber einem Markt.
Bei Beyond denken wir in Bezug auf Kennzahlen, Ereignisse, Wochentage und Saisonalität, daher müssen Märkte zumindest in einem dieser Aspekte ähnlich sein. Aber keine Sorge, dies ist nur der Ausgangspunkt – wir setzen nicht für ganz Chicago denselben Preis an.
Eine der häufigsten Anwendungen, wenn es um Märkte geht, betrifft das Angebot, das in den letzten Jahren erheblich gewachsen ist. Während diese erhöhte Angebotsmenge mehr Wettbewerb bedeutet, hat dies den positiven Effekt, dass es mehr Auflistungen gibt, aus denen Vergleichsgruppen erstellt werden können. Dadurch können wir diese Vergleichsgruppen genauer gestalten.
Als Beispiel hierfür finden Sie unten die Standorte von 1.000 der über 16.000 Ferienvermietungen in den Smoky Mountain.
Schritt 3: Datenerfassung und -bereinigung
Jetzt kommen wir zu den Daten, die unseren Hauptalgorithmus antreiben – hauptsächlich Airbnb, Vrbo und Hoteldaten von Expedia. Unsere anfängliche Konzentration liegt auf Geschwindigkeit bzw. Datenaktualität. Wie bei den meisten Scraping-Operationen ist Schnelligkeit von Bedeutung, da 1) Sie normalerweise nicht zurückgehen können, um Historie zu erfassen (denken Sie an vergangene Tage) und 2) Märkte sich insbesondere kurzfristig schnell verändern. Mit anderen Worten können alte Daten manchmal sogar schlechter sein als keine Daten. Daher überwachen wir kontinuierlich unsere Scraping-Maschinen, um sicherzustellen, dass wir jeden Kalender etwa alle zwei Tage erfassen. In Märkten mit kürzeren Buchungsvorlaufzeiten erfassen wir sie sogar noch häufiger, um keine Möglichkeit zur Optimierung der Preisgestaltung für kurzfristige Belegungen zu versäumen.
Sobald wir die Daten erhalten haben, speichern wir sie in massiven Datenbanken, die schnelles Abrufen ermöglichen. Dies ist besonders wichtig, wenn es um große Datenmengen geht, wie z.B jeden Preis und jeden Tag von Airbnb an jedem beliebigen Tag. Dadurch sind wir in der Lage, Algorithmen auszuführen, und unser Analyseteam kann ebenfalls umfangreiche Berichte auf den Daten erstellen.
Ein weiterer wertvoller Aspekt des Vorhandenseins von umfangreichen Daten, die in einer dynamischeren Datenbank gespeichert sind, besteht darin, dass wir unsere Bereinigungslogik schneller ausführen können, was erneut zur Aktualität der Daten beiträgt. Bei der Bereinigung konzentrieren wir uns darauf, inaktive – oder auch Geister genannte – Inserate zu entfernen, die tatsächlich nicht aktiv sind, blockierte Tage im Gegensatz zu gebuchten Tagen sowie jegliche Inserate, die nicht wettbewerbsfähig sind, schlechte Bewertungen erhalten oder keine Bewertungen haben.
Schritt 4: Automatisches Clustering
Jetzt, da die Daten gespeichert und bereinigt sind, gliedern wir die Märkte in vergleichbare Bestandsgruppen oder Cluster auf. Diese Cluster sind endlich der Ort, an dem wir die Daten aggregieren, um wertvolle Kennzahlen zu extrahieren (Belegung, Preis, Vorlaufzeit usw.).
Wir realisieren dies, indem wir ähnliche, valide Angebote nach der Anzahl der Schlafzimmer abgleichen und sie mit besonderem Fokus auf die Geografie gruppieren. Im nachfolgenden Beispiel können Sie erkennen, wie die Polygone eine Gruppierung ähnlicher Angebote bilden, wobei verschiedene Stadtviertel und Zentren berücksichtigt werden, beispielsweise ein Kongresszentrum oder Flughafen. Wir beachten ebenso Nachbarschaften, die unterschiedliche Funktionen aufweisen können, etwa ein zentrales Geschäftsviertel, das unter der Woche lebhafter ist, und eine Bar-Gegend, die am Wochenende beliebter ist. Wir haben uns niemals auf Vorwahlen oder Postleitzahlen verlassen, da sie nicht mit der geografischen Struktur des Betriebs von Ferienvermietungen übereinstimmen. Noch besser ist, dass diese Logik jederzeit ausgeführt werden kann, wenn mehr oder weniger Unterkünfte zu Online-Reisebüros hinzugefügt werden. Wir verschieben ständig die Grenzen, fügen Cluster hinzu oder entfernen sie, um die Genauigkeit sicherzustellen.
Innenstadt von Buenos Aires Clusters, Quelle: Beyond Pricing Data Science Team
Schritt 5: Clustering aus menschlicher Perspektive
Fortgeschrittene Logik ist wunderbar, aber um die perfekte vergleichbare Bestandsgruppe zu erhalten, reicht dies manchmal nicht aus. Unser letzter Schritt bei der Erstellung von Clustern besteht darin, einen von Beyond geschulten Revenue Management Analysten hinzuzuziehen, um die Ausgabe zu überprüfen und gemäß ihrem Fachwissen und dem Feedback aus dem lokalen Markt anzupassen. Genau wie ein Immobilienmanager seine Preise überprüfen möchte, möchten wir, dass unsere Experten unsere Gruppierungen überprüfen. Dies gilt besonders für die am meisten profitablen Ferienvermietungen, da sie in der Regel einzigartig sind und dies berücksichtigt werden muss. Wir nehmen uns Zeit, um Grenzen anzupassen, um den Erwartungen gerecht zu werden, aber auch sicherzustellen, dass geografische Merkmale, die den Preis beeinflussen, wie Meerblick oder die direkte Anbindung ans Skigebiet, berücksichtigt werden.
Outer Banks Gulf- und Nicht-Gulf-Cluster, Quelle: Beyond Pricing Data Science Team
Park City Ski-in/out Cluster, Quelle: Beyond Pricing Data Science Team
Sobald diese Cluster vom RM-Team entworfen und überprüft wurden, sind sie bereit für den eigentlichen Zauber, um loszulegen: den Preismechanismus!
Was bedeutet das für Gastgeber von Ferienvermietungen und Immobilienmanager?
Beyonds präziser Datensatz und akribischer Ansatz beim Clustering spielen eine entscheidende Rolle bei der Maximierung von Einnahmen und Buchungen für Ferienvermietungsunternehmen. Durch den Besitz der gesamten Datapipeline und Investitionen in unsere eigene Datensammlung stellt Beyond die höchste Qualität und aktuellste Informationen sicher, was uns einen Wettbewerbsvorteil im Markt für dynamische Preisgestaltung verschafft.
Der Prozess der Markt-Etablierung und die Sammlung sauberer Daten steigern weiterhin die Genauigkeit unserer vergleichbaren Bestandsgruppen, was eine präzise Preisgestaltung ermöglicht, die auf die einzigartigen Eigenschaften jeder Auflistung zugeschnitten ist. Die automatische Gruppierung basierend auf verschiedenen Faktoren und die menschliche Perspektive, die von geschulten Revenue-Management-Analysten bereitgestellt wird, gewährleisten, dass unser Algorithmus selbst für die einzigartigsten und gewinnbringendsten Ferienvermietungen funktioniert. Letztlich bieten Beyonds datengetriebener Ansatz und fortschrittliche Algorithmen den Immobilienmanagern und Gastgebern das Vertrauen und die Werkzeuge, die sie benötigen, um fundierte Preisentscheidungen zu treffen. Alles im Sinne des größtmöglichen Gewinns!
Als Pioniere der dynamischen Preisgestaltung für Kurzzeitvermietungen setzt Beyond weiterhin den Maßstab für die Revolutionierung der Ferienvermietungsbranche und den Erfolg von Immobilienmanagern weltweit. Mit Beyonds robustem und Echtzeit-Datensatz sowie innovativen Techniken können Immobilienmanager und Gastgeber das volle Potenzial ihres Ferienvermietungsgeschäfts entfalten und den perfekten Preis zum richtigen Zeitpunkt für jede Auflistung erzielen.
Bereit für höhere Einnahmen aus Ihren Ferienvermietungen? Melden Sie sich bei Beyond an!
.png){kind=small}
.png){kind=small}
