Le secteur de la location saisonnière à court terme a considérablement évolué au cours des dernières années, passant d’une opération de niche artisanale à un secteur sophistiqué brassant plusieurs milliards de dollars. Il est devenu d’autant plus important de s’appuyer sur une technologie fiable pour réussir dans le secteur. Heureusement, de nombreux progrès permettent d’air les gestionnaires et les propriétaires de locations saisonnières dans leur interminable liste de tâches.
Ceci est particulièrement évident dans la gestion des revenus et de la tarification. Nous avons la chance de disposer aujourd’hui de données abondantes, mais cette abondance cesse d’être un avantage si l’on ne sait pas quoi en faire.
Disposer d’une telle quantité de données au bout des doigts souligne l’importance de l’utilisation des algorithmes, de l’apprentissage automatique et de technologies automatisées au bénéfice des annonces de location saisonnière. Même les gestionnaires de revenus les plus expérimentés ne peuvent tout simplement pas effectuer ces calculs par eux-mêmes.
Pour bénéficier d’un algorithme avancé, vous devez lui faire confiance.
Et pour cela, vous devez comprendre ce qu’il fait réellement et ses mécanismes de fonctionnement.
L’algorithme : tout commence avec le prix de base
L’outil de tarification dynamique de Beyond est alimenté par un algorithme constitué de plusieurs couches logiques complexes, aboutissant au prix quotidien correct pour chaque annonce. Le point de départ de cet « algo » dont nous sommes les concepteurs pionniers, c’est le prix de base.
Celui-ci se base sur la « valeur » de votre bien, c’est-à-dire le prix moyen annuel de votre logement. Pendant les périodes de forte demande, l’algo ajuste la hausse par rapport au prix de base. Et il fera de même pendant les périodes de faible demande, en abaissant le prix en conséquence.
Comme la tarification découle du prix de base, il est très important que ce prix soit évalué correctement. C’est pourquoi nous disposons d’algorithmes secondaires qui vous aident à fixer un prix de base en fonction du marché et de données spécifiques à l’annonce.
Comme les marchés fluctuent – cette année en est une illustration impactante – il est important de modifier légèrement le prix de base, à la hausse ou à la baisse, afin de conserver le prix optimal. La modification du prix de base est un moyen simple d’actualiser efficacement vos prix à l’aide d’un levier facile à appliquer, plutôt que de manipuler des centaines de règles tarifaires.
Source : Beyond Data
L’algo : comp sets
Une fois que nous avons établi le prix de base correct, nous appliquons les algorithmes pour obtenir les prix quotidiens. Pour ce faire, nous exploitons des données, beaucoup de données ! Nos algorithmes de tarification quotidienne sont alimentés par l’afflux continu d’informations sur les annonces, les niveaux d’occupation et les données de tarification d’Airbnb, de VRBO et de Booking.com.
À partir de ces données brutes, nous analysons et supprimons régulièrement les « mauvaises » annonces, en veillant à ce que celles prises en compte dans les calculs soient réelles, actives et exactes, de manière à constituer des points de données acceptables.
Armés de données sur des millions d’annonces provenant de sources multiples, nous créons ensuite des comps sets en prenant des « unités similaires » dans des zones géographiques et des quartiers semblables.
En d’autres termes, nous recherchons entre 100 et 500 annonces similaires et nous les regroupons.
Bien que nous disposions d’algorithmes pour suggérer automatiquement des groupes de comp sets au fur et à mesure que les annonces apparaissent et disparaissent des OTA, nous passons également un temps considérable à effectuer des ajustements. Si vous êtes en bord de mer, à proximité de pistes de ski ou d’un centre de congrès, vous savez que les offres situées à quelques centaines de mètres de ces emplacements bénéficier d’un facteur de demande très différent.
L’algo : comment nous obtenons une tarification journalière correcte
Pour passer des prix de base aux prix quotidiens proposés aux clients potentiels, nous prenons les données hyperlocales de nos comp sets et nous en extrayons les tendances en fonction de la saisonnalité, du jour de la semaine et des événements locaux. Voyons plus en détail ce que nous faisons et pourquoi nous le faisons…
La saisonnalité
Pour obtenir la tarification saisonnière correcte, nous utilisons une logique de décomposition avancée pour séparer les tendances et les fluctuations saisonnières qui remontent à plus de 6 ans sur la plupart des marchés. Avant que vous ne posiez la question, nous excluons évidemment les données qui s’écartent des tendances « normales », comme ce que nous avons vu au cours des dix-huit derniers mois avec la pandémie (en d’autres termes, ce n’est pas parce que le mois d’avril 2020 a été épouvantable que le prix du mois d’avril 2022 seront plus bas).
Nous tenons compte de cette tendance saisonnière pour chaque hyperzone locale, ce qui détermine, en fonction de la demande, quand et dans quelle mesure nous augmentons les prix pour les saisons haute, intermédiaire et basse. Ceci est d’autant plus important que la distinction entre ces saisons n’est pas catégorique, mais fluide. Sur la plupart des marchés d’été aux États-Unis, par exemple, le début et la fin du mois de juin sont très différents en termes de taux d’occupation et de taux d’activité – la fluctuation de vos prix doit donc refléter cette saisonnalité.
Identique, mais différent
Bien que cette méthode fonctionne parfaitement pour les normes historiques de longue date, nous comprenons qu’il n’en va pas de même chaque année. Les différences doivent être non seulement attendues, mais aussi contrôlées et prises en compte de manière transparente. Nous suivons également le « rythme saisonnier », c.-à-d. certaines périodes de l’année où la demande est plus ou moins forte que les années précédentes. L’été 2021 en est un excellent exemple, compte tenu de la demande accumulée.
Dans ce cas, l’algorithme surveille le moment et l’ampleur des différences de demande et ajuste les prix en fonction de ces différences de rythme. Vous trouverez ci-dessous un exemple de rythme sur la côte du Maine.
Source : Beyond Data
Jour de la semaine
Outre la saisonnalité, l’algorithme passe beaucoup de temps à s’assurer que le jour de la semaine (« Day of Week », DoW) est correct, ce qui peut varier considérablement même dans des zones proches. Dans une ville, par exemple :
- Dans le centre-ville, les prix peuvent être élevés le week-end, à proximité des bars et des clubs.
- Le district financier peut connaître une demande plus importante du lundi au jeudi.
- Les banlieues peuvent se situer quelque part entre les deux.
Tous ces facteurs doivent être pris en considération pour obtenir le bon prix.
Notre algo effectue une décomposition ultérieure pour déterminer la relation entre les jours de la semaine afin de fixer le bon prix. Comme vous le dira n’importe quelle personne au fait de la tarification dynamique, cette relation entre les jours de la semaine n’est pas constante et dépend de la période de l’année. Elle doit donc être analysée sur une base saisonnière et non statique.
L’exemple ci-dessous montre le facteur DoW à South Lake Tahoe, où l’écart entre les jours de la semaine augmente considérablement en hiver avec l’arrivée des skieurs le week-end, puis diminue pendant les saisons intermédiaires et l’été lorsque les visiteurs restent plus longtemps à proximité du lac.
Source : Beyond Data
Les événements locaux
Les événements sont souvent difficiles à évaluer correctement et méritent donc la plus grande attention. C’est pourquoi nous disposons de trois algorithmes qui travaillent simultanément pour évaluer tous les événements de manière appropriée.
Le premier algo utilise l’abondance des données OTA dont nous disposons et recherche en permanence les écarts journaliers dans l’occupation prévisionnelle afin de repérer les augmentations de la demande qui ne sont pas dues à la saisonnalité ou aux jours de la semaine.
Dans le cas de Panama City Beach ci-dessous, par exemple, on peut facilement constater l’augmentation du taux d’occupation lors du Labor Day, des vacances d’automne, des événements locaux comme le Panama City Songwriters Festival et le Bloody May Music Festival, et bien sûr, Thanksgiving et Noël.
Source : Beyond Data
En analysant en permanence l’occupation future, l’algo augmentera le prix dès qu’il y aura une hausse, qu’il s’agisse d’un jour férié prévu ou d’un événement ponctuel comme une éclipse ou un concert.
L’algo est toujours à l’affût des événements futurs, vous n’avez donc pas à vous en préoccuper !
L’utilisation de la demande future pour repérer les événements est intuitif et logique, mais pour celles et ceux qui possèdent des propriétés de luxe ou qui sont sur un marché qui réserve longtemps à l’avance, comment fixer le prix d’événements très lointains pour lesquels la demande ne s’est pas encore accumulée ? À l’évidence, votre calendrier doit être ouvert longtemps à l’avance, mais vous ne pouvez pas accepter de réservations à des prix trop bas.
C’est là que l’algo devient encore plus intelligent et recherche historiquement le même événement connu pour évaluer la demande des années précédentes. Il continue ensuite avec une prime qui sert de marque provisoire et de plancher en attendant que les réservations s’accumulent. Ensuite, à l’approche de la date de l’événement, la demande historique se confond avec la demande future, de sorte que dans les rares cas où les événements sont moins importants que les années précédentes, le prix n’est jamais surévalué.
Enfin, de la même manière que nous surveillons l’occupation future, nous analysons également les prix futurs des hôtels (en plus des locations saisonnières), et nous utilisons leurs prix pour détecter toute anomalie, en particulier dans les régions éloignées où les données de réservation sont rares. En utilisant les prix des hôtels voisins, l’algo est au fait de toutes les tendances qui se développent dans les hôtels et susceptibles d’affecter le marché. Il peut ainsi proposer des prix plus sûrs pour tous les jours de l’année.
Source : Beyond Data
Conclusion
Nous espérons vous avoir donné un aperçu des coulisses du fonctionnement de l’algorithme de Beyond. Comme vous venez de le voir, il y a plus d’un algorithme à l’œuvre ! Nous n’avons même pas abordé la multitude des algos complémentaires comme les remises de dernière minute, les majorations dynamiques des canaux, le comblement des nuitées orphelines et bien d’autres encore.
En fin de compte, les logiques et les algorithmes que nous utilisons travaillent ensemble à l’amélioration de votre stratégie de gestion des revenus – en simplifiant la quantité écrasante de données et en prenant des décisions de tarification à vos côtés !
Vous souhaitez mettre la puissance de notre l’algorithme à votre profit ?
Essayez-le ici gratuitement !
.png){kind=small}
.png){kind=small}
