Chegar ao preço perfeito no momento certo para cada alojamento não é tarefa fácil quando se trata de alojamentos locais. E como pioneiros do preço dinâmico para alojamento local, sabemos bem quão difícil é.
Para obter preços precisos para alojamentos locais, são necessários modelos e análises avançadas. Esses modelos devem contar com dados oportunos, verificados e validados em escala, porque a qualidade dos dados afeta diretamente o desempenho do modelo – e dados de baixa qualidade acabarão por resultar em preços abaixo do ideal, más reservas e proprietários frustrados.
Na Beyond, uma forma de obter preços mais precisos com os dados mais confiáveis é através da nossa prática de Agrupamento: A nossa equipa de gestão de receita globais analisa dados de dezenas de milhões de alojamentos e agrupa-os com base em semelhanças - formando dezenas de milhares de Grupos em todo o mundo. Isso permite-nos criar conjuntos comparáveis de inventário para cada alojamento que determina com precisão o preço certo.
Portanto, o que isso significa para anfitriões e administradores de propriedades que procuram maximizar receitas e reservas? Vou explorar detalhadamente a nossa postura e metodologia sobre Agrupamento na Beyond e como ele desempenha um papel na maximização da receita de alojamento local.
Como a Beyond cria Grupos
Passo 1: Possuir o canal de dados
A qualidade dos dados é essencial para alcançar resultados de preços superiores - o que significa que ter supervisão direta, acesso e, em última análise, propriedade dos dados é um diferenciador fundamental para os sistemas de gestão de receitas. Se todos os fornecedores de preços confiarem exatamente nos mesmos pontos de dados, haverá uma diferença mínima na estratégia de preços. Como ingrediente principal numa estratégia de preços, a recolha de dados principais é fundamental para o preço mais preciso, e os seus modelos de preço precisam ter controlo total sobre todo o fluxo, desde a recolha até ao resultado final.
Tendo em conta a importância dos dados para um preço dinâmico preciso, na Beyond investimos bastante em ligações de sistemas de gestão de propriedades (PMS) e em técnicas de recolha de dados de agências de viagens online (OTA) – o que temos vindo a fazer há mais de dez anos. Assim, temos o maior conjunto de dados STR disponível. Isto significa que quando ocorrem anomalias ou mudanças de tendências, não dependemos de outras empresas para nos dizer o que está a acontecer. Em vez disso, contamos com a nossa equipa global de dados e ciência de dados para compreender e trabalhar com quaisquer ajustes, eficazmente. Por exemplo, quando o Airbnb começou a adicionar ID de Alojamento mais compridos que precisavam de um tratamento especial ou se um PMS altera a forma como separa as taxas das tarifas de aluguer, possuir os dados permite-nos compreender o impacto e como ajustar os modelos de preços em conformidade.
Possuir o nosso próprio canal de dados é crucial para definir os preços certos - e é, em última análise, o ingrediente chave para fornecer receitas por noite disponível (RevPAN), ADRs e taxas de ocupação mais altas para a nossa base global de clientes
Passo 2: Como Estabelecemos Mercados
Ter a sua própria fonte de dados é ótimo, mas o que fazer com ela? Como passar de trilhões de dados para algo que possamos realmente usar?
Primeiro, voltamos ao básico. Como já mencionei, os dados são usados para esquemas de preços avançados - mas também são usados em conversas diárias com os nossos clientes e entre a nossa equipa. É por isso que separamos os nossos dados em mercados convencionais. Isto geralmente baseia-se no entendimento geral de uma área e como as pessoas falam sobre ela, ou seja, Chicago ou Paris como uma área urbana, Dallas-Fort Worth com dois nomes, mas um mercado , ou Istambul com dois continentes, mas um mercado.
Na Beyond, pensamos em termos de métricas, eventos, dia da semana (DoW) e sazonalidade, por isso exigimos que os mercados sejam semelhantes para pelo menos um deles. No entanto, não se preocupe, este é apenas o ponto de partida – não atribuímos o mesmo preço em toda a área de Chicago.
Um dos usos mais comuns quando se fala em Mercados é a oferta, que tem crescido substancialmente nos últimos anos. Embora esse aumento na oferta signifique mais concorrência, o lado positivo disso significa que há mais alojamentos para criar conjuntos de comparação e, portanto, podemos tornar esses conjuntos de comparação mais precisos. Como exemplo, abaixo está a localização de 1.000 dos +16k locais de STR nas Montanhas Smoky e até 1K é muito para tentar mapear mentalmente para um conjunto de comparação.
Passo 3: Coletar e Apurar os Dados
Agora que chegamos aos dados que alimentam o nosso principal algoritmo, especialmente Airbnb, Vrbo e dados de hotéis da Expedia, primeiro concentramo-nos na velocidade ou atualização dos dados. Como a maioria das operações de rastreamento, a velocidade é importante porque 1) normalmente não é possível voltar atrás e refazer a história (pense num dias atrás) e 2) os mercados mudam rapidamente, especialmente a curto prazo. Por outras palavras, dados antigos às vezes podem ser piores do que nenhum dado. Portanto, monitorizamos constantemente as nossas máquinas de rastreio, garantindo que coletamos cada calendário a cada dois dias ou nos mercados com prazos de reserva mais curtos, coletamos com ainda mais frequência para não perdermos a otimização de preços para aquela reserva de última hora.
Depois de obtermos os dados, eles são armazenados em bases de dados enormes que permitem uma recuperação rápida. Isto é importante quando se trata de grandes volumes de dados, como todos os preços e dias do Airbnb, todos os dias. Permite-nos executar algoritmos, mas também fazer com que a nossa equipa de análise possa gerir relatórios sobre dados em grande escala.
Outro aspeto importante de ter dados em escala armazenados numa base de dados mais dinâmica é que podemos executar a nossa lógica de depuração com mais rapidez, o que novamente ajuda na atualização dos dados. Na limpeza, concentramos-nos em remover alojamentos inativos - ou fantasmas - que não estão realmente ativos, dias bloqueados em vez de dias reservados, bem como quaisquer alojamentos que não sejam de natureza competitiva ou que recebam críticas negativas ou que não tenham críticas.
Passo 4: Agrupamento automático
Com os dados armazenados e limpos, dividimos os mercados em conjuntos de inventários ou grupos comparáveis. Esses grupos são onde reunimos os dados para obter métricas valiosas (ocupação, preço, prazo de entrega, etc.).
Fazemo-lo ao combinar alojamentos válidos e semelhantes por tamanho de quarto e agrupar com foco na geografia. No exemplo abaixo, pode ver os polígonos a criar um grupo de alojamentos tendo em conta diferentes bairros e centros, como à volta de um centro de convenções ou de um aeroporto. Temos também em conta a vizinhança, que pode funcionar de forma diferente, como um distrito comercial central que é mais movimentado durante a semana e uma área de bar que é mais frequentada aos fins de semana. Nunca confiamos em códigos telefónicos ou códigos postais, pois estes não se alinham com a geografia de funcionamento dos STRs. Melhor ainda é que esta é uma lógica que pode ser executada a qualquer momento, à medida que mais ou menos casas são adicionadas às OTAs. Estamos sempre a redefinir limites, ao adicionar e remover Grupos para garantir a precisão.
Passo 5: Agrupamento da Perspectiva Humana
A lógica avançada é maravilhosa, mas para obter o conjunto de inventário comparável perfeito, às vezes não é suficiente. O nosso último passo na criação de Grupos é trazer um analista de Gestão de Receitas formado pela Beyond para rever o resultado e ajustar de acordo com o seu conhecimento institucional e feedback do mercado local. Da mesma forma que um gestor de propriedade pretende rever os seus preços, queremos que os nossos especialistas revejam os nossos Grupos. Isto é especialmente importante para os STRs com ganhos mais elevados; eles são geralmente os mais exclusivos e é preciso ter isso em conta. Gastamos tempo ao ajustar limites para corresponder às expectativas, mas também para garantir que os atributos geográficos que afetam o preço, como frente para o mar ou entrada/saída de esqui, sejam tidos em consideração.
Depois destes Grupos serem projetados e revistos pela nossa equipa de GR, eles estarão prontos para a verdadeira magia, o algoritmo de preços!
O que isto significa para anfitriões de alojamento local e gestores de propriedades?
O conjunto de dados precisos e a abordagem meticulosa da Beyond no Agrupamento desempenham um papel fundamental na maximização de receitas e reservas para empresas de alojamento local. Ao possuir todo o canal de dados e investir na nossa própria recolha de dados, a Beyond garante informações da mais alta qualidade e mais atualizadas, o que nos dá uma vantagem competitiva no mercado dinâmico de preços.
O processo de estabelecer mercados e recolher dados depurados aumenta ainda mais a precisão de nossos conjuntos de inventário comparáveis, permitindo preços precisos e adaptados às características exclusivas de cada alojamento. O agrupamento automático baseado em múltiplos fatores e a perspectiva humana fornecida por analistas formados em gestão de receita garantem que o nosso algoritmo seja responsável até mesmo pelos alojamentos locais mais exclusivos e de elevado rendimento. Em última análise, a abordagem proprietária das bases de dados e os algoritmos avançados da Beyond fornecem, aos gestores de propriedades e anfitriões, a confiança e as ferramentas necessárias para tomar decisões informadas sobre preços. Todos a favor de ganhar mais dinheiro!
Como pioneira em preços dinâmicos para alojamentos locais, a Beyond continua a liderar o caminho para revolucionar o setor de Alojamento Local e impulsionar o sucesso para gestores de propriedades em todo o mundo. Com o conjunto de dados robusto e em tempo real e técnicas inovadoras da Beyond, os gestores de propriedades e anfitriões podem desbloquear todo o potencial do seu negócio de alojamento, ao obter o preço perfeito no momento certo para cada alojamento.
Preparado para desbloquear mais dinheiro com o seu alojamento local? Inscreva-se na Beyond!
.png){kind=small}
.png){kind=small}
