Framtidens RMS

Jag har nyligen läst Ira Vouks artikel ”RMS of the future” det är en av de bästa artiklarna jag någonsin läst om revenue management. Alla som är intresserade av revenue managment bör läsa den, ni hittar den här

Här är några tankar om nämnda artikeln.

Lönsamhetsmaximering

Alla RMS säger att de arbetar med lönsamhetsmaximering, men det stämmer inte. RMS:et ska fokusera på att uppfylla affärsidéer och ingenting annat. I de flesta fall betyder det att systemet ska öka lönsamheten på sista raden, inte sträva efter högsta möjliga RevPar!

För en skidanläggning som äger backen och gör största delen av sin vinst på liftkort handlar det om att få in så många människor som möjligt och tvinga dem att köpa liftkort. Med detta fokus kan ADR (snittpriset) aldrig vara det främsta målet.

RMS:et ska fokusera på lönsamheten för varje priskod och hierarkin ska organisera och ranka hur mycket vinst de bidrar med efter att ha tagit hänsyn till BÅDE intäkter och kostnader.

Samarbete mellan avdelningar

Frågan är varför samarbetet mellan avdelningarna är så svag? Först och främst är det på grund av att målen måste vara mer holistiska. Långsiktig lönsamhet på sista raden måste komma först och alla avdelningar måste förstå varför.

Allt börjar med en gemensam syn på bedömd efterfrågan för varje dag ett år framåt (eller mer). Det är dock extremt viktigt att flytta bedömningen bort från hotellets beläggning och fokusera på MARKNADEN. Den som fokuserar på egen beläggning har förlorat. Det har aldrig handlat om hotellets egen beläggning för en specifik dag, inte ens om RevPar.

Med kännedomen om hur MARKNADENS efterfrågan blir kan varje avdelning börja diskutera hur de ska mixa hotellets beläggning med bokningar som ger den högsta möjliga långsiktiga lönsamheten. Detta ska såklart i förlängningen inte göras manuellt.

Men, innan det görs automatiskt bör alla avdelningar känna till varför det ofta är mindre lönsamt att ta in en specifik affär. 

En stor del av lösningen på ovanstående är att använda ett RMS som har så låg standardavvikelse mellan bedömd och verklig efterfrågan att de är självsäkra nog att visa det. Denna siffra bör också vara den mest synliga siffran i systemet eftersom det är omöjligt att fatta rätt beslut utan den. Alla avdelningar ska se den, tro på den och leva efter den.

RMS:et ska därefter välja vad som ska vara öppet och stängt varje dag, beroende på vilken mix som leder till den högsta lönsamheten. Vårt system öppnar och stänger automatiskt, inte beroende ADR (snittpris) utan utifrån vad som ger den högsta möjliga långsiktiga lönsamheten.

Intelligent automatisering av meta CPC/CPA/CPS bids

I artikeln görs bedömningen att hotell kommer att få fler direkta bokningar och därmed skänka bort mindre till OTA:erna. Som tidigare hotellägare skulle inget göra mig gladare.

Om du är stor och stark, så måste du vara snäll. Jag hoppas att Google kommer att vara snälla. MEN…grundläggande marknadsekonomi går ju ut på att försöka skaffa sig en monopolistisk situation för att sedan kunna höja priserna…

Det är ett faktum att meta bids kommer att vara en del av nästa generations RMS optimeringsbeslut, men en del RMS har det redan. Här vill jag dock höja ett varningens finger för populismen kring att meta-data är den heliga gralen och ger svaret på allt.

Att endast förlita sig på meta data leder inte till framgång. Denna data räcker helt enkelt inte till för att ge det kompletta svaret på hur marknadens efterfrågan kommer att se ut för alla dagar ett år framåt.

Allt annat lika, det RMS som har lägst standardavvikelse mellan bedömd efterfrågan och verkligt utfall är bäst. Utan att gå in för djupt på vår egen maskininlärning av framtiden, så är meta data en indikator bland andra som är bra att använda. Och även om de flesta inte vill tro det eller säga det, så är faktiskt vältränad historisk data också lämplig för framtida prognoser.

AI och ML-baserade algoritmer

Självklart ska AI och maskininlärning användas i ett RMS. MEN, det är helt avgörande att använda det på rätt sätt. Många tror felaktigt att AGI (Artificial General Intelligence) redan finns, att AI är så smart att den kan producera en strategi på egen hand som är bättre än den vi gjorde i går. Att AI inte alls är beroende av den mänskliga hjärnan, att AI är så smart att den talar om för företagsledningen hur affärsidén ska se ut och hur den omedelbart ska förändras.

Den senaste AI forskningen menar att AGI kan vara här om ca 50-200 år. Ingen är där ännu och om de säger det, så ljuger de. Dock är redan i dag AI och ML fantastiska på att lära RMS:ets hjärna hur den bättre kan bedöma framtiden och hur du strategiskt ska utveckla din verksamhet. Det är en filosofisk fråga huruvida vi vill ha AGI överhuvudtaget, en värld där människor egentligen inte behövs längre…Jag går inte in på den här…

Realtids integrering med PMS och/eller CRS

En av de viktigaste variablerna i ett prisförslag är ”antal rum kvar att sälja”. Därför är det nödvändigt med en direkt koppling med PMS (eller CRS). Vi gör inga integrationer där PMS:et inte kan leverera bokningsdata i realtid.

Beräkningar måste göras dygnet runt och ny data tillhandahållas utan förseningar. Ett prisförslag baserad på gammal data ger ett felaktigt värde. Flera av RMS:en säger att de uppdaterar i realtid, men när man tittar närmare på dem så betyder det 4 gånger om dagen.

ChatGPT

För mig så är ChatGPT ett litet steg i riktning från AI till AGI. Men ChatGPT har fortfarande inte en egen hjärna, även om det känns så. Det är bara maskininlärning och AI på ett lite bättre sätt än vad vi sätt hittills.

Det handlar fortfarande om att integrera så mycket bra AI och ML på de rätta ställena i RMS:et som möjligt, men det är fortfarande människans om ska sätta ramarna och tämja maskinen så att den inte förvildas.

Frågar du ChatGPT i dag vad revenue management handlar om så svarar den att det handlar om INTÄKTER, den nämner ingenting om LÖNSAMHET. Vi människor måste lära framtidens AI att det handlar om lönsamhet på sista raden.

Framtiden är redan här

Hör gärna av dig till mig om du vill diskutera revenue management och/eller framtiden.

Henrik Dahlbom, founder Price My Hotel Room

henrik@pmhr.se

+46 705 550855