گزارش‌ساز و هوش تجاری اقامتگاه؛ سود و زیان هر واحد و پنجره رزرو

هوش تجاری برای اقامتگاه یعنی یک چیز ساده: داده‌ای که از رزروها و هزینه‌ها دارید را طوری برش بزنید که دو تصمیم را راحت کند، «کدام واحد پول درنمی‌آورد؟» و «چه زمانی باید قیمت یا تخفیف را تغییر بدهم؟». برای یک واحد، گزارش ماهانه‌ی اکسل کافی است. ارزش واقعی از دو واحد به بالا شروع می‌شود، چون میانگین کل چیزی را که در یک واحد خراب است پنهان می‌کند.

فرمول‌های پایه (اشغال، ADR، RevPAR، هزینه به‌ازای شب فروخته‌شده) در شاخص‌های عملکرد و ساختار سود و هزینه در سود واقعی اقامتگاه آمده؛ اینجا تکرار نمی‌شوند. جایگاه کلی این لایه در اتوماسیون اقامتگاه است.

صورت سود و زیان هر واحد: ساده‌ترین گزارشی که واحد ضعیف را نشان می‌دهد

ستون‌ها واحدها هستند، ردیف‌ها یک ساختار ثابت:

دو تصمیم طراحی مهم است. اول، هزینه‌ی مشترک (حقوق مدیر، خرید عمده) را با یک قاعده‌ی ثابت پخش کنید و آن را وسط سال عوض نکنید، وگرنه ماه‌ها قابل مقایسه نیستند. دوم، سود هر شب فروخته‌شده را کنار سود کل بگذارید: واحدی که ۲۰ شب فروخته و سود کلش کم است ممکن است سود شبی بالایی داشته باشد و مشکلش فقط اشغال باشد؛ واحدی که پر است ولی سود شبی‌اش کم است، مشکلش قیمت یا هزینه است. این تشخیص راه‌حل را عوض می‌کند.

مثال فرضی: دو واحد هر کدام ۲۴ شب فروخته‌اند. واحد الف سود ماهانه‌ی ۹ میلیون تومان، واحد ب ۳ میلیون. سود شبی به ترتیب ۳۷۵ و ۱۲۵ هزار تومان. اگر هزینه‌های ب (قبض و نظافت) را بررسی کنید و ببینید نظافت‌اش دو برابر الف است، سؤال درست «چرا نظافت ب گران‌تر است؟» می‌شود، نه «واحد ب را رها کنم؟». یک ماه برای حکم کافی نیست؛ دست‌کم سه تا شش ماه و با لحاظ فصل (قیمت‌گذاری فصلی).

پنجره‌ی رزرو و تخفیف لحظه‌آخری

پنجره‌ی رزرو (booking window یا lead time) فاصله‌ی روز رزرو تا روز ورود است. با نگاه به توزیع آن، یعنی «چند درصد رزروها بیش از ۳۰ روز قبل، ۷ تا ۳۰ روز قبل، کمتر از ۷ روز قبل ثبت شده‌اند»، می‌فهمید چه موقع شب‌های خالی را باید نگران بود. چند یافته از منابع:

• طبق خلاصه‌ی گزارش AirDNA (۲۰۲۶، بازار آمریکا) پنجره‌ی رزرو از نیمه‌ی دوم ۲۰۲۵ طولانی‌تر شد و سهم رزرو لحظه‌آخری (کمتر از ۶ روز) کم‌تر شد؛ من فقط خلاصه را دیدم و متن کامل برایم باز نشد (۴۰۳). و این برای ایران نیست.

• بلاگ Uplisting (۲۰۲۶، فروشنده‌ی نرم‌افزار) با ارجاع به داده‌ی Airbnb می‌گوید حدود ۲۱ درصد رزروهای کمتر از ۷ روز مانده به ورود در ۲۰۲۵ تخفیف لحظه‌آخری داشته‌اند و تخمین Airbnb برای اثر تخفیف حدود ۲ درصد رزرو بیشتر است. این عدد دست‌دوم و تبلیغاتی است؛ اثر را باید روی واحد خودتان بسنجید.

برای تحلیل خودتان از جدول رزروها دو ستون بسازید: «تاریخ ثبت رزرو» و «تاریخ ورود»؛ اختلاف را روز کنید و رزروها را در بازه‌ها بشمارید. قاعده‌ی تصمیم: اگر در ماه آینده ۷ روز مانده هنوز شب خالی دارید و در همان فصل پارسال بیشتر رزروها در همین فاصله پر شده بودند، تخفیف لحظه‌آخری را آزمایش کنید؛ اگر الگو برعکس است (رزرو زودهنگام)، تخفیف دیرهنگام فقط درآمد را کم می‌کند. یک تخفیف را با پایان تاریخ و حداقل اقامت مشخص کنید و بعد از یک دوره نتیجه را ببینید (قیمت‌گذاری پویا).

مهمان تکراری و ارزش طول عمر مهمان

نرخ مهمان تکراری = تعداد مهمانان تکراری ÷ کل مهمانان یکتای همان دوره. مشکل رایج: پروفایل تکراری یک مهمان (دو شماره، نام با املای متفاوت) باید پیش از شمارش یکی شود، وگرنه نرخ پایین‌تر از واقع درمی‌آید.

ارزش طول عمر مهمان (CLV) طبق دایره‌المعارف Lodgify: میانگین ارزش رزرو × تعداد رزرو در سال × طول رابطه (سال)، و برای دقت بیشتر هزینه‌ی جذب مهمان را کم کنید. مثال فرضی: ۸ میلیون تومان به‌ازای هر اقامت، دو بار در سال، ۳ سال: ۸ × ۲ × ۳ = ۴۸ میلیون تومان. اگر همان مهمان با پیامک و تماس مستقیم برگشته، هزینه‌ی جذبش کمتر از مهمان کانال با کمیسیون است. Lodgify هم می‌گوید این عدد پیش‌بینی است، میانگین‌ها تفاوت‌های بزرگ را پنهان می‌کنند و باید بخش‌بندی شود. به همین دلیل CLV را برای دو گروه جدا حساب کنید (مثلاً رزرو مستقیم و رزرو از پلتفرم). سیاست بازگشت مهمان در وفاداری مهمان آمده است.

چطور با اکسل و خروجی‌های موجود بسازیم؟

1. یک جدول رزرو تمیز: شناسه، واحد، منبع، تاریخ ثبت، ورود، خروج، شب، مبلغ، وضعیت (لغوشده‌ها را جدا کنید).

2. یک جدول هزینه: تاریخ، واحد یا «مشترک»، دسته، مبلغ.

3. جدول محوری (Pivot) بر اساس واحد × ماه برای درآمد، هزینه و شب‌ها.

4. ستون‌های محاسباتی: سود، سود شبی، اشغال (شب فروخته ÷ شب قابل فروش با کسر شب‌های مسدود).

5. یک برگه‌ی خلاصه برای ماهانه، با همان قالب هر بار.

داده‌ی جدول‌های اول و دوم را می‌توان از خروجی‌های شاه‌کلید گرفت؛ حدود این کار در بخش «شاه‌کلید در این بخش چه می‌دهد؟» آمده است.

خطاهای رایج در تحلیل

• تفسیر بازه‌ی کوتاه: یک ماه ضعیف الگو نیست.

• میانگین‌گیری از واحدهای ناهمگون: ویلا و استودیو را با هم میانگین نگیرید.

• حذف شب‌های مسدود از مخرج اشغال: اشغال را بیش‌ازحد پایین نشان می‌دهد.

• تخصیص نامنظم هزینه‌ی مشترک: مقایسه‌ی ماه‌ها را بی‌اعتبار می‌کند.

• فراموشی لغوها: رزرو لغوشده را نباید در درآمد بشمارید، ولی در تحلیل پنجره و تقاضا باید دیده شود.

• نتیجه‌گیری بدون تصمیم: هر گزارش باید به یک اقدام (قیمت، حداقل اقامت، تعمیر، حذف واحد) وصل شود.

شاه‌کلید در این بخش چه می‌دهد؟

شاه‌کلید مجموعه‌ی گزارش‌های مدیریتی را دارد: میز پذیرش (ورودی‌ها، خروجی‌ها و واحدهای خالی)، گزارش مالی، گزارش‌های تسویه با نمودار و تاریخچه‌ی ماهانه‌ی هر سهام‌دار، گزارش بدهی‌ها، گزارش فعالیت کاربران، و خروجی اکسل از هزینه‌ها، بدهی‌ها، نگهداری و تقویم. گزارش‌ساز سفارشی، صورت سود و زیان جدا برای هر واحد، تحلیل پنجره‌ی رزرو، نرخ مهمان تکراری و CLV آماده ندارد. گزارش مالی با فیلتر ساختمان، واحد و بازه‌ی تاریخ؛ کارت‌های درآمد کل، تعداد رزرو، تعداد شب و میانگین درآمد هر شب؛ نمودار درآمد به تفکیک واحد و منبع رزرو؛ و خروجی اکسل از «تقویم درآمد» (روز × واحد) و خلاصه. صفحه‌ی هزینه‌ها نیز خروجی اکسل دارد و هر هزینه به ساختمان و دسته وصل است (هزینه‌ی مشترک بین ساختمان‌ها تقسیم می‌شود). یعنی درآمد هر واحد و هزینه‌های هر ساختمان را می‌توانید به اکسل ببرید و صورت سود و زیان را خودتان در جدول بسازید. هزینه به سطح واحد وصل نمی‌شود (سطح ساختمان است)، پس سود هر واحد جدا از ساختمان را باید دستی تخصیص بدهید.

سؤال‌های پرتکرار

برای دو واحد هم این گزارش‌ها لازم است؟

سود و زیان ماهانه‌ی هر واحد بله؛ پنجره‌ی رزرو و CLV وقتی ارزش دارند که داده‌ی چند ماه و چند ده رزرو داشته باشید.

چند رزرو برای تحلیل پنجره‌ی رزرو کافی است؟

عدد قطعی از منبع نیافتم؛ در عمل با چند ده رزرو در همان فصل فقط جهت کلی دیده می‌شود، نه نسبت دقیق.

اگر واحدی سود کم دارد باید حذفش کنم؟

نه قبل از بررسی: اشغال، قیمت، هزینه و فصل را جدا ببینید. سود شبی و اشغال علت را روشن می‌کنند.

مطالب مرتبط

• اتوماسیون اقامتگاه؛ ابزارها و مرز انسان — نقشه‌ی ابزارهای فناوری برای میزبان (PMS، کانال‌منیجر، پیام خودکار، قیمت‌گذاری، قفل و حسگر)، معیار تصمیم برای…

• امنیت داده در نرم‌افزار اقامتگاه — قبل از سپردن اطلاعات مهمان و حساب‌های مالی به یک نرم‌افزار، چه چیزهایی را بپرسید: دسترسی نقش‌محور، لاگ تغییرات، معنای…

• مدیریت چندبرندی و چندارزی اقامتگاه — چندبرندی، چندمستأجری و وایت‌لیبل چه فرقی دارند، کی لازم‌اند و کی زیادی، قیمت چندارزی چه پیچیدگی حسابداری دارد و در…

منابع

• Customer Lifetime Value — Lodgify Encyclopedia

• Guests booking later: get your last-minute discount ready before peak — Uplisting blog, 2026 (فروشنده‌ی نرم‌افزار؛ داده‌ی Airbnb دست‌دوم)

• Booking lead times 2026 — AirDNA (فقط خلاصه‌ی نتایج جست‌وجو را دیدم؛ صفحه ۴۰۳ داد)