مدیریت درآمد (Revenue Management) در کسب‌وکار اجاره اقامتگاه

مدیریت درآمد (Revenue Management) علم تخصیص یک ظرفیت ثابت و فاسدشدنی، مثل شب‌های یک واحد، به مشتری‌های مناسب با قیمت مناسب و در زمان مناسب برای بیشینه‌کردن درآمد (و در نسخه‌ی پخته‌اش سود) است. هر شب خالی یک واحد برای همیشه از دست می‌رود و هر شب فروخته‌شده به قیمت بسیار پایین، فرصت فروش گران‌تر را می‌بندد؛ مدیریت درآمد می‌گوید بین این دو چطور تصمیم بگیرید.

این درس زاویه‌ی «نظریه و محاسبه» دارد؛ تنظیم عملی نرخ روزانه در قیمت پویا و مدیریت درآمد آمده و تکرار نمی‌شود. درس بخشی از سری «مدیریت علمی کسب‌وکار اجاره اقامتگاه» است (نقشه‌ی راه سری). مثال‌ها با «فرض کنید» و اعداد گردند، نه آمار واقعی. آخرین بازبینی: ۲ آبان ۱۴۰۵.

هدف‌های یادگیری این درس

1. بگویید مدیریت درآمد در چه شرایطی کار می‌کند و آیا اقامتگاه شما آن شرایط را دارد.

2. ADR، اشغال، RevPAR و GOPPAR را حساب و تفسیر کنید و بدانید هر کدام چه چیزی را پنهان می‌کند.

3. با تفکیک بازار و «حصار» (fence) دو نرخ برای دو گروه مهمان طراحی و مزیت مورد انتظار آن را محاسبه کنید.

4. با روش «پیک‌آپ» یک پیش‌بینی ساده از تقاضای هفته‌ی آینده بسازید.

5. یک درخواست رزرو بلندمدت را با تحلیل «جابه‌جایی فرصت» بپذیرید یا رد کنید.

ریشه‌ی علمی؛ از هواپیمایی تا اقامتگاه

مک‌گیل و ون‌رایزین (۱۹۹۹، Transportation Science) در مرور چهل‌ساله‌ی پژوهش مدیریت درآمد، که متن کامل آن را خواندیم، تاریخچه را چنین می‌گویند: پیش از ۱۹۷۲ تقریباً همه‌ی پژوهش‌های کمّی کنترل رزرو روی «رزرو بیش از ظرفیت» بود. وقتی خطوط هوایی صندلی‌های تخفیفی را برای پر کردن پروازهای خالی عرضه کردند، پرسش تازه این شد که چند صندلی را برای مسافر دیرهنگام با بلیت کامل نگه دارند. لیتل‌وود (۱۹۷۲، از BOAC) قاعده‌ای پیشنهاد کرد: رزرو تخفیفی را تا وقتی بپذیر که درآمدش از درآمد مورد انتظار رزروهای کامل آینده بیشتر باشد؛ مرور مذکور همین را آغاز چیزی می‌داند که بعدها «مدیریت بازده» و سپس «مدیریت درآمد» نام گرفت. توسعه‌ی فشرده‌ی تکنیک‌ها در آمریکای شمالی از عرضه‌ی نرخ‌های Super Saver آمریکن ایرلاینز در آوریل ۱۹۷۷، اندکی پیش از آزادسازی هواپیمایی، آغاز شد. اسمیت و دارو در Interfaces (۱۹۹۲) به نقل چکیده می‌گویند آمریکن ایرلاینز مسئله را به سه زیرمسئله‌ی رزرو بیش از ظرفیت، تخصیص صندلی تخفیفی و مدیریت ترافیک شکست و ادعا می‌کند حدود ۱٫۴ میلیارد دلار منفعت در سه سال و بیش از ۵۰۰ میلیون دلار در سال داشته است (ادعای خود شرکت). مرور مک‌گیل و ون‌رایزین همچنین فهرست می‌کند که پس از موفقیت هواپیمایی، پژوهش مدیریت درآمد به بخش‌های دیگر خدمات از جمله هتل‌ها (کایمز ۱۹۸۹ و دیگران) رسید.

شری کایمز (دانشگاه کرنل) در مقاله‌ی ۱۹۸۹ «Yield Management: A Tool for Capacity-Constrained Service Firms» (Journal of Operations Management، ۸(۴)، ۳۴۸–۳۶۳) آن را به خدمات منتقل کرد. چکیده‌ی مقاله (که در مخزن کرنل خواندیم) هدف مدیریت بازده را بیشینه‌کردن درآمد یا «بازده» بنگاه می‌داند و آن را برای بنگاه‌هایی می‌داند که ظرفیتشان محدود است و موجودی فاسدشدنی دارند (نمونه‌ی چکیده: صندلی هواپیما). مرجع کتابی این حوزه، The Theory and Practice of Revenue Management از تالوری و ون‌رایزین (Springer، ۲۰۰۴) است که طبق رکوردهای کتابخانه‌ای، هم مدیریت درآمد مبتنی بر «مقدار» (کنترل ظرفیت) و هم مبتنی بر «قیمت» را پوشش می‌دهد؛ صفحه‌ی ناشر برای ما باز نشد و فقط رکورد فهرست‌ها را دیدیم.

تعریف‌های رقیب: در ادبیات، «yield management» (قدیمی‌تر، تمرکز بر ظرفیت) و «revenue management» (گسترده‌تر، شامل قیمت و کانال) گاهی هم‌معنی می‌آیند؛ مک‌گیل و ون‌رایزین (۱۹۹۹) هم هر دو را برای یک حوزه به کار می‌برند («مدیریت درآمد، که مدیریت بازده هم نامیده می‌شود»). آن مرور چهار حوزه‌ی پژوهشی را برمی‌شمارد: پیش‌بینی، رزرو بیش از ظرفیت، کنترل موجودی صندلی و قیمت‌گذاری؛ که با اهرم‌های اقامتگاه (پیش‌بینی، تخصیص ظرفیت و قیمت) می‌خواند. توجه: همان مرور تصریح می‌کند در هواپیمایی هزینه‌ی متغیر هر مسافر کم است و پس بیشینه‌کردن درآمد کافی است؛ در اقامتگاه هزینه‌ی متغیر هر شب (نظافت و غیره) قابل‌توجه است، و برای همین در این درس از GOP و حاشیه‌ی هر شب هم استفاده می‌کنیم.

چه موقع مدیریت درآمد کار می‌کند؟

چکیده‌ی کایمز (۱۹۸۹) دو شرط را صریح می‌گوید: ظرفیت محدود و موجودی فاسدشدنی که ذخیره نمی‌شود. شرط سوم که در درس‌ها می‌آید (مشتری‌های مختلف حاضرند برای همان منبع قیمت‌های متفاوت بدهند) منطق «بخش‌بندی» است و در متن مک‌گیل و ون‌رایزین از راه نرخ‌های تخفیفی با محدودیت (fence) دیده می‌شود؛ آن را به‌صورت یک شرط جدا از منبع بازشده نقل نمی‌کنیم. اقامتگاه هر سه را دارد.

ظرفیت بسیار کوچک هم یک چالش است: اقامتگاه یک‌واحدی داده‌ی کافی برای مدل‌های پیچیده ندارد، و بسیاری از ابزارها برای ۲۰۰ اتاق ساخته شده‌اند. برای آمار و حدّ کفایت داده، آمار و احتمال را ببینید.

سنجه‌ها؛ ADR، اشغال، RevPAR و GOPPAR

سنجه‌های کلاسیک هتلداری:

• اشغال = شب‌های فروخته ÷ شب‌های موجود.

• ADR (میانگین نرخ روزانه) = درآمد اتاق ÷ شب‌های فروخته‌شده (Hospitality Net). همان منبع هشدار می‌دهد «ADR» و «ARR» گاهی به جای هم و بسته به منطقه با تعریف متفاوت به کار می‌روند.

• RevPAR = درآمد اتاق ÷ شب‌های موجود، که برابر ADR × اشغال است؛ فقط درآمد اتاق را می‌شمارد و Hospitality Net توصیه می‌کند کنار TRevPAR خوانده شود. مقایسه‌اش فقط در دوره‌های هم‌ارز و با منبع و دوره‌ی یکسان معنی دارد.

• TRevPAR: به‌جای درآمد اتاق، کل درآمد (اتاق، پذیرایی، خدمات جانبی) تقسیم بر شب‌های موجود؛ همان منبع می‌گوید تعریف «کل درآمد» بین مجموعه‌ها فرق می‌کند، پس ساخت مشابه را وارسی کنید.

• GOPPAR = سود عملیاتی ناخالص ÷ شب‌های موجود. Hospitality Net می‌گوید درصد تغییر GOPPAR معمولاً ۱٫۵ تا ۲ برابر درصد تغییر RevPAR است و RevPAR شاخص سودآوری است نه اندازه‌ی مستقیم آن.

نکته‌ی مهم: در تعریف GOP اختلاف هست. مقاله‌ی Hospitality Net آن را «سود ناخالص منهای هزینه‌های عملیاتی» و «سود پیش از هزینه‌های ثابت» می‌گوید و خودش «سود ناخالص» را تعریف نمی‌کند؛ منابع دیگر که از جست‌وجو دیدیم GOP را به شکل‌های دیگری می‌گیرند. تعریف رسمی USALI را باز نکردیم. پس وقتی با عدد کسی مقایسه می‌کنید ببینید از کدام تعریف استفاده کرده.

مثال اقامتگاهی: فرض کنید مجموعه‌ای ۱۰ واحد دارد و یک ماه ۳۰ شبه را بررسی می‌کنیم.

| گام | محاسبه | نتیجه | |---|---|---| | شب‌های موجود | ۱۰ × ۳۰ | ۳۰۰ | | شب‌های فروخته | ۱۹۵ | ۱۹۵ | | اشغال | ۱۹۵ ÷ ۳۰۰ | ۶۵٪ | | درآمد اتاق (ADR = ۴٫۰ میلیون) | ۱۹۵ × ۴٫۰ | ۷۸۰ میلیون | | RevPAR | ۷۸۰ ÷ ۳۰۰ | ۲٫۶ میلیون | | بازبینی RevPAR | ۴٫۰ × ۰٫۶۵ | ۲٫۶ میلیون ✓ |

حالا هزینه‌ها: فرض کنید هزینه‌ی متغیر هر شب فروخته‌شده (نظافت، لباسشویی، مصرفی، کمیسیون) ۱٫۰ میلیون و هزینه‌ی ثابت عملیاتی ماه (حقوق، آب و برق ثابت، نگهداری) ۱۲۰ میلیون باشد. GOP = ۷۸۰ − (۱۹۵ × ۱٫۰) − ۱۲۰ = ۴۶۵ میلیون و GOPPAR = ۴۶۵ ÷ ۳۰۰ = ۱٫۵۵ میلیون.

خطای رایج: خیره‌شدن به اشغال. اشغال ۹۰٪ با ADR پایین ممکن است RevPAR و سود کمتری از اشغال ۷۰٪ با ADR بالا داشته باشد.

دو راهبرد، سه سنجه؛ چرا RevPAR کافی نیست

مثال اقامتگاهی (ادامه): همان مجموعه دو راهبرد دارد. الف) نرخ را بالا ببرد: ADR = ۴٫۴ و اشغال ۵۸٪. ب) نرخ را کم کند: ADR = ۳٫۶ و اشغال ۷۵٪. (اعداد فرضی؛ در عمل به کشش قیمتی وابسته‌اند، کشش قیمتی و عرضه و تقاضا.)

| | وضع فعلی | راهبرد الف (نرخ بالا) | راهبرد ب (نرخ پایین) | |---|---|---|---| | اشغال | ۶۵٪ | ۵۸٪ | ۷۵٪ | | شب فروخته (از ۳۰۰) | ۱۹۵ | ۱۷۴ | ۲۲۵ | | ADR (میلیون) | ۴٫۰ | ۴٫۴ | ۳٫۶ | | درآمد اتاق | ۷۸۰ | ۷۶۵٫۶ | ۸۱۰ | | RevPAR | ۲٫۶۰۰ | ۲٫۵۵۲ | ۲٫۷۰۰ | | هزینه‌ی متغیر (۱٫۰ × شب فروخته) | ۱۹۵ | ۱۷۴ | ۲۲۵ | | هزینه‌ی ثابت | ۱۲۰ | ۱۲۰ | ۱۲۰ | | GOP | ۴۶۵ | ۴۷۱٫۶ | ۴۶۵ | | GOPPAR | ۱٫۵۵۰ | ۱٫۵۷۲ | ۱٫۵۵۰ |

راهبرد ب بیشترین RevPAR را دارد (۲٫۷) ولی GOP‌اش با وضع فعلی برابر است؛ هر شب اضافه‌ی فروخته‌شده ۰٫۴ کمتر نرخ دارد، اما ۱٫۰ هزینه‌ی متغیر. راهبرد الف RevPAR کمتری دارد ولی GOP بیشتر. پس مدیریت درآمد در اقامتگاه باید با حاشیه‌ی هر شب (نرخ − هزینه‌ی متغیر) سنجیده شود، نه فقط RevPAR. برای تبدیل این سنجه به سود واقعی، سود واقعی اقامتگاه را ببینید.

تفکیک بازار و حصارها

بخش‌بندی یعنی تقسیم مهمان‌ها به گروه‌هایی با تمایل به پرداخت و رفتار متفاوت (مسافر تفریحی، کاری، لحظه‌آخر، زودخرید). «حصار» (rate fence) شرطی است که مهمان مایل به پرداخت بیشتر را از مهمان حساس به قیمت جدا می‌کند: غیرقابل‌بازگشت بودن، حداقل شب اقامت، رزرو زودهنگام، روز هفته. پژوهش‌های کایمز و ویرتز درباره‌ی انصاف‌پنداری (۲۰۰۳ برای گلف، ۲۰۰۷ در Journal of Service Research) می‌گوید ارائه‌ی تفاوت قیمت به‌صورت «تخفیف» منصفانه‌تر دیده می‌شود و آشنایی مشتری با روش اثر قاب را کم می‌کند. جزئیاتش در اقتصاد رفتاری در قیمت‌گذاری آمده است.

مثال اقامتگاهی: فرض کنید دو نرخ داریم: «قابل لغو» ۴٫۴ میلیون و «غیرقابل بازگشت» ۳٫۹ میلیون (حدود ۱۱٪ ارزان‌تر). احتمال لغو در نرخ قابل لغو را ۲۰٪ و احتمال اینکه شب آزادشده با ۳٫۸ میلیون دوباره فروش برود را ۵۰٪ فرض کنید.

- ارزش مورد انتظار «قابل لغو» = ۰٫۸ × ۴٫۴ + ۰٫۲ × (۰٫۵ × ۳٫۸) = ۳٫۵۲ + ۰٫۳۸ = ۳٫۹ میلیون. - ارزش «غیرقابل بازگشت» = ۳٫۹ میلیون قطعی.

یعنی تخفیف ۰٫۵ میلیونی، دقیقاً ریسک لغو را جبران می‌کند. اگر احتمال لغو ۳۰٪ بود (۰٫۷ × ۴٫۴ + ۰٫۳ × ۱٫۹ = ۳٫۰۸ + ۰٫۵۷ = ۳٫۶۵)، نرخ غیرقابل بازگشت با ۳٫۹ سودآورتر می‌بود. قاعده: تخفیف نرخ غیرقابل‌بازگشت را تا حدی بدهید که از ریسک لغو مورد انتظار کمتر باشد. سیاست‌های لغو در سیاست‌های لغو رزرو آمده است.

پیش‌بینی تقاضا با روش پیک‌آپ

پیش‌بینی ساده‌ترین شکل مدیریت درآمد است. «پیک‌آپ» یعنی بر اساس الگوی پارسال‌ها: «در ۱۴ روز مانده به ورود، معمولاً چند درصد شب‌های نهایی رزرو شده است؟» سپس رزرو فعلی را بر آن تقسیم می‌کنید. ویدرفورد و کایمز (۲۰۰۳، International Journal of Forecasting) روش‌های پیش‌بینی ورود مهمان را روی داده‌ی Choice Hotels و Marriott مقایسه کردند. طبق چکیده، در داده‌ی Choice پیک‌آپ و رگرسیون کم‌خطاترین بودند و منحنی رزرو و ترکیب پیش‌بینی‌ها نسبتاً نادقیق؛ در داده‌ی Marriott هموارسازی نمایی، پیک‌آپ و میانگین متحرک پایدارترین بودند. (متن کامل را باز نکردیم و دقت این روش‌ها برای اقامتگاه خانگی تأیید نشده است.) پس برای کسب‌وکار کوچک پیک‌آپ ساده کافی و معقول است.

مثال اقامتگاهی: فرض کنید مجتمع ۸ واحدی هفته‌ی آینده ۸ × ۷ = ۵۶ شب موجود دارد. از تاریخچه‌ی شما: ۱۴ روز مانده، به‌طور متوسط ۶۰٪ از شب‌های نهایی رزرو شده (فرضی). هم‌اکنون ۲۱ شب رزرو دارید.

- پیش‌بینی نهایی: ۲۱ ÷ ۰٫۶ = ۳۵ شب - اشغال پیش‌بینی‌شده: ۳۵ ÷ ۵۶ = ۶۲٫۵٪

قانون تصمیم (فرضی): اگر پیش‌بینی بالای ۸۵٪ بود نرخ را بالا ببر، اگر زیر ۵۵٪ بود بسته‌ی ویژه یا حداقل شب کمتر بگذار، در میانه تغییر نده. ۶۲٫۵٪ در محدوده‌ی «تغییر نده» است؛ ۷ روز بعد پیک‌آپ را دوباره بسنج.

محدودیت: تاریخچه‌ی یکی دو ساله با رویدادهای تقویمی (نوروز، تعطیلی‌های جابه‌جاشونده) ناپایدار است. برای شرایط تقویمی ایران نوروز و مدیریت فصل اوج را ببینید.

کنترل ظرفیت؛ پذیرش یا رد یک درخواست

وقتی درخواستی می‌رسد، پرسش نظریه‌ی کنترل ظرفیت این است: «آیا درآمد این درخواست از درآمد مورد انتظار فروش‌هایی که بخاطرش از دست می‌دهم بیشتر است؟» به این «هزینه‌ی جابه‌جایی فرصت» می‌گویند.

مثال اقامتگاهی: فرض کنید یک واحد برای هفته‌ی آینده درخواستی ۷ شبه (۵ شب وسط هفته و ۲ شب آخر هفته) به نرخ ۳٫۶ میلیون برای هر شب دارد. اگر قبول کنید، کل درآمد: ۷ × ۳٫۶ = ۲۵٫۲ میلیون. اگر رد کنید، فرض کنید برای شب‌های وسط هفته با احتمال ۵۰٪ و نرخ ۳٫۶ و برای آخر هفته با احتمال ۹۰٪ و نرخ ۵٫۲ مهمان پیدا می‌شود:

- وسط هفته: ۵ × ۳٫۶ × ۰٫۵ = ۹٫۰ - آخر هفته: ۲ × ۵٫۲ × ۰٫۹ = ۹٫۳۶ - جمع مورد انتظار: ۱۸٫۳۶ میلیون

چون ۲۵٫۲ > ۱۸٫۳۶، درخواست را قبول کنید. اگر در آخر هفته فروش قطعی و نرخ ۸٫۰ بود (۲ × ۸٫۰ × ۱ + ۹٫۰ = ۲۵٫۰)، تفاوت ناچیز می‌شد و می‌ارزید با پیشنهاد متقابل (نرخ بالاتر برای دو شب آخر هفته) جواب بدهید.

درباره‌ی رزرو بیش از ظرفیت (overbooking): مک‌گیل و ون‌رایزین (۱۹۹۹) نشان می‌دهند پژوهش رزرو اضافی از دهه‌ی ۱۹۵۰ در هواپیمایی آغاز شد و مدل‌هایی هم مخصوص هتل/متل (لادانی ۱۹۷۶ و ۱۹۷۷؛ لیبرمن و یچیالی ۱۹۷۷ و ۱۹۷۸) ساخته شد؛ رویه‌ی فرستادن مهمان به هتل مجاور را از منبع بازشده تأیید نکردیم. برای اقامتگاه کوچک این کار خطر شهرت دارد، مگر چند واحد هم‌رده برای جابه‌جایی داشته باشید. توصیه نمی‌کنیم بدون جایگزین مطمئن از آن استفاده کنید.

نقدها و محدودیت‌های مدیریت درآمد

• انصاف‌پنداری: کایمز و ویرتز (چکیده‌های کرنل) نشان داده‌اند ارائه‌ی تفاوت قیمت به‌صورت تخفیف منصفانه‌تر دیده می‌شود و آشنایی مشتری با روش اثر قاب‌بندی را تعدیل می‌کند. نمونه‌ی دویچه‌بان (۲۰۰۲) که پیش‌تر از ویکی‌پدیا می‌آمد از منبع بازشده تأیید نشد و کنار گذاشته شد.

• درآمد در برابر سود: همان‌طور که مثال دیدید، RevPAR بالا یعنی سود بالا نیست.

• داده‌ی کم: واحد کوچک نوسان تصادفی زیاد دارد؛ پیش‌بینی ضعیف می‌شود.

• وابستگی به کانال: مدیریت درآمد خوب نیازمند همگام‌سازی نرخ بین کانال‌هاست؛ برای ایران، همگام‌سازی کانال و iCal را ببینید.

• اثر بلندمدت بر برند و وفاداری: انصاف‌پنداری قیمت می‌تواند تصویر برند را آسیب بزند؛ مثال‌های صنعتی (دویچه‌بان، کوکاکولا) را از منبع بازشده تأیید نکردیم، پس آن‌ها را نمی‌آوریم.

مطالعه‌ی موردی (فرضی)

فرض کنید صاحب یک مجتمع ۱۰ واحدی در یک شهر تفریحی، متوسط RevPAR را ۲٫۶ و GOPPAR را ۱٫۵۵ می‌بیند و تصمیم می‌گیرد ۳ ماه مدیریت درآمد را اجرا کند.

1. سنجه‌ها: هر هفته اشغال، ADR، RevPAR و GOPPAR (با تعریف ثابت GOP) را ثبت می‌کند.

2. بخش‌بندی: گروه‌های «خانواده‌ی آخر هفته»، «کاری وسط هفته»، «لحظه‌آخر» را جدا می‌کند و برای هر کدام یک حصار تعریف می‌کند: حداقل ۲ شب برای آخر هفته، نرخ غیرقابل بازگشت برای زودخرید و نرخ قابل لغو بالاتر.

3. پیش‌بینی: هر دوشنبه پیک‌آپ ۱۴ روز آینده را حساب می‌کند.

4. کنترل: درخواست‌های بلندمدت را با تحلیل جابه‌جایی فرصت می‌پذیرد.

5. ارزیابی: بعد از ۳ ماه GOPPAR را با دوره‌ی هم‌ارز سال قبل مقایسه می‌کند، نه با ماه قبل.

نتیجه‌ی احتمالی: ADR بالاتر در آخر هفته و اشغال بیشتر در وسط هفته؛ ولی اگر GOPPAR بالا نرفت، مسئله ممکن است هزینه‌ی متغیر یا کیفیت باشد، نه نرخ.

محصول شاه‌کلید

شاه‌کلید موتور خودکار پیشنهاد قیمت یا پیش‌بینی تقاضا ندارد. تقویم و رزرو چندواحدی، ثبت هزینه‌ها و گزارش مالی به شما اجازه می‌دهد اشغال و درآمد هر واحد را ببینید، و «دیده‌بان نرخ» نرخ رقبا را رصد می‌کند؛ محاسبه‌ی RevPAR و تصمیم نرخ با خودتان است.

تمرین برای شما

1. سنجه‌ها: برای ماه گذشته‌ی خودتان اشغال، ADR و RevPAR را حساب کنید. راهنما: RevPAR = درآمد ÷ شب‌های موجود؛ بازبینی با ADR × اشغال.

2. مقایسه‌ی راهبرد: اگر ADR از ۳٫۰ به ۳٫۳ برسد و اشغال از ۷۰٪ به ۶۴٪ بیفتد (۱۰۰ شب موجود)، RevPAR و GOP را با هزینه‌ی متغیر ۰٫۸ حساب کنید. راهنما: RevPAR جدید = ۳٫۳ × ۰٫۶۴ = ۲٫۱۱۲ در برابر ۲٫۱؛ GOP قبل از ثابت‌ها: ۷۰ × (۳٫۰ − ۰٫۸) = ۱۵۴ در برابر ۶۴ × (۳٫۳ − ۰٫۸) = ۱۶۰.

3. حصار: نرخ قابل لغو ۵٫۰ و غیرقابل بازگشت ۴٫۴ و احتمال لغو ۲۰٪ و بازفروش ۵۰٪ با ۴٫۳ را حساب کنید. راهنما: ارزش قابل لغو = ۰٫۸ × ۵٫۰ + ۰٫۲ × (۰٫۵ × ۴٫۳) = ۴٫۰ + ۰٫۴۳ = ۴٫۴۳؛ پس غیرقابل بازگشت ۴٫۴ تقریباً برابر است.

4. پیک‌آپ: اگر ۱۰ روز مانده معمولاً ۷۰٪ شب‌ها رزرو شده و ۴۲ شب از ۶۰ شب را رزرو دارید، پیش‌بینی نهایی چند شب است؟ راهنما: ۴۲ ÷ ۰٫۷ = ۶۰، یعنی اشغال ۱۰۰٪؛ پس ارزش بالا بردن نرخ را بررسی کنید.

5. جابه‌جایی فرصت: درخواست ۵ شب وسط هفته با ۳٫۰ در برابر احتمال ۶۰٪ فروش هر شب به ۳٫۵ را مقایسه کنید. راهنما: ۱۵ در برابر ۵ × ۳٫۵ × ۰٫۶ = ۱۰٫۵؛ پذیرش بهتر است.

جمع‌بندی درس

• مدیریت درآمد برای ظرفیت ثابت و فاسدشدنی با تمایل به پرداخت متفاوت ساخته شده است.

• RevPAR = ADR × اشغال؛ GOPPAR با تعریف GOP ثابت مقایسه شود.

• RevPAR بالا ضامن سود بالا نیست؛ حاشیه‌ی هر شب را بسنجید.

• حصارها مهمان حساس به قیمت را جدا می‌کنند و تخفیف باید ریسک لغو را جبران کند.

• پیک‌آپ ساده‌ترین پیش‌بینی قابل‌اجراست.

• پذیرش درخواست یعنی مقایسه با درآمد مورد انتظار فرصت‌های از دست‌رفته.

• مدیریت درآمد انصاف‌پنداری مهمان را هم در نظر می‌گیرد.

درس بعدی

درس بعدی مدیریت مالی در کسب‌وکار اجاره اقامتگاه است: صورت‌های مالی، نسبت‌ها و نقطه‌ی سربه‌سر. درس قبلی اقتصاد رفتاری در قیمت‌گذاری بود.

آنچه نتوانستیم تأیید کنیم

• صفحه‌ی ناشر کتاب تالوری و ون‌رایزین (Springer) باز نشد؛ فقط رکورد کتابخانه‌ها را دیدیم.

• اعداد ۱۴٫۵٪ و ۴۷٫۸٪ آمریکن ایرلاینز (Ultimate Super Saver، ۱۹۸۵) فقط در ویکی‌پدیا بود و حذف شد؛ مرور مک‌گیل و ون‌رایزین Super Saver را به آوریل ۱۹۷۷ نسبت می‌دهد. ادعای ۱٫۴ میلیارد دلار آمریکن ایرلاینز از چکیده‌ی خود مقاله و ادعای خود شرکت است. صفحه‌ی INFORMS برای مقاله ۴۰۳ داد و چکیده را از رکورد IAOR خواندیم.

• تعریف دقیق GOP در USALI یا استاندارد رسمی را نخواندیم؛ فقط تعریف Hospitality Net را گزارش می‌کنیم.

• شرط‌های کایمز را فقط از چکیده‌ی ۱۹۸۹ در مخزن کرنل می‌دانیم؛ فایل PDF آن را باز نکردیم.

• روش پیک‌آپ و پیش‌بینی‌ها: فقط چکیده‌ی ویدرفورد و کایمز را دیدیم؛ فرمول دقیق پیک‌آپ در مثال ما ساده‌سازی خودماست.

• رزرو بیش از ظرفیت در هتل‌ها (فرستادن مهمان به هتل مجاور)، قاعده‌ی بخش‌بندی به‌عنوان سومین شرط، و مثال‌های دویچه‌بان و کوکاکولا: فقط ویکی‌پدیا؛ استفاده نشد.

• داده‌ی بازار ایران (اشغال، نرخ) اینجا نیامده؛ منبع رسمی‌ای نخواندیم.

سؤال‌های پرتکرار

آیا اقامتگاه کوچک هم به مدیریت درآمد نیاز دارد؟

شرایط نظری را دارد، اما داده کم است. با جدول ساده‌ی اشغال و ADR هفتگی و پیک‌آپ شروع کنید و از مدل‌های پیچیده پرهیز کنید.

RevPAR یا GOPPAR؟

RevPAR درآمد را می‌سنجد و برای مقایسه‌ی سریع مفید است؛ GOPPAR سود عملیاتی را می‌سنجد و برای تصمیم راهبردی بهتر است. هر دو را با هم نگاه کنید.

آیا مدیریت درآمد یعنی هر روز نرخ را عوض کنم؟

نه. یعنی تصمیم نرخ و ظرفیت بر اساس داده؛ گاهی بهترین تصمیم تغییر ندادن است (مثل مثال پیک‌آپ).

آیا نرخ غیرقابل بازگشت همیشه سودآور است؟

نه، فقط وقتی تخفیف از ریسک لغو مورد انتظار کمتر باشد، مثل محاسبه‌ی بالا.

منابع

• McGill, J. I. & van Ryzin, G. J. (1999). Revenue Management: Research Overview and Prospects. Transportation Science, 33(2), 233–256 (متن کامل)

• Smith, B. C., Leimkuhler, J. F., & Darrow, R. M. (1992). Yield Management at American Airlines. Interfaces, 22(1), 8–31 — فقط چکیده از رکورد IAOR

• Kimes, S. E. (1989). Yield Management: A Tool for Capacity-Constrained Service Firms. Journal of Operations Management, 8(4), 348–363 — چکیده‌ی مخزن Cornell eCommons

• Weatherford, L. R. & Kimes, S. E. (2003). A comparison of forecasting methods for hotel revenue management. International Journal of Forecasting, 19(3), 401–415 — چکیده

• Hospitality Net. How to calculate and improve 12 hotel performance metrics

• Hospitality Net. The hospitality industry's key historical metrics

• (آخرین راه‌حل) Revenue management — Wikipedia

• Kimes & Wirtz (2003)، Perceived Fairness of Revenue Management in the US Golf Industry — Cornell eCommons، چکیده

• Wirtz & Kimes (2007)، Journal of Service Research 9(3) — Cornell eCommons، چکیده

• Talluri & van Ryzin (2004)، The Theory and Practice of Revenue Management — Springer، فقط رکورد فهرست؛ صفحه‌ی ناشر باز نشد — doi.org/10.1007/b139000