饭店收益管理 发表评论(0) 编辑词条

收入管理的思想可以推广导很多其他的服务领域。比如酒店业的管理就是一个可以应用收入管理提高绩效的非常适合的仔业。通过前面的介绍不难发现酒店业具备了适用收入管理仔业的基本特征。首先，酒店的产品一待出售的客房具有时效性，销售不出去的客房不能为酒店带来收益，或者说是一种收入损失；其次酒店提供服务的能力是固定的(可以提供的房间数量有限)，增加新的服务能力的时间周期很长。酒店可以根据不同客户的行为特征进行市场划分，通过预售时间的长短来调控服务的价格和数量，以达到收入的最大化；酒店经营的固定成本远远高于其可变成本；旅客对客房的需求也是随时间的推移而变化的，而且通常会呈一种规律的周期性变化，比如旅游的旺季和淡季，以及工作日和周末；这些特征都为收入管理提供了创造利润的空间。
由于行业区别，酒店业和航空业之间存在很多差异，并不是现行的收入管理理论和系统可以原封不动的应用于酒店管理。尤其是在我国，收入管理才处于起步的阶段，还有许多理论和实践方面的知识需要不断的进行探索。
4.1 饭店收益管理的概念研究
首位讨论饭店业收益管理的是Sieburgh。他将收益管理定义为对价格和出租率实行控制的一系列程序。Relihan(1989)指出收益管理是经济学原则在房价制定与客房供应管理方面的应用。它虽然与传统的饭店业同样销售房间.但它有一个更复杂的程序。
Salomon(1990)认为收益管理是一种通过把现有客房以最合适的价格分配给已确定的细分市场来提高利润的销售额最大化技巧。 Donaghy,McMahon&Mc-dowel(l1995)提出:收益管理是为一种利润最大化策略,它通过把可得到的客容能力以优化的价格预先安排给事先划分的不同类型的顾客来提高净收益。美国饭店和汽车旅馆协会(AHMA)对收益管理给出了如下的定义:收益管理是用来决定客房价格升降和订房请求接收或拒绝的一系列的需求预测技术,以使客房的收益最大。
Jones基于系统的分析,给出的收益管理定义是:收益管理是为饭店业主使饭店盈利能力最大化服务的系统,该系统通过基于细分市场的盈利能力的识别,确定销售价值、价格设定、折扣生成、订房的过滤准则确立以及对过滤规则的效益与实施的监控来达到饭店盈利能力最大化的目标。该定义不仅强调了顾客的销售价值,而且强调细分市场的盈利能力。
4.2 饭店收益管理的系统模型
Jones(1992)指出所有的饭店或多或少都在用手工的方式进行收益管理。但因收益管理所需数据的复杂性,多数饭店没有建立完整的收益管理系统。在对多名饭店管理者问卷调查的基础上Jones&Hamilton首次提出了七阶段收益管理实施模型:1)培育收益文化2)需求分析3确定饭店价位4)市场细分5)需求变化分析6)记录销售量下降及被拒绝的预定情况7)评估8)采取措施。
Donaghy等人认为研究细分市场特点及消费者行为模式对一年中任意时间的
需求预测具有重要作用。在前一模型基础上提出了十阶段收益管理实施模型:1)树立观念2)需求分析3)市场细分4)确定最优市场组合5)分析被拒绝情况6
确定容量值7)介绍收益管理系统8)顾客重新定位9)运作评估10)采取措施。
Jones&Kewin(1997)提出的饭店收益管理系统模型。如图1所示:



以上模型指出了收益管理的复杂性他们的研究模型是基于发达国家有先进的收益管理所需的计算机技术及资源的情况下提出的,对于收益管理实施有一定的理论指导意义但实践性有限。
4.3 饭店收益管理的策略研究
收益管理实现策略的研究主要集中于四个方面:需求预测,超量预订,客房分配和定价策略。
4.3.1 需求预测
顾客需求预测是收益管理的基础部分。它是通过对过去数据的整理、分析,找出规律,以预测未来的发展趋势,使管理者们做出明智决策。
早期有关需求预测的研究主要集中在航空业。综观需求预测的研究,主要有统计方法和随机过程方法两类。大量研究表明,混合泊松过程得出的累积分布比较符合实际数据。20世纪80年代Gerchak和Al-strup等,以及90年代Lee与Hersh等研究者也是利用均匀或非均匀或混合的泊松过程来建立需求到达的随机过程模型。
Gallego等人还利用一般点过程技术对到达过程进行研究。Nahmias针对一般需求的预测问题和McGill的多变量多重回归方法都考虑了需求“溢出”问题的影响,并在模型和方法中加入了相应的无约束化处理。Ghalia建立了一个基于模糊判断规则和模糊逻辑方法的智能专家系统,用于预测饭店客房的需求。
Kimes在《饭店收益管理预测方法比较》一文中,通过将CHOICE饭店和马里奥特饭店的数据代入各种预测模型中来检验出最佳预测模型,最初使用的是CHOICE饭店的数据中发现PICKUP预测模型和回归分析更准确,而组合预订曲线法的准确性相对较低。在更深一步的研究中使用了马里奥特饭店的数据则表明平滑指数分析和动态均匀模型是更加准确的。
4.3.2 超量预订
超额预订可以有效地减少因预定顾客的不出现而导致客房空置的风险,但同时也有因预订顾客全部抵店而带来的无房可住的风险。因此,如何实现最佳超额预订,将两种风险降到最低,是收益管理关注的重点。
Rothstein通过饭店预订管理问题和航空公司预订管理问题对比提出了马尔柯夫链决策模型。Ladany为拥有单人房间和双人房间的饭店提出了一个动态决策模型。Liberman和Yechialli提出了另外一个动态决策模型,通过这个模型可以取消先前的预订或者增加特殊价位的预订。
Schwartz等人将曲线拟合方法用于饭店的客房预订,通过对饭店过去的预订曲线的拟合来提高饭店预订的精度。
4.3.3 客房分配
客房分配的目的在于限制打折房间的数量,尽量将客房留给那些愿意支付更高房费的顾客。这样做相当于为了可能实现的较多收入,而放弃现有确定的较少收入,因此会有一定的风险。要降低风险饭店就要尽可能准确预测预订顾客以及未预订顾客的不同的需求水平。
Bitran和Mondschein提出了一种用于饭店客房动态分配问题的启发式方法,假定需求确定且顾客有停留多天的情况。
Baker和Collier专门针对饭店的收益管理问题设计了两种启发式算法,将超量预订和客房分配有机集成,并建立了仿真模型来模拟实际的饭店运作环境。Beker、Murthy和Jayaraman等人基于顾客需求与可销售客房数目的相关性,采用静态竞价优化技术提出了一种将需求预测和客房分配集成的方法。对于饭店客房分配中的随机因素处理方式包括:期望价值模型,即通过优化期望的目标函数满足一些预期的约束来处理随机规划中的随机参数;机会约束规划,Charnes和Cooper率先提出通过设定一个置信水平来处理不确定性,要求在这个置信水平上
随机约束是有效的;Iwamura等人提出了一种基于随机仿真的遗传算法来解决一般的机会约束规划问题。
4.3.4 定价策略
收益管理采用的是差异定价方法。其实质是根据顾客不同的需求特征和价格弹性向顾客执行不同的价格标准。
Gallego和Van Ryzin证明了用一个优化控制公式明确价格设定的方法优于采用竞标价格或超量预订方法。但是这种方法对于实际问题的计算效率低。 Badinell指出有两种形式的预订,分别为“隐性价格”(hidden price)的情况和“显性价格”(revealed price)的情况。在“隐性价格”的情况下,预订顾客并不急于付款,如果所报的价格并不比顾客愿意付的价格高,顾客就会预订。在“显性价格”的情况下,顾客会声称他们有权享有一个特定的价格。在这种情况下,预订系统可根据对可能的损失和赢利的分析接受或婉拒预订,使实际的客房入住量和入住率与优化的预订计划相差不大。Gallego等将需求当作一个连续时间随机过程对待,得到定价问题的最优边界准则,后来又将风险因素考虑进去,修改了目标函数,拓展了该模型。