5 etapas para ajudá-lo a confiar em seus novos colaboradores robôs
Esta é uma postagem de nosso parceiro Buoy.
“Como estou a sair-me em relação aos meus concorrentes?” Deve ser fácil responder a essa pergunta: basta ir para o seu OTA favorito, dê uma olhada em sua região e compare preços. Mas logo você estará afogando-se em abas abertas e notas rabiscadas à mão como um teórico da conspiração. O processo de comparação das sua propriedades com as que seus hóspedes podem considerar antes de reservar a sua (ou o que nós chamamos “comps”) é complicado. A maioria dos gerentes se resigna a uma de duas opções:
1) ignorância
2) um robô.
Neste caso, um robô vem na forma de um software baseado em algoritmo que filtra as listagens em seu mercado para os mais semelhantes ao seu. Agora, muitas empresas oferecem softwares que pode fazer a curadoria de compsets, mas, como a noção clássica de
um robô desajeitado e sem emoção, esses programas tendem a produzir compsets amplos e precisam da aplicação de uma análise humana. Se essa tarefa for sua, use estes cinco testes para validar o compset feito pelos seus colaboradores robôs.
1) Definir o que é próximo
Todos os compsets serão compostos de listagens “próximas”. No entanto, determinar exatamente o que “próximo” significa pode ser complicado.Seria no mesmo código postal? No mesmo bairro/freguesia? Para mim, os códigos postais são a pior indicação de proximidade. Eles variam em tamanho com base em densidade populacional, o que significa que eles são muito pequenos em áreas urbanas e muito grandes em algumas rurais. Evite-os, se puder.
Os bairros ou freguesias são as melhores opções porque podem abranger vários códigos postais, mas os limites podem parecer desenhados arbitrariamente. As vizinhanças também podem conter vários ambientes. Se uma família reservar um condomínio muito ao sul de Miami Beach, eles podem encontrar mais vida noturna do que esperavam.
Eu confio em um raio para meus compsets e ajustar o tamanho com base na densidade do mercado, assim como os seus hóspedes irão fazer. Para ver o que quero dizer, adote a perspectiva de um hóspede e planeie duas viagens. A primeira é um uma viagem de negócios individual a Genebra, e a segunda é uma viagem de esqui em família nos Alpes franceses. Quando planeia a viagem para Genebra – uma área urbana densa com muitas opções – irá considerar dezenas de listagens nas proximidades de seu (teórico) escritório. O raio de sua pesquisa pode ser meio quilômetro ou menor. Ao planear a sua viagem de esqui, também considerará dezenas de listagens, mas elas estarão em muitas aldeias espalhadas pelos Alpes e separadas por muitos quilômetros. O raio para a pesquisa será muito maior. Compsets devem funcionar da mesma maneira. Cidades densas terão pequenos compsets, e as áreas rurais terão grandes.
2) Dimensione
Comparar a contagem de quartos é fácil. É o primeiro filtro que os robôs usarão ao construir seu compset. Certifique-se de não parar por aí. Leve as casas de banho e a capacidade total em consideração. Se um concorrente próximo corresponder à sua contagem de quartos, mas tiver o dobro da capacidade, provavelmente está a visar um perfil diferente de hóspede.
As áreas densas podem ter uma amostragem maior e assim uma correspondência exata em cada métrica, mas em mercados mais limitados, pode precisar relaxar as restrições para se alinhar melhor com os potenciais clientes Se o seu apartamento tem três quartos ou menos, relaxe as restrições de capacidade primeiro, depois faça o mesmo para as casas de banho e deixe os quartos como a última opção. Com grandes casas voltadas para a família (4 ou mais camas), relaxe as casas de banho primeiro, depois a capacidade e, finalmente, os quartos. O motivo disso? Muitas famílias priorizam “camas” em vez de “quartos”, porque eles só querem ter certeza de que todos têm um lugar para descansar a cabeça.
3) Quantificar a qualidade
A maneira mais fácil de medir a qualidade é por meio da pontuação da revisão, e podemos medir a “maturidade” da concorrência através do número de revisões. Seu robô provavelmente leva ambos em consideração quando compara a qualidade da propriedade vizinha com a sua. O motivo é óbvio: duas listagens podem ter a mesma avaliação de cinco estrelas, mas aquele com trezentas críticas é mais impressionante do que aquele com apenas três críticas.
Também deve levar em consideração a qualidade do design. Se puder, analise as fotos de cada listagem em seu compset e veja se eles parecem semelhantes. Uma vez que não há como comparar a estética quantitativamente, os robôs vão precisar de si para dar uma mão.
4) Corresponder os segmentos
Vamos pensar na viagem de negócios que reservou em Genebra. Digamos que reserve um apartamento de um quarto de qualidade mediana. Agora, pode haver muitas opções de quartos diferentes no mesmo edifício. Podemos imaginar a cobertura com um terraço que seu CEO pode reservar. Podemos imaginar o apartamento do segundo andar que um estudante aluga quando está fora da cidade. Embora cada uma de essas listagens compartilham muitas características – localização, tamanho, talvez até pontuações de resenhas – a maioria das pessoas não os consideravam comps. Por quê? Eles estão em segmentos diferentes.
Agora, uma maneira simples de determinar o segmento é apenas combinando a localização com a receita ou ADR. Isto é provavelmente como você identificou instintivamente os segmentos no exemplo acima: o apartamento do estudante, o apartamento mediano e a cobertura. É aqui que os melhores robôs podem fazer melhor, incorporando uma média de dias das janelas de reserva, durações de permanência dos hóspedes, variação de taxa e sazonalidade para construir um perfil de ocupação para sua listagem. Dada uma localização e um perfil de ocupação, podemos identificar o segmento. Quando um robô vê
a sua estadia em Genebra (janela de reserva: três dias, hóspedes: um, dias ocupados: Segunda a quarta) pensa “Estadia corporativa” Quando vê a sua estadia em Chamonix (período de reserva: setenta dias, os hóspedes: seis dias ocupados: Segunda a sábado) pensa “estadia de lazer em grupo”. É aqui que aquele algoritmo pode destacar-se. Levaria horas para fazer esse tipo de análise para uma única listagem, quanto mais as dezenas de listagens em seu compset.
5) Mas e os hotéis?
Lembre-se de que um compset representa as listagens que um hóspede consideraria antes de reservar a sua. Nessa lógica, nenhum compset está completo sem os hotéis. Métricas de desempenho do hotel, como ocupação e ADRs são caras e difíceis de obter, portanto, priorize as taxas futuras ao coletar dados de hotéis. Sejamos realistas, os hotéis tendem a fazer um trabalho melhor do que os gerentes de alojamentos locais quando se trata de previsão de demanda. Os melhores robôs farão relatórios sobre tendências de preços em hotéis perto de si.
Estamos a construir robôs melhores
As ferramentas da Buoy são projetadas para colaborar com os gestores de reserva, ao invés substituí-los. Encontre-nos no Marketplace da Guesty.
