Technology revenue management system for customer groups in hotels
Joseacute; Guadix ⁎, Pablo Corteacute;s, Luis Onieva, Jesuacute;s Muntilde;uzuri
University of Seville, Spain
Abstract:This paper discusses revenue management; a technique that focuses on decision making that will maximize profit from the sale of perishable inventory units. New technologies management plays an important role in the development of revenue management techniques. Each new advancement in technology management leads to more sophisticated revenue business capabilities. Today decision support revenue management systems and technologies management are crucial factors for the success of businesses in service industries. This paper addresses the specific case of customer groups in hotels. This paper introduces a new decision support system that sets the revenue maximization criteria for a hotel. The aforementioned system includes a set of demand forecasting methods for customers and addresses a general case considering individual guests and customer groups. The system also incorporates deterministic and stochastic mathematical programming models that help to make the best decisions. The actual revenue depends upon which reservation system the hotel uses. A simulation engine makes a comparison between different heuristics of room inventory control: the results include performance indexes such as occupancy rate, efficiency rate, and yield; it compares results and chooses one of them. The system proves its suitability for actual cases by testing against actual data and thus becoming an innovative and efficient tool in the management of hotels reservation systems.
Keywords:Revenue management, Customer groups, Hotels
1.Introduction
Many firms seek to use revenue management techniques to maximize profitability in capacity-constrained situations. As firms seek out revenue management techniques to squeeze profits from increasingly more efficient business processes, researchers respond to these needs. In the past, different industries used most of the characteristics underlying this technique. Perishable firms, such as bakers, grocers, fresh fruit vendors, or theater managers regulated demand by varying prices during specific periods of time.
Following the US Airline Deregulation Act established in 1978, any airline can now operate any route at any time with whichever fares they choose, point out Smith, Leimkuhler and Darrow (1992). These facts have led the scientific community to develop a new management approach called revenue management. Initially, revenue management techniques assumed that passengers chose from one particular fare class, without moving to a lower fare if it became available. Companies adopted differentiated pricing in order to compete for price sensitive travelers, without giving up the revenue from their existing, full fare customers. The later extension of these techniques allows for passenger flexibility amongst fare classes. Bodily and Weatherford (1995) also consider overbooking and allowing for passenger adjustments. Belobaba and Weatherford (1996) perform a comparison of various decision making rules incorporating passenger adjustments.
In this way, they define revenue management as the sale of the right inventory unit to the right customer at the right time. Their research focuses on hotels revenue management as hotels use this type of system to determine the number of available rooms at different rates. Rothsein (1971) performs the early work on overbooking of hotel reservations. Liberman and Yechiali (1978) consider customer cancellations in a 24-hour period. Orkin (1988) outlines some of the ideas behind revenue management for hotels and provides examples of the different types of calculations. Bitran and Mondschein (1995) model hotel reservations including multiple day stays, and Bitran and Gilbert (1996) extend previous models to incorporate uncertain arrivals.
Revenue management applies to the service industry when it meets the following five conditions (Kimes, 2000), each specifically adapted for hotels.
1.Limited capacity. The design of revenue management targetcapacity-constrained services firms. The units of inventory sell in a short period of time with a fixed capacity, measured by the number of rooms.
2.Market segmentation. Service industries make use of segmentationbecause they can choose between different types of customers. They do not allow arbitrary pricing, so the service should have some distinguishing characteristic so that it uses the same unit of capacity to deliver many different services. Hotels usually use purchase restrictions and refund requirements to help segment the market between leisure and business customers.
3.Future demand is uncertain. Revenue management must have theability to forecast the demand variability so that managers can increase prices during periods of high demand and decrease prices during periods of low demand. Hotels must set aside rooms for business customers, to protect them from the lower prices acquired by leisure customers before they know how many business rooms will sell.
4.Perishable units of inventory. Inventory distinguishes service firms from manufacturing firms. The units of inventory unsold after a specificdategotowasteinserviceindustries,because services cannot be stored. This special characteristic leads to the sale of services in advance. Hotels cannot store rooms for use by tomorrows customer.
5.Appropriate cost and pricing structure. Many service firms have a fixed cost capacity expense and a demand that cannot rapidly adjust. In the same way, the additional cost of adding a new customer to the available capacity is very low.
This paper studies revenue management models including group acceptance in hotels. Customer groups for hotels have their own set of characteristics that require a slightly different set
剩余内容已隐藏，支付完成后下载完整资料
酒店收益技术管理系统
作者：Joseacute; Guadix ⁎, Pablo Corteacute;s, Luis Onieva, Jesuacute;s Muntilde;uzuri
西班牙塞维利亚大学
摘要：本文论述了收益管理，专注于决策的将出售易腐库存单位利润最大化的技术。新技术管理在收益管理技术的发展具有重要作用。在技术管理每一个新的进步导致更复杂的税收业务能力。今天，决策支持收益管理系统和技术管理是企业在服务行业取得成功的关键因素。本文针对的客户群体在酒店的具体情况，一种新的决策支持系统，设置了收益最大化标准酒店。上述系统包括一组需求预测方法，为客户和解决考虑散客和客户群体的一般情况。该系统还采用了确定性和随机性的数学规划模型，以帮助做出最佳决策。实际收益取决于酒店使用什么预定系统。仿真引擎在不同的启发式之间的房间库存控制中做出比较：结果包括性能指标，如入住率，有效率和产量;在比较的结果，并选择其中之一。该系统通过对实际的数据的测试，证明其对实际案例的适用性，从而成为酒店预订系统的管理创新和有效的工具。
关键词：收益管理，客户群体，酒店
1.背景介绍
许多公司寻求在收益管理技术能力有限的情况下，实现利润最大化。研究者面对的情况是，企业寻求收益管理技术能够在越来越多的高效的业务流程中挤压利润。在过去，不同工业中使用的大多数的是这种技术的基本特征。易腐公司，如面包，菜市场，新鲜的水果销售商，或剧院经理通过在特定的时间段不同价格调节需求。
继1978年美国航空业放松航空管制的法案成立以后，任何一家航空公司可以根据他们选择的费用随时更改任何飞行路线，特别是史密斯，Leimkuhler和Darrow（1992年）。这些事实导致科学界发现一种称为收益管理的新的管理办法。最初，收益管理技术假设如果舱位空闲可用，乘客不会从一个特定的票价的舱位移动到一个较低的票价的舱位。企业采用差异化定价为了竞争对价格敏感的旅客，这样的定价也不会失去他们现有的全程票价客户的收入。后来技术的扩展允许乘客灵活的选择的舱位票价。Bodily和Weatherford（1995）考虑到超售，也允许乘客调整。 Belobaba和Weatherford（1996）把乘客调整放入已有的规定中，并对变化后的各种决策进行比较。
通过这种方式，他们将收入管理定义为，在最优的库存下，与正确的客户在合适的时间得到的销售收入。他们的研究集中在酒店使用收益管理这种类型的系统去确定在不同的利率下可用房间的数量。Rothsein（1971）执行早期作品超额预定的酒店预订。Liberman和Yechiali（1978）考虑客户在24小时内取消。Orkin（1988）概述了一些酒店收益管理背后的思想，还提供不同类型的计算的例子。Bitran和Mondschein（1995）模拟了包括多天停留的酒店预订，Bitran、Gilbert（1996）加入了到达时间不确定的客户模拟，扩展先前的模型。
收益管理适用于服务行业，当符合以下五个条件（KIMES，2000年），酒店行业每一个需要每一个条件都符合才适用。
1.能力限制。收益管理的设计取决于服务企业的容量。固定的容量下，短时间的销售情况通过房间的数量来衡量。
2.市场细分。服务行业利用分割,因为他们可以选择不同类型的客户。他们不允许随意定价,所以服务应该有一些特色，以便可以用相同的投入提供许多不同的服务。酒店通常使用购买的限制和退款要求帮助细分市场之间的休闲和商业客户。
3.未来的需求是不确定的。收益管理必须有能力预测需求可变性，以便管理人员可以增加价格经过一段时期的高需求和减少价格低需求的时期。酒店必须为商业客户预留房间，保护他们从更低的价格收购休闲客户之前就知道有多少业务房间出售。
4.易腐库存单位。从制造企业库存区分服务公司。具体日期后库存未售出的单位去浪费在服务行业，因为服务不能被储存。这种特殊的特点导致的销售服务。酒店不能存储房间供明天的客户使用。
5.适当的成本和定价结构。许多服务公司有固定成本费用，而且需求不能迅速调整。同样，添加一个新客户的额外成本可用的能力很低。
本文研究收益管理模型包括酒店组织验收。客户群为酒店有其自身的特点，这些特点需要针对客户个人使用一系列稍有不同的战略杠杆等典型方法。因此，本研究模型客户类型学作为个人或作为一个群体。这项研究基于确定性和随机规划技术，测试了各种不同的房间的优化算法。研究旨在测试技术在连锁酒店收益管理(TRM)系统和确定因素与不同客户类型的管理。
酒店业的生存，需要使用技术管理，一些研究也显示这种必要的证据。Donaghy、McMahon-Beattie McDowel(1997)提出一个十步模型，该模型强调了使用客户的细分技术管理和使用在每个细分市场的特点。Emeksiz、Gursoy Icoz(2006)提出一个模型，在5步骤里，比较那些使用的技术管理和不使用的酒店之间的差别。它也是很有必要设计一种资产作为长期客户。因此，这也是必要的，去收益管理与CRM系统进行管理，没有人能够确保提供优质的服务和未来客户忠诚度，即使是Kimes 和 Renaghan（2003）。
然而，企业使用不同的价格为客户提供相同的服务，这点应该做的非常仔细。发生这种情况的一个例子发生在2000年，Enos在亚马逊网站出售不同价格的DVD，并提供了20%和40%之间的折扣，客户按照地理区域购买产品。利用信息通信技术和互联网的客户可以检查同一部电影不同的价格。这个实验对公司产生了负面影响。在其他行业，如航空业或酒店业，价格变动更高，但是迄今为止也没有创造任何负面影响。这是因为航空公司和酒店提供的不同价格的服务是有区别的，因为它的特点，所以客户收到有形的产品或服务是有差异的。
有六家酒店在安达卢西亚（西班牙）成为了决策支持系统的测试站点，实施TRM系统。这些酒店都是四星级连锁酒店，拥有160间卧室，从Guzman、 Moreno 和Tejada（2008）可以知道，这些酒店的地点都分布在西班牙南部海岸，是一个在国际上都十分重要的旅游目的地。TRM系统着眼于马贝拉酒店。这些酒店全年保持开放，该组织在马贝拉拥有另一家酒店。如果有必要，客人可以从一家到另一家酒店。该连锁酒店获得高的客户满意度，这是服务行业的一个必要因素，Fullard（2007）说。lindenmeier和tscheulin（2008）在另一篇文章中也提出这个思想，但是应对航空业来说。
部分包括本文的其余部分。第2节介绍用于服务行业解决问题的新方法。第3节的地址要求航空公司使用传统的预测模型及其对酒店业的适应。第4节呈现优化室分布的问题。一个新的随机模型是问题的基础上，有或没有组选项。第5节描述了一个仿真模型，它定义了下房间库存控制三个不同的策略来港定居。第6节讨论计算结果和他们比较。本节包括性能指标的启发，包括入住率，有效率和产量的比较。最后，第7节得出结论。
2.研究方法
TRM系统包括三个管理水平（Jones 和 Lockwood，1998）：
- 战略层面的地址是长期的，一般都是在总部的。TRM系统数据建立在长期的市场细分标准上，由总体定价策略、结构决定。
- 在战术层面上，处理个人经营单位的中期经营。TRM系统数据建立中期针对不同细分市场的目标用户。
- 运营层面的关注与短期行为的经营制度，如销售办事处或前台。人力资本是在服务业工作办公室的一个关键因素，Arribas 和 Vila（2007）说过。所以TRM系统数据需要决定以什么价格提供和接受在短期内有所保留什么。
以下这种结构，我们提出了一个原始的方法，如下图，简要描述了该系统的体系结构描述的TRM。图1介绍了关键部件，并给出了信息流，决策和设计的概述，以及测试阶段。Shoemaker（2003）提出“战略管理”内还应包括“战术层面”，区别在酒店价格变动的使用。下面详细描述了每个TRM系统模块后面的部分。
TRM系统遵循四个步骤：
1、需求预测必须来自历史数据。根据历史数据，公司可以预测在短期的时间内的未来需求。预测精度要求是特别重要的，因为它对TRM系统效能具有很大的影响。对历史数据的频繁更新提高了模型的准确性和从这个模块的得出来的结果的准确性。
2、优化房间分布。该系统采用预测数据作为输入，对能力模型的应用，所以预测数量分布服从酒店日常能力的不同类别之间。一个房间的分布优化模型在不同的票价水平设置预订限额。
3、客房库存控制。两分化阶段的到来弥补这一步：生成和预订系统。第一个仿真引擎产生顾客到达过程，其数据有助于建立到达代子房间内的库存控制流程。相反，前面提到的最优空间分布的过程，随着到达生成子模块，输入为预订系统子模块。房间库存控制过程状态的房间的销售模式和预订系统。当客户到达时，销售经理必须接受已定义的标准，以确定是否接受或拒绝一个请求。
4、真实任务。最后一步，销售办公室向个人客户、旅游经营者和旅行社集团客户提供房间价格和合作的成功率。
图1.技术收益管理系统流程
Vinod（2004）提出适用于酒店业的收益管理系统，强调各组成模块的上述行业的技术需求。沿着同样的路线，Chiang、Chen 和 Xu （2007）更强调了管理技术在收入管理中的重要性。
历史数据模块从销售和预订自动更新。此外，由于互联网和技术管理，数据更新在收入和定价管理发挥了重要的作用。现在，它更容易为客户的竞争对手之间的价格比较，而服务供应商可以得到详细的信息，客户行为快得多。
3.需求预测
收益管理准确的预测高度依赖于高效的预订系统，并作为现实生活导向的优化模型的输入数据。预测模型综述可以参考McGill 和 Van Ryzin （1999）、Talluri 和Van Ryzin （2004）、 Pai and Hong （2005）和Fernaacute;ndez-Morales 、 Mayorga-Toledano （2008）。该TRM系统采用客户需求预测作为输入来获得最优分配的房间。通常该系统从历史到达信息，考虑到住宿和房间类别的长度来计算需求预测。Lee（1990）提出，从传统的方法到先进的组合的预订模式，不同的方法都可以工作。
Makridakis,，Wheelwright和 Hyndman（1998）提出，在其他众所周知的统计方法中，传统的预测技术包括移动平均预订、指数平滑法、或ARIMA时间序列模型。先进的预订模式可以预测客户的回升。他们认为在一定时间间隔内收到的增量预订。混合模型包括回归方法，在该方法中，独立变量是一个特定的日期，依赖变量的保留的数量是从客户所在的地区最终数量的房间出售得到的经济参数。
其实并没有公认的预测最佳方法。事实上，每一家酒店都有其独特的特性，而一个酒店可以使用一个预测方法，这取决于季节性强的季节性成分。总的来说，回归模型，线性或对数线性回归可以提供可靠的数据。而未发表的研究使用组合预测或特定方法也可以作为一个提取模型。
集团预测可以计算提供给散客客房的数量。有两种类型的群体需求，临时性和连续性。临时性需求包括不在旅游模式（日期和服务）的重复方面的常客，他们使用的客房和服务，为特定的夜晚指定数量，一个典型的临时请求可能是单个或几个一次性客房。连续性需求通常停留更长的时间，来自旅游运营商或旅行社。这些客户可能要求客房的时间或者晚上安排在一起，并通过旅游套餐重新分配他们。
如果该组的预测不准确，客房提供总数将是不准确的，而TRM系统的建议可能导致决策失误。不准确的预测对时间的高入住期间有较大影响。如果预测过高，在检测这些团体中的任何错误可能会导致闲置房间。不幸的是散客，已经有过先前的知识，本来订这些房间，而不是造成不必要的浪费。实验结果部分提出了不同分析的情况下的预测模块的结果。
4.优化房间分布
对于使用预测的客人，该系统依赖于通过索要更高价格来填满可用容量。这确保了那些最愿意为一个房间支付的客户可以这样做。大多数的优化模型遵循Williamson（1992）模型，最大限度地利用一个确定性的数学规划模型，最大限度地提高收入的航空业。在酒店行业，目标是分配房间，以最大限度地提高收入，同时满足容量限制。
最优房间分布采用四种模型。第一个是确定性模型（DP），占每个类别的房间数，只考虑到个别客人。确定小组的问题（DGP）认为DP方案也是客户群人数。因此该系统精确与否决定了机会成本大小。
表1
对模型优化的TRM系统室内分布参数和变量列表。
在DGP和随机分组问题（SGP）问题上，下标i⁎是指一个团体在白天到达酒店，从下标的不同可以判断到达酒店的时间，适用于个人客户人数。
随机问题（SP）认为同一套问题的数据和变量加上那些具体的在下面的框中的随机问题。同样对于SGP和DGP的问题。
由于是一组房间的分配，而不是单独的客户群。所以个别客户通常比客户群支付更高的价格，但个别客户的概率更高，但是因为没有特别标示，所以有更大的不确定性。
随机问题（SP）认为，考虑到需求的自然变化，存在平均值不同的到达的可能性。存在的主要问题与更多请求的情况下所出现的平均值相符合。在这种情况下，有预期的数量更多的客户愿意留在酒店。关于这种情况的发生，用户接受更高的速率的概率比在确定性模型通常更大，因此收入将增加。此后，它提出了包括客户群体的随机需求模型；这是随机分组问题（SGP）。它参考SP的问题，增加了客户群的考虑。
为了表示问题的数学公式，表1列出了数据，参数和变量，来处理不同模型来考虑TRM系统和那些以前提出的理论。
一旦引入表1，就可以制定和先前描述不同的模
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[153641]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
