Wyndham은 단순 예약 속도가 아닌 고객 선택을 기준으로 임대 가격을 책정했습니다

휴가용 임대 가격 책정에는 변동하는 목표가 있습니다. 각 단위는 서로 다른 특징을 가지고 있고, 경쟁업체의 가용성은 변하며, 수요는 고객이 얼마나 미리 예약하는지에 따라 달라집니다. 예약 속도 규칙은 판매가 빠른지 느린지를 말할 수 있지만, 고객이 어떤 대안과 비교하고 있는지는 설명할 수 없습니다.

Wyndham Destinations의 애플리케이션은 고객 선택을 직접 모델링했습니다. 조건부 로짓 추정은 예약 기간에 걸쳐 가격 민감도를 측정했습니다. 비선형 최적화 도구는 현재 수요, 회사 재고, 경쟁업체 가용성 및 숙소 특징을 사용하여 수익을 극대화하는 가격을 선택했습니다.

이 시스템은 2018년 휴가 시즌의 일부 동안 두 Wyndham 지역에서 테스트되었습니다. 보고된 단위당 수익은 한 지역에서 3.5%, 다른 지역에서 5.2% 증가하여, 선택 모델이 더 단순한 예약 속도 기반 가격 책정보다 우수한 성과를 낼 수 있음을 보여주었습니다.

고객의 실제 선택 집합에 대비한 가격 책정

이 방법은 수요를 고립된 것으로 취급하는 대신, 실제 경쟁 집합 내에서 해당 단위의 가격을 책정했습니다.

롤링 윈도우 추정은 예약 기간에 걸쳐 가격 민감도를 평활화했습니다.

예약 곡선 휴리스틱은 최적화가 실용적인 예약 속도 목표를 희생하면서 수익을 좇는 것을 방지했습니다.

동적 가격 책정은 최적화 도구가 자체 예약 곡선만 지켜보는 대신 고객이 대신 선택할 수 있는 것을 볼 때 더 잘 작동합니다.

2021년 INFORMS Journal on Applied Analytics 논문은 Wyndham의 배포를 성공적인 휴가용 임대 수익 관리 애플리케이션으로 제시했습니다. 이 사례는 호텔 업계에 이식 가능한 요점을 제시했습니다. 즉, 자체 남은 재고만이 아니라 고객의 대안에 가격을 책정하라는 것입니다.