Unconstraining
Ricostruzione della domanda
L'insieme delle tecniche che stimano quanta domanda c'era davvero in una data chiusa o piena, partendo da dati troncati. Trasforma un consuntivo di vendite in una stima di mercato utilizzabile per la previsione.
Che cos’è
Unconstraining vuol dire togliere il vincolo dai dati. Il termine viene dalla statistica dei dati censurati: quando l’osservazione si ferma a una soglia, sai che il valore vero è almeno quello, ma non sai quanto di più. Una data sold out è esattamente questo, un dato censurato a destra.
Nei sistemi di revenue management commerciali l’unconstraining è un modulo che gira da solo, di solito con un algoritmo di massima verosimiglianza o con il metodo di Expectation-Maximization. Un hotel senza RMS può però ottenere gran parte dello stesso beneficio con un metodo molto più semplice, che si chiama proiezione di curva e si fa in Excel.
La differenza pratica è grossa. Un hotel che fa unconstraining sa che il 14 agosto ha una domanda da 190 camere su 118, e nell’anno seguente parte con un prezzo diverso e restrizioni diverse. Un hotel che non lo fa vede solo 118, ripete il listino dell’anno prima e riottiene lo stesso risultato, convinto che sia il massimo possibile.
Come si calcola
Il metodo della proiezione di curva funziona così. Prendi le date simili a quella chiusa: stesso mese, stesso giorno della settimana, stessa tipologia di evento, ma che non sono andate sold out. Da queste ricavi la quota media di prenotato raggiunta a ogni distanza dall’arrivo, cioè la curva q(t). Poi torni sulla data chiusa, guardi quanto avevi a libro il giorno in cui hai smesso di vendere, e dividi per la quota corrispondente.
La stima migliora se aggiungi i denial registrati dopo la chiusura e i tentativi di ricerca falliti sul booking engine. Sono numeri parziali per definizione, ma servono come controllo: se la proiezione dice 190 e i denial contati sono 54, i due valori si sostengono a vicenda.
Ricostruzione di un sabato di ottobre in città, hotel 140 camere
- Camere disponibili
- 140
- Data chiusa alla vendita
- 12 giorni prima dell’arrivo
- Prenotato al momento della chiusura
- 140
- Quota media di curva a 12 giorni su sabati simili
- 81%
- Denial contati fra chiusura e arrivo
- 26
- Domanda proiettata a fine curva
- 140 / 0,81 = 173 camere
- Domanda non vincolata stimata
- fra 166 e 173 camere
- Spill stimato
- da 26 a 33 camere
Come si usa
Il risultato non serve a fare più camere, che non esistono, ma a fissare il prezzo. Con uno spill stimato di 30 camere su 140, la data ha spazio per un aumento significativo prima che la domanda cominci davvero a rompersi. La regola pratica è alzare finché lo spill stimato non si riduce a poche camere sulla capacità della struttura, senza cercare di azzerarlo: un residuo di domanda respinta è il segno che la data non è stata svenduta.
La cosa da fare lunedì mattina è più prosaica: creare un foglio con una riga per ogni data sold out degli ultimi due anni e cinque colonne, cioè data, capacità, giorno di chiusura, prenotato alla chiusura e quota di curva attesa. Con trenta righe hai già la mappa delle date sottoprezzate della struttura.
Ricostruire usando le date sbagliate come riferimento
La proiezione vale quanto vale il gruppo di date di confronto. Usare i mercoledì di novembre per ricostruire il sabato di ferragosto produce numeri senza senso, perché le curve hanno forma completamente diversa. Le date di confronto devono avere lo stesso giorno della settimana, la stessa fase di stagione e lo stesso mix di segmenti. Meglio cinque date davvero comparabili che quaranta prese a caso.
Da non confondere con
Non è la stessa cosa del forecast. Il forecast guarda avanti e stima cosa succederà; l’unconstraining guarda indietro e corregge cosa è successo. Ma il primo dipende dal secondo: un forecast alimentato da storico non ricostruito eredita in silenzio tutti i tetti degli anni precedenti.