The Art of the Sellout Teil 2: Ratenentwicklung
:format(webp))
Tauch mit Daniel Foreman und Brandon Burtis von Pacifica Hotels in die Komplexität der Ratenentwicklung ein. Diese Folge entschlüsselt Strategien für Dynamic Pricing und zeigt, wie die Anpassung von Zimmerraten in Echtzeit zu deutlichem Umsatzwachstum führen kann. Anhand praxisnaher Szenarien lernst du, wie du Raten festlegst und anpasst, um wettbewerbsfähig zu bleiben und deinen Gewinn zu maximieren – und so dein Ratenmanagement zu einem starken Erfolgsfaktor machst.
In Teil 2 haben wir ein bisschen Spaß und tauchen in den Aspekt des Revenue Managements ein, der am stärksten mit unserem Beruf verbunden wird: die Anpassung unserer Ratenstrategie.
In dieser Folge war Brandon Burtis zu Gast, VP of Revenue Management bei Pacifica Hotels, dem größten Eigentümer und Betreiber von Boutique-Hotels an der Westküste!
Wenn wir das Flugzeug im übertragenen Sinne sanft landen wollen, lernen wir zuerst einen Schlüsselbegriff, den wir auf unserer Reise brauchen. Dieser Begriff ist Ratenentwicklung (Rate Evolution) – also einfach, wie sich Zimmerraten im Zeitverlauf verändern.
Die Ratenentwicklung lässt sich für ein einzelnes Hotel, für einen ganzen Markt oder für die gesamte Branche analysieren. Sieh dir zum Beispiel unseren aktuellen Report über die Auswirkungen der Olympischen Spiele auf den Pariser Markt an, insbesondere dieses Diagramm:
Das ist ein tolles Beispiel für eine marktweite Ratenentwicklung, die zeigt, wie sich Raten im Zeitverlauf „entwickeln“ – die X-Achse zeigt die „Tage bis zur Anreise“.
Wie in Teil 1 zeige ich dir zuerst ein paar konzeptionelle Kurven zur Ratenentwicklung. Sobald du sie siehst, solltest du verstehen, was bei jeder einzelnen passiert (aber keine Sorge, falls nicht, liefere ich ein paar Details nach).
Spielen wir also ein kleines Szenario durch …
Angenommen, du bist Revenue Manager in einem erfolgreichen Hotel. Du bist in einem dynamischen Markt mit einem vollen Eventkalender tätig. Es ist ein ganz normaler Tag, du arbeitest fleißig vor dich hin – und plötzlich bekommst du eine Benachrichtigung.
„Ping“
Gerade wurde ein großes Event angekündigt. Es ist ein wichtiger Nachfragetreiber und findet in etwa einem Jahr statt!
Lass deiner Fantasie freien Lauf: Vielleicht ist es der Super Bowl, die Big Tech Corporate Conference ™ oder vielleicht eine große Vogelbeobachter-Convention (wer bin ich, das zu bewerten). Der Punkt ist: Das wird ein richtig großes Event!
Nehmen wir an, wir werden etwas übermütig und schrauben unsere Rate in die Stratosphäre auf 1000 $ (während unser Compset vielleicht nur bei rund 500 $ liegt).
Die Gier-Kurve
Was passiert, wenn wir zu hoch bepreisen?
Über dieses Phänomen habe ich bereits in einem aktuellen Artikel über häufige Fehler im Revenue Management geschrieben.
Oft setzen wir als Revenue Manager entweder eine zu hohe „Dummy-Rate“, um Inventar zu schützen, oder wir bepreisen einfach völlig unrealistisch – in der Hoffnung, wie von Zauberhand einen starken Pickup zu bekommen.
Aus Erfahrung weiß ich, was passiert, wenn du so vorgehst. Sieh dir die Kurve zur Ratenentwicklung unten an und achte darauf, was hier passiert:
:format(webp))
Beachte, dass unser Hotel sehr lange auf einem unrealistischen Preisniveau bleibt. Das Compset hat dagegen eine vernünftigere Verkaufsrate.
Mit der Zeit zwingt uns der fehlende Pickup, unsere Rate kurzfristig zu senken, um noch Belegung zu generieren – und das ist fast immer eine Verliererstrategie.
Beachte auch, dass das Compset in den letzten Tagen vor Anreise die Chance bekommt, die Rate anzuheben – ein Vorteil einer logischen Pricing-Strategie (sie haben eine gute Basisbelegung aufgebaut, während wir Gäste abgewiesen haben!)
Ich denke, wir sind uns alle einig, dass das, was ich oben die „Gier-Kurve“ nenne, eine suboptimale Strategie ist.
In meinem Podcast-Interview mit Brandon hat er einen tollen Punkt zur „Gier-Kurve“ angesprochen: Wenn Revenue Manager genau diesen Fehler machen, liegt das meist an blindem Optimismus und einer Fehleinschätzung, wie viel Nachfrage tatsächlich da ist:
„Das ist eher eine optimistische [Kurve] … Du hoffst, dass es so viel Nachfrage gibt, dass du durchhalten kannst und bei 699 $ mit einem Mindestaufenthalt von 5 Nächten [als Restriktion] liegst. Und natürlich musst du dich, je näher es rückt, damit abfinden, wie sich die Nachfrage tatsächlich entwickelt – und die ist nicht ganz so vielversprechend, wie du es dir gewünscht hast.“
Mir gefällt Brandons Punkt hier, weil selbst den Besten von uns ab und zu solche optimistischen Fehler passieren – und oft ist eine ungenaue Einschätzung der Nachfrage ein großer Grund dafür.
Erinnerst du dich an das Diagramm zu den Olympischen Spielen in Paris, das ich dir am Anfang des Blogs gezeigt habe? Stand jetzt steckt der Pariser Markt voll in der „Gier“-Kurve fest – wahrscheinlich aus dem Grund, den Brandon genannt hat!
Die Unterpreis-Kurve
Spielen wir dieses Szenario noch einmal durch, aber diesmal mit einem völlig anderen Ansatz …
„Ping“
Jetzt wird das große Event angekündigt, aber statt zu hoch zu bepreisen, lassen wir unsere Rate diesmal zu niedrig.
:format(webp))
Das ist das andere Ende des Spektrums, das wir die „Unterpreis“-Kurve nennen können.
Dieses Muster der Ratenentwicklung entsteht häufig, wenn ein Hotel die Ankündigung eines Events verpasst oder starke Nachfragesignale unterschätzt.
Ich habe sogar ein paar „x“ in die Kurve eingefügt, um die sehr wahrscheinlichen Sellouts zu simulieren, die eintreten würden, wenn das ein echtes Beispiel wäre!
Aus Erfahrung kann ich sagen: Diese Kurve ist der schlimmste Albtraum jedes Revenue Managers!
Beachte, dass das Compset nach dem zu frühen Sellout die Rate weiter anheben und die gesamte Nachfrage, die das Beispielhotel nicht aufnehmen konnte, zu viel höheren Raten abschöpfen kann.
In der Podcastfolge hatte ich die Gelegenheit, Brandon zu fragen, ob er die „Unterpreis“-Kurve schon einmal erlebt hat. Das hat er gesagt:
„Die meisten haben das wahrscheinlich schon erlebt. Wenn du neu in einem Hotel oder einem Markt bist, in dem du vielleicht nicht alle Nachfragetreiber kennst, oder wenn etwas anderes auftaucht, das nicht auf deinem Radar war, bis es leider vielleicht schon zu spät ist!“
Ein weiterer guter Punkt von Brandon, denn er hat definitiv recht: Die wenigen Male, in denen ich diesen Fehler selbst gemacht habe, war ein Event angekündigt worden, auf das ich einfach nicht vorbereitet war.
Vor ein paar Jahren fand zum Beispiel ein neues Musikfestival in Austin zum ersten Mal statt, und das Hotel, mit dem ich gearbeitet habe, war an einem Wochenende innerhalb von etwa 24 Stunden ausverkauft! Das raubt mir heute noch den Schlaf.
Wie sieht also eine Kurve mit einer guten Ratenentwicklung aus, fragst du?
Die Genau-richtig-Buchungskurve
Spielen wir unser Szenario noch einmal durch: Wir sind Revenue Manager und arbeiten völlig sorgenfrei in unserem dynamischen Hotel vor uns hin, und dann …
„Ping“
Wir bekommen eine Benachrichtigung über das große Event im nächsten Jahr.
:format(webp))
Diesmal haben wir unsere Karten aber richtig ausgespielt.
Mit einer Kombination aus Rate-Shopping-Tools, Tools zur Nachfrageanalyse, vielleicht einer BI-Lösung oder sogar einem Benchmarking-Tool heben wir die Rate logisch an, je näher die Anreise rückt.
Wenn du ein echtes Beispiel dafür sehen willst, wie diese Kurve aussieht, schauen wir uns ein echtes Hotel an, das Rate Insight nutzt.
Das ist ein Hotel in einem sehr dynamischen Markt mit einer sehr starken Ratenentwicklung, die mir sofort ins Auge gefallen ist.
Ein echtes Beispiel für die genau richtige Preiskurve
Unser Beispielhotel ist in Dunkelblau dargestellt, der Rest des Compsets ebenfalls.
Es gibt zwar keine „perfekte“ Kurve der Ratenentwicklung, aber das ist eher die Form, die Revenue Manager anstreben sollten.
Die finale Verkaufsrate des Hotels lag deutlich höher als 30 Tage vorher, mit einem starken Aufwärtstrend beim Preis im Zeitverlauf.
Ein echtes Beispiel für die Buchungs- und Preiskurve
Um zu zeigen, wie Buchungskurve und Preiskurve zusammenspielen: Hier ist die entsprechende Buchungskurve für dieselbe Nacht, wieder im „Pace“-Diagramm von Rate Insight dargestellt.
Das war eine sehr stabile Buchungskurve, deren einziger großer Sprung genau bei der 30-Tage-Marke lag. Interessant finde ich, dass unser Revenue Manager trotzdem bei seiner Linie geblieben ist und auf diesen Belegungssprung nicht überreagiert hat!
Zum Compset – das muss man ihm lassen: Dieser Markt scheint im Vorfeld der Anreise ziemlich diszipliniert gewesen zu sein. Nur 1 Hotel senkt die Rate in den letzten 2 Tagen vor Anreise. Unser Wettbewerber in Hell-Lavendel ist etwa 8 Tage im Voraus ausverkauft, aber wie wir in dieser Serie lernen, ist das nicht unbedingt etwas Schlechtes.
Zurück zu unserem Hotel: So zu bepreisen, hat sicher Mut gekostet, aber es hat sich ausgezahlt. Das Hotel baute weiter eine stabile Basisbelegung auf, und der Revenue Manager hat in den letzten 9 Tagen vor Anreise richtig bei der Rate maximiert.
In diesen letzten 9 Tagen steigt das Hotel von 75 % auf einen perfekten Sellout am Anreisetag.
Meine Damen und Herren, einen Applaus für unseren Revenue Manager mit den Diamond Hands!
:format(webp))
Die wichtigsten Erkenntnisse
Neben dem reinen Pricing hat Brandon in meinem Interview viele weitere spannende Themen rund um Umsatzmaximierung, die Umsetzung des perfekten Sellouts und die Datenanalyse für den richtigen Preis angesprochen. Bei Pacifica legt Brandon großen Wert auf:
die Analyse von Buchungsfenstern nach Kanal und Segment, um diese Gäste zur höchstmöglichen ADR zu gewinnen, wenn sie sich am Höhepunkt ihres Buchungsverhaltens befinden.
das Einbinden weiterer Segmente und Promotion-Strategien mit einem attraktiven Preis, etwa nicht erstattbare Advance-Purchase-Raten, um mögliche Stornierungen in anderen Segmenten auszugleichen.
das Angebot weiterer Zusatzumsatzmöglichkeiten über die reine Basisrate hinaus entlang der gesamten Guest Journey, um den Umsatz zu maximieren (Packages, Annehmlichkeiten usw.)
Falls du es noch nicht getan hast: Hör dir unbedingt die Folge an!
Lass uns diese Folge abrunden und es einfach halten, denn ich glaube, es gibt eine ganz naheliegende Übung, mit der wir alle bessere Revenue Manager werden können. Probier das aus:
Log dich in Rate Insight ein und erstelle ein Diagramm zur Ratenentwicklung für 5 oder 10 deiner letzten technischen Sellouts (Nächte mit über 95 % Belegung).
Analysiere die Form deiner Kurve zur Ratenentwicklung: Bist du ein Gier-Kurven-Revenue-Manager? Ein „Unterpreiser“ – oder bepreist du schon ungefähr so, wie du solltest? Erklärt die Form deiner Kurve, warum du an manchen Nächten den Sellout verpasst hast?
Beim Schreiben dieses Blogs und beim Skript für den Podcast habe ich mich für diese Folge am stärksten auf zwei Tools verlassen: Business Intelligence und Rate Insight.
Wenn du mehr über diese Produkte oder unsere anderen Lösungen erfahren möchtest, melde dich gern hier!
:format(webp))
:format(webp))