Ernest, il collega IA per i team commerciali degli hotel, è ora disponibile per tutti.Richiedi una demo
Podcast

The Art of the Sellout Parte 2: evoluzione delle tariffe

Esplora la complessità dell’evoluzione delle tariffe con Daniel Foreman e Brandon Burtis di Pacifica Hotels. Questo episodio fa chiarezza sulle strategie di dynamic pricing e mostra come adeguare le tariffe delle camere in tempo reale possa generare una crescita significativa dei ricavi. Con scenari pratici, imparerai a impostare e modificare le tariffe per restare competitivo e massimizzare i profitti, trasformando la gestione delle tariffe in un potente strumento di successo.

Relatori
  • Daniel Foreman

    Stratega commerciale
  • Brandon Burtis

    VP del revenue management di Pacifica Hotels

Per la parte 2 divertiamoci un po’ e tuffiamoci nell’aspetto del revenue management più associato alla nostra professione: modificare la strategia tariffaria.

In questo episodio ho avuto con me Brandon Burtis, VP del revenue management di Pacifica Hotels, il più grande owner/operator di boutique hotel della West Coast!

Se vogliamo far atterrare dolcemente il nostro aereo (in senso figurato), iniziamo imparando un termine chiave che ci servirà lungo il viaggio. Quel termine è rate evolution, ovvero l’evoluzione delle tariffe, che indica semplicemente come cambiano le tariffe delle camere nel tempo.

L’evoluzione delle tariffe può essere analizzata per un singolo hotel, per un intero mercato o per l’intero settore. Ad esempio, dai un’occhiata al nostro ultimo report sull’effetto che le Olimpiadi stanno avendo sul mercato di Parigi, in particolare a questo grafico:

Questo è un ottimo esempio di evoluzione delle tariffe a livello di mercato, che mostra come le tariffe “evolvono” nel tempo: l’asse X indica i “giorni all’arrivo”.

Come nella Parte 1, inizierò mostrandoti alcune curve concettuali di evoluzione delle tariffe. Appena le vedrai dovresti riuscire a capire cosa succede in ciascuna (ma non preoccuparti, in caso contrario aggiungerò qualche dettaglio).

Allora, simuliamo un piccolo scenario…

Immagina di essere il revenue manager di un hotel di successo. Ti trovi in un mercato dinamico con un calendario di eventi molto attivo; è una giornata di routine e stai lavorando con diligenza quando all’improvviso ricevi un alert.

"ping"

È appena stato annunciato un grande evento. È un importante driver della domanda e si terrà tra circa un anno!

Usa la fantasia: magari è il Superbowl, la Big Tech Corporate Conference ™ o forse un grande convegno di birdwatching (chi sono io per giudicare). Il punto è che sarà un evento davvero importante!

Supponiamo di essere un po’ troppo aggressivi e di far schizzare la nostra tariffa alle stelle, a 1000 $ (mentre il nostro compset potrebbe essere solo intorno ai 500 $).

La curva dell’avidità

Cosa succede quando fissiamo prezzi troppo alti?

È un fenomeno di cui ho parlato in un recente articolo sugli errori più comuni nel revenue management.

Spesso noi revenue manager inseriamo una “dummy rate” troppo alta per proteggere l’inventario, oppure fissiamo semplicemente prezzi del tutto irrealistici sperando di ottenere magicamente un pickup forte.

Per esperienza, ecco cosa succede quando adotti questo approccio. Guarda la curva di evoluzione delle tariffe qui sotto e nota cosa sta succedendo:

The greed curve showing hotel pricing evolution in the buildup to an event

Nota che il nostro hotel resta su un prezzo irrealistico per moltissimo tempo. Nel frattempo, il compset ha una tariffa di vendita più ragionevole.

Con il passare del tempo, la mancanza di pickup ci costringe ad abbassare la tariffa all’ultimo minuto per cercare di racimolare occupazione: una strategia quasi sempre perdente.

Nota anche che il compset ha l’opportunità di spingere la tariffa negli ultimi giorni prima dell’arrivo, uno dei vantaggi di una strategia di pricing logica (loro costruivano una buona occupazione di base mentre noi respingevamo gli ospiti!)

Penso che siamo tutti d’accordo sul fatto che quella che chiamo la “curva dell’avidità” qui sopra sia una strategia non ottimale.

Nella mia intervista per il podcast, Brandon ha fatto un’osservazione molto valida sulla “curva dell’avidità”: di solito, quando i revenue manager commettono questo errore, è per un ottimismo cieco e per un’errata comprensione di quanta domanda ci sia davvero:

“È più una [curva] ottimistica... speri che ci sia così tanta domanda da poter resistere ed essere a 699 $ con una [restrizione di] soggiorno minimo di 5 notti e, ovviamente, man mano che ti avvicini devi fare i conti con la domanda che si sta effettivamente concretizzando, che non è proprio così promettente come avresti voluto”.

Brandon Burtis on the “Greed” Curve

Mi piace questa osservazione di Brandon perché anche i migliori di noi possono commettere ogni tanto questi errori di ottimismo, e spesso il grande colpevole è una valutazione imprecisa della domanda.

Ricordi il grafico sulle Olimpiadi di Parigi che ti ho mostrato all’inizio del blog? Beh, al momento il mercato di Parigi è decisamente bloccato nella curva dell’“avidità”, probabilmente proprio per il motivo citato da Brandon!

La curva sottoprezzata

Riproponiamo ancora una volta questo scenario, ma ora con un approccio completamente diverso…

"ping"

Ora il grande evento viene annunciato ma questa volta, invece di fissare prezzi troppo alti, lasciamo la nostra tariffa troppo bassa.

The Underpriced Curve showing the evolution of hotel pricing in the buildup to events

È l’estremo opposto dello spettro, che possiamo chiamare la curva “sottoprezzata”.

Spesso questo andamento dell’evoluzione delle tariffe si verifica quando un hotel si perde l’annuncio di un evento o sottovaluta forti indicatori di domanda.

Ho persino aggiunto qualche “x” nella curva per simulare i sellout molto probabili che si verificherebbero se fosse un esempio reale!

Parlo per esperienza: questa curva è il peggior incubo di ogni revenue manager!

Nota che, dopo che l’hotel dell’esempio è andato in sellout troppo presto, il compset può continuare a spingere la tariffa e godersi l’assorbimento di tutta la domanda che l’hotel non è riuscito ad accogliere, a tariffe molto più alte.

Nell’episodio del podcast ho avuto l’occasione di chiedere a Brandon se avesse mai vissuto la curva “sottoprezzata”, ed ecco cosa ha risposto:

“Probabilmente è successo alla maggior parte delle persone. Quando sei nuovo in un hotel o in un mercato, potresti non conoscere tutti i generatori di domanda, o qualcos’altro che potrebbe spuntare fuori e che non era sul tuo radar finché, purtroppo, non è troppo tardi!”

Brandon Burtis on the “Underpriced” Curve

Un’altra ottima osservazione di Brandon, perché ha assolutamente ragione: le poche volte in cui ho commesso io stesso questo errore è stato quando è stato annunciato un evento per cui semplicemente non ero pronto.

Ad esempio, qualche anno fa un nuovo festival musicale ad Austin ha tenuto la sua prima edizione e l’hotel con cui lavoravo è andato in sellout in circa 24 ore, durante un weekend! Ancora oggi mi toglie il sonno.

Quindi, ti chiederai, che aspetto ha una curva di evoluzione delle tariffe ben fatta?

La booking curve giusta

Bene, riproponiamo il nostro scenario: siamo un revenue manager che lavora nel suo hotel dinamico senza alcun pensiero al mondo, e poi…

"ping"

Riceviamo un alert sul grande evento dell’anno prossimo.

The about-right curve showing a good hotel pricing evolution in the build up to an event

Questa volta, però, abbiamo giocato bene le nostre carte.

Usando un mix di strumenti di rate shopping, strumenti di analisi della domanda, magari una soluzione di BI o persino uno strumento di benchmarking, spingiamo la tariffa in modo logico man mano che ci avviciniamo all’arrivo.

Se vuoi vedere un esempio reale di come appare questa curva, concentriamoci su un hotel reale che usa Rate Insight.

È un hotel in un mercato molto dinamico, con una curva di evoluzione delle tariffe molto solida che ha attirato subito la mia attenzione.

An example of hotel pricing curve in revenue management showing the compset pricing in the buildup to an eventUn esempio reale che mostra la curva di pricing giusta

Il nostro hotel di esempio è mostrato in blu scuro, insieme al resto del compset.

Anche se non esiste una curva di evoluzione delle tariffe “perfetta”, questa è più o meno la forma a cui i revenue manager dovrebbero puntare.

La tariffa di vendita finale dell’hotel era molto più alta rispetto a 30 giorni prima, con un forte trend di crescita del prezzo nel tempo.

A real-life example showing the booking and pricing curve for a perfect sellout in hotel revenue managementUn esempio reale che mostra la booking curve e la curva di pricing

Per illustrare come booking curve e curva di pricing lavorano insieme, ecco la booking curve corrispondente per la stessa notte, mostrata ancora una volta nel grafico ‘pace’ di Rate Insight.

Era una booking curve decisamente stabile, con l’unico salto importante proprio in corrispondenza dei 30 giorni. Quello che trovo interessante è che il nostro Revenue Manager è rimasto fermo sulle sue posizioni e non ha reagito in modo eccessivo a questo salto di occupazione!

Passando al compset, devo riconoscere che questo mercato sembra essere stato piuttosto disciplinato nel periodo che precede l’arrivo. Solo 1 hotel abbassa la tariffa negli ultimi 2 giorni prima dell’arrivo. Il nostro concorrente in lavanda chiaro va in sellout circa 8 giorni prima, ma, come stiamo imparando in questa serie, non è necessariamente un male.

Tornando al nostro hotel, fissare i prezzi in questo modo deve aver richiesto un bel coraggio, ma ha dato i suoi frutti. L’hotel ha continuato a costruire un’occupazione di base costante e il Revenue Manager ha iniziato davvero a massimizzare la tariffa negli ultimi 9 giorni prima dell’arrivo.

In quegli ultimi 9 giorni, l’hotel passa dal 75% a un sellout perfetto il giorno dell’arrivo.

Signore e signori, un applauso al nostro revenue manager dai nervi d’acciaio!

Punti chiave

Oltre al pricing in sé, nella mia intervista Brandon ha toccato molti altri temi interessanti su come massimizzare i ricavi, realizzare il sellout perfetto e analizzare i dati per arrivare al prezzo giusto. In Pacifica, Brandon dà grande importanza a:

  • Analizzare le booking window per canale e segmento, il che permette a sua volta di intercettare quegli ospiti all’ADR più alto possibile, quando si trovano nel punto di picco del loro booking pattern.

  • Aggiungere altri segmenti e strategie promozionali con un prezzo interessante, come le tariffe advance purchase non rimborsabili, per aiutare a bilanciare le possibili cancellazioni in altri segmenti.

  • Offrire altre opportunità ancillary oltre alla sola tariffa base lungo tutto il guest journey per massimizzare i ricavi (pacchetti, servizi, ecc.)

Se non l’hai ancora fatto, ascolta l’episodio!

Quindi chiudiamo questo episodio mantenendo le cose semplici, perché penso ci sia un esercizio molto ovvio che possiamo fare tutti per diventare revenue manager migliori. Prova questo:

Accedi a Rate Insight ed esegui un grafico di evoluzione delle tariffe per 5 o 10 dei tuoi sellout tecnici recenti (notti con occupazione superiore al 95%).

Analizza la forma della tua curva di evoluzione delle tariffe: sei un revenue manager da curva dell’avidità? Uno che “sottoprezza”, o fissi già i prezzi più o meno dove dovresti? La forma della tua curva spiega perché in alcune notti hai mancato il sellout?

Mentre scrivevo questo blog e preparavo il copione del podcast, i due strumenti su cui mi sono basato di più per questo episodio sono stati Business Intelligence e Rate Insight.

Se vuoi saperne di più su questi prodotti o su qualsiasi altra nostra soluzione, contattaci qui!

Scopri come la piattaforma commerciale di Lighthouse può aiutarti a realizzare il sellout perfetto!