Nieuwe Revenue Management softwareoplossing
Samen met toegewijde klanten werkt Maxxton aan een nieuwe softwaremodule waarin machine learning-algoritmen helpen bij het dynamisch prijzen van accommodaties.
De algoritmen houden rekening met de belangrijkste parameters. Zo krijgt de revenue management-afdeling inzichten, duidelijke suggesties en grip op de prestaties.
Update november 2022:
Revenue Manager pagina live.
-
Overzicht van historische en verwachte omzet
-
Segmenteren en optimaliseren van omzet per kanaal
-
Werken met specifieke budgetten in de tijd (targets)
-
Recommendation engine gebaseerd op voorspelde vraag
Dashboards en inzichten
In een dynamische en datagedreven wereld is het lastig om overzicht te houden. Daarom zijn intuïtieve en duidelijke dashboards essentieel. Revenue managers moeten direct toegang hebben tot de meest relevante en real-time informatie, te beginnen met bezetting en omzet. Daarnaast wil je eenvoudig afwijkingen kunnen signaleren en daarop handelen. Waarom presteert een groep accommodaties beter dan het budget, terwijl andere dat niet doen?
Prognoses
De data komt uit ons data warehouse. Het grote voordeel is dat externe data, zoals Google Analytics 360, eenvoudig kan worden gekoppeld. Daarmee kunnen voorspellingen worden gedaan vanuit de volledige datalake. Dit maakt verschillende soorten optimalisaties mogelijk. Soms is het verstandiger om in het laagseizoen een hogere bezetting na te streven, terwijl in het hoogseizoen de focus ligt op maximale omzet.
Revenue Management afgestemd op gastgedrag
Gasten zoeken over het algemeen niet naar een specifieke accommodatie, maar naar een regio, een locatie of een vakantiepark. Daarom zijn specifieke voorzieningen zoals een zwembad of huisdiervriendelijke accommodatie belangrijk. Wanneer de prijs van een specifieke unit, bijvoorbeeld een 4-persoons cottage, met 15% wordt verhoogd, is de kans groot dat een 6-persoons cottage aantrekkelijker wordt. Daarom is het slim om clusters van accommodaties te maken die gezamenlijk meebewegen met prijsaanpassingen.
Deze collecties leveren representatieve datasets van voldoende omvang. Ze corrigeren voor effecten van kannibalisatie en prijspariteit (bijvoorbeeld als 4-bed A veel duurder wordt, zal 4-bed B vaker gekozen worden). Bovendien maken ze prijswijzigingen eenvoudiger te beheren.
De belangrijke vragen beantwoorden
Het team van Maxxton werkt hard om antwoorden te geven op de volgende vragen:
-
Wat is er gebeurd?
-
Wat is er niet gebeurd?
-
Wat gaat er gebeuren?
Recommendation engine
Wanneer 60% van de accommodaties verhuurd is, is het cruciaal om de overige 40% zo gunstig mogelijk te verhuren. Hiervoor ontwikkelen we een recommendation engine. Deze ondersteunt door te voorspellen en tarieven zo voordelig mogelijk in te vullen, waarbij verschillende doelen als uitgangspunt kunnen gelden:
-
Maximale omzet
-
Maximale bezetting
-
Inzicht in prestaties ten opzichte van budget en eerdere periodes


