5月8日，国务院联防联控机制举行新闻发布会表示，五一期间，全国餐饮、住宿行业消费复苏指数比今年清明假期分别提升18.8和15个百分点。由此可见，随着国内新冠疫情逐渐向好，人们出行住酒店的需求稳步上升，五一假期也让不少酒店终于迎来2020年的第一个入住小高峰。
但是，有经验的酒店管理者并没有仅仅因为客房出租率的提升就感到兴奋，从会员体系到客源结构，影响酒店运营成果的因素太多。
疫情产生的影响尚未明确，但是“憋在家”四个月之久的出行爱好者及差旅群体的入住需求已经展露迸发势头，同时，曾经习惯“宅”的人们也因为疫情的关系纷纷想要趁着岁月静好出门看看世界、上有老下有小的“前浪”们也出发开启亲子游。
可以确定的是，疫情为人们的出行意识起到了明显的教育作用，非差旅类住房需求将在很长一段时间内保持增长。对于这一波增量，有心的酒店管理者已经开始着手准备，结合集团的酒店数量、会员数量、员工数量、以及并发预测，将目前已有的管理系统升级为更简便快捷的数据系统是燃眉之急。
DataHunter数猎哥在恭喜各家酒店挺过需求寒冬的同时，今天将带来升级酒店BI系统、实现高效响应的大数据思维。
一、住前、住后数据为酒店精细化运营打下基础
不知大家是否还记得2018年年末，阿里提出的“无人酒店”，酒店可以将客户每一次“扫脸识别”及与机器的互动都在数据系统中进行处理，同时将每一个客户的需求沉淀下来。
这不仅大大降低了酒店大堂的运营成本，提高系统响应效率，同时其记录的会员个性化需求，将为随着用户的每一次入住，渐渐丰富其个人画像，久而久之将酒店客户的集体画像颗粒度做到更加精细，后续价值极大。
其实“无人酒店”在日本早就存在了，而在国内，互联网已经普及，酒店通过互联网电子商务平台构建的预订平台令数据获取变得十分方便，成为了酒店行业数字化转型的基础优势。因为对数据的获取、积累、挖掘和利用正是科技改造甚至颠覆很多传统行业的“法宝”，酒店行业也是一样。
平台获取酒店顾客的住前数据、交易数据，是为了在流量达到一定规模形成所谓大数据后，开始针对数据进行一系列的价值挖掘，如对各类旅游者进行画像、分析受众的预订行为和交易行为、分析各类旅游市场等等。
顾客入住酒店的住前数据反映了对酒店的需求现状，OTA等互联网公司近二十年的积累已经牢牢掌控了这一“阵地”，甚至某OTA可以依靠这些大数据实时形成的“热点图”来“简单粗暴”地判断哪些地点适合建酒店、建什么样的酒店，从而实现酒店的“精准选址”。
伴随着大量顾客在入住酒店后在手机端进行点评，海量的“住后数据”也形成了。如果酒店可以通过渗透到酒店的经营管理环节的数据，重新整合价值链前段和后端进行价值的复用，酒店的价值链将会进一步迭代，
因此，酒店（集团）完全可以积累、分析和利用顾客入住产生的数据，利用这些数据使得自身的服务、经营和管理建立在“数据化”基础之上，形成升级版的服务、经营和管理模式，从而将数据转化为自身的知识、能力和智慧，实现数据化赋能。
二、酒店数据化运营切入点
酒店要形成自身独有的数据库，围绕自己的会员和用户，既要建立“大数据”（即尽可能多地考虑顾客各方面信息），也要考虑“厚数据”（即要考虑长时段、包括顾客深层次情感、心理活动、体验故事等方面的数据）。特别是顾客在入住期间的各种个性化需求、特殊问题以及由此形成的解决方案。这些都是酒店非常重要的资源，酒店应当将这些数据持续地导入自身的管理信息系统。
1.用户画像与定位
北京市有两家酒店在距离上是靠得最近的：北京京伦酒店和建国酒店都在长安街的一侧，互相间只隔着一条不到10米宽的小马路。但是，他们相临而不相争。能够做到这一步，就是因为各自市场定位非常明确。如果一个日本客人原想住京伦酒店，因为没有空房，京伦酒店的前台会把他介绍到建国酒店去住。第二天，这个日本客人还会回到京伦酒店。为什么？因为建国酒店欧美客人多，日本人不习惯。物以类聚，人以群分，他要回到自己的群体中去。
因此，明确市场定位，找准目标客源是市场销售中第一重要的事情。对于大型连锁酒店来说，受众定位是关系到竞争与长期战略的重要考量起点，而对于中型酒店集团来说，定位关系到从获客、经营、品牌打造的方方面面。
因为有些客人就是简单入住，离开。但是，有些客人会大量消费（比如精美的晚餐，娱乐休闲，体育运动和spa）。而不断更新用户画像就是酒店在自身定位之上精耕细作的重要辅助。酒店行业受众画像可以围绕以下通用维度：
（1）受众性别分布
有统计显示，酒店行业整体受众男性大于女性，比例约为6:4，具体差异甚至更大。因此部分拥有相关增值服务的酒店，可以适当地调整资源投入比例，比如减小为女性客户提供的SPA服务的投资，将资金投入到优化男女都可以享受的游泳池的环境及服务体验上。当然，是否真正做出调整，还需要看结合各自酒店的具体数据。
DataHunter为企业制作的“用户画像”分析
（2）受众年龄分布
目前，酒店行业受众群体中，18-29岁为主要人群。但是在分析数据的同时不仅要看到行业数据，也要把受众放到全社会受众这个大全集中进行参考，考虑比例。同时结合各自酒店的具体数据，进行消费能力分析和出行并发周期的分析。
DataHunter为企业制作的客户群体分析
（3）受众收入分布
我们知道，酒店运营的重要综合公式：
酒店经营重要指标（RevPAR）= 入住率（Occupancy）X平均房价（ADR）。
国际或国内品牌酒店不轻易打价格战的一部分原因，就是其硬件设备设施的“生命周期”比单体酒店的“生命周期”要长久。
从公式中，我们可以看出，高出租率低价格比低出租率高价格要支付更多的水、电、气、人工、洗涤等成本。因此在疫后阶段借助价格控制合理的出租率更是避免不可控风险的重要方法。
同时，降价一旦带来“客源结构”变化，导致“原本可以用五年的地毯只能用三年”，或者缩短其他设备设施的使用寿命，不仅将为酒店带来经营成本，也有极大可能迫使原本的高付费用户因为“不是我认识的那个酒店了”而离开。
因此，酒店业者都应该清醒地意识到，入住率高并不等于就真的赚钱。如果平均房价低于正常水平的话，RevPAR（每间可供出租客房产生的平均实际营业收入）就很难提升，酒店的整体经营状况也会受到影响。
（4）受众日常轨迹
在一家酒店的分析数据中，酒店调查了客户App使用情况的分布，其中商务、旅行、图片类App使用百分比加和超过60%，其次是图书、工具、效率类App，相加超过10%。这无疑为酒店在线上打造品牌找到了突破口。
不过，有调查表明酒店行业广告单个点击成交价格是略低于全体互联网用户的，加上现在褪去的流量红利，酒店要想在线上渠道建设客户认知心智以及获得很好的流量转化，还需要控制成本多做测试找到引导客户的最佳“姿势”。这里有3个小tips：
a）精准找到用户：酒店可以通过人群标签进行定向投放，这需要酒店对内将自身用户画像细化清楚，对外把相关渠道的用户也调研清晰，在投放之前确保相对高的匹配程度；
b）时段选择：结合渠道用户的活跃时间，找到品牌投放的黄金时段；
c）拓展渠道类型，找到价格红利。
DataHunter为企业制作的推广渠道分析
潜在客群选择北京酒店预订时，相比传统常见的酒店类型，更多关注当地以四合院为代表的民宿和精品酒店，酒店式公寓也同样更受欢迎。同时对于中高端酒店而言，直接搜索酒店名称或者搜索“五星级酒店排名”的潜在客户也十分多，酒店市场认知程度和宣传程度对于远距离客群预定影响力巨大。
2.基于大数据的价格调控
既然不能单纯因为出租率而调整价格，那么是否有机遇大数据的方法可以让酒店运营者将价格与成本调整在可控范围内呢？有的。
与大多数行业一样，分析技术在酒店服务业所做的工作大部分侧重于营销。总的目标常常是策划个性化营销活动，这就需要分析关于到访客人的所有可用信息，为此需要收集客人反馈、交易活动、忠诚度计划的使用情况以及购买的第三方人口统计数据。但是，这些数据不仅仅可以用来决定提供餐厅吃饭免费还是附近影院免费影票的服务更有可能吸引终身价值高的客人来预订。
比方说，在万豪酒店，大数据并不局限于营销，它已用在这家连锁酒店的业务运营的各个方面。非结构化和半结构化数据集(比如天气预报和当地活动时间表)用来预测需求，并确定每一间客房在全年的价格。这让万豪酒店能够制定最合理的房价–这在当下至关重要，因为如今客户习惯于扫描价格比较服务、寻找最实惠的酒店，以便省钱。同样，喜达屋的系统也会分析当地以及世界经济因素、活动和天气情况，优化房价。知道本国天气如何影响北美核心客户群在加勒比海度假消费，他们就知道降低房价或开展营销的最佳时机。事实上，这一策略也让客房收入增长了近5%。
酒店和酒店服务业也许刚开始使用大数据，但是它有令人羡慕的数据数量和种类可供利用。从订房那一刻起到退房那一刻，客户留下的第一条数据痕迹，都被分析人员开始认真地转变成可付诸行动的洞察力。
3.酒店要建立数据网络治理体系强化数据化赋能
对于中型以上酒店来说，拥有大量人力资源，因此在酒店升级系统的过程中，既要考虑技术、机器产生的数据，还要考虑人的经验形成的隐性知识；既要考虑酒店管理者对数据的分析和应用，也要考虑基层员工的学习和使用成本，让数据的搜集、分析与利用在全集团、全公司形成“分布式结构”，形成广泛的数据网络。
不管是用一张简单的EXCEL表格建立的数据库，还是酒店信息系统里“客史档案”的数据库，只有“用起来”，才会“活起来”，才会逐步提升酒店的数据分析能力和应用能力，以及数据与业务紧密结合的能力。
三、总结
总的来说，真正受欢迎的酒店，无关疫情，都应以行业的本质去考量。酒店首先要以为客人带来更好的体验为宗旨，做好最基本的工作。如同提到的“无人酒店”，未来会有更多的酒店会利用各类科技，在可视化、远程管理、参与感等方面不断提升运营效率。
而这里DataHunter就能帮到你，Data Analytics是一个轻量级业务数据可视化平台，可一键快速接入企业本地和云端内外部Execl/CSV等数据文件，无需编程仅需简单的拖拽即可制作酷炫的数据可视化看板，用直观的数据帮你做好酒店的经营管理。
*参考资料：
【1】《行业数据 | 2020年中国酒店业疫情应对及调研数据分析报告》高满霞 迈点研究院
【2】《干货|酒店GM如何做客源结构数据分析与准确定位》 冉龙福 酒店高参
【3】《业界 | 大数据分析技术如何改变传统酒店与保险业》 机器之心
【4】《酒店高管如何从“无人酒店”看酒店业的数据化管理》 李彬 酒店高参
关于 DataHunter
DataHunter 是一家专业的数据分析和商业智能服务提供商，注册于2014年。团队核心成员来自IBM、Oracle、SAP等知名公司，深耕大数据分析领域，具有十余年丰富的企业服务经验。
DataHunter 旗下核心产品智能数据分析平台Data Analytics、数据大屏设计配置工具Data MAX已在业内形成自己的独特优势，并在各行业积累了众多标杆客户和成功案例。
成立以来，DataHunter就致力于为客户提供实时、高效、智能的数据分析展示解决方案，帮助企业查看分析数据并改进业务，成为最值得信赖的数据业务公司。
网友评论