一种酒店客房预定收益管理的自动预测方法及系统与流程

1.本发明属于酒店收益分析技术领域，尤其涉及一种酒店客房预定收益管理的自动预测方法及系统。


背景技术：

2.现有技术无法将与收益相关的数据建立起模型，即使有简单的模型，但是依赖于人工的判断，响应速度慢，无法即时的将收益模型转化为实际的收益；
3.现有技术无法自动修正收益模型，收益模型是否准确依赖大量的数据修正，现有技术没有建立起模型的情况下，经过调整的数据无法反馈正确的结果进行修正。


技术实现要素：

4.鉴于上述现有技术的不足，本发明的目的在于提供一种实时更新预测收益的方法，旨在解决由于现有技术无法提供一种有效的酒店客房预定收益管理的自动预测方法，导致酒店收益预测不准确、数据更新不及时、用户体验不佳的问题。
5.一方面，本发明提供了一种酒店客房预定收益管理的自动预测方法，所述方法包括下述步骤：
6.获取历史销售数据；
7.将所述历史销售数据输入预测模型中进行计算；
8.所述预测模型基于所述历史数据进行计算获得预测收益；
9.获取最新的所述历史销售数据并带入所述预测模型中进行计算。
10.进一步优选地，所述方法还包括：
11.判断所述历史数据是否触发调整机制，若为是则调整实时房价。
12.进一步地，所述预测模型包括公式1和公式2、公式3以及公式4；
13.根据公式1获取月销售收入，
14.公式1：其中，为一个月内每日的销售收入的总和；
15.一个月内某日的销售收入根据公式2获得，
16.公式2：日销售收入＝当日市场总流量*曝光率*转化率*房型均价；其中，所述当日市场总流量为平均值，所述转化率也为平均值。
17.进一步地，所述方法还包括：根据公式4获取曝光率；
18.公式4：曝光率＝房型数据*优势价格*服务露出率*出租率。
19.进一步地，还包括：在节假日时提高所述房型均价；所述在节假日时提高所述房型均价与房型库存成反比。
20.进一步优选地，所述方法还包括：根据公式5获取客房年度总收益；
21.客房年总收益＝客房各销售总量*各客房销售价≈有效销售客房总量*房型均价
≈月有效销售客房总量*房型均价*12≈全年入住日期的单量*入住日期的房型均价。
22.进一步优选地，，所述方法还包括：人工设定或修改所述历史销售数据，将所述历史销售数据输入预测模型中进行计算；
23.所述获取历史销售数据通过爬虫获取。
24.另一方面，本发明提供了一种酒店客房预定收益管理的自动预测系统，所述系统包括：
25.房价展示单元，展示实时房价；
26.收益预测单元，获取历史销售数据，将所述历史销售数据输入预测模型中进行计算，所述预测模型基于所述历史数据进行计算获得预测收益，获取最新的所述历史销售数据并带入所述预测模型中进行计算，判断所述历史数据是否触发调整机制，若为是则调整实时房价；
27.信息收集单元，对影响收益的信息进行收集。
28.另一方面，本发明还提供了一种非易失性计算机可读存储介质，所述非易失性计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行时，可使得所述一个或多个处理器执行上述的酒店客房预定收益管理的自动预测方法。
29.另一方面，本发明还提供了一种计算机程序产品，所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被处理器执行时，使所述处理器执行上述的酒店客房预定收益管理的自动预测方法。
30.本发明的有益效果在于：获取历史销售数据，将历史销售数据输入预测模型中进行计算，预测模型基于历史数据进行计算获得预测收益，获取最新的历史销售数据并带入预测模型中进行计算，判断历史数据是否触发调整机制，若为是则调整实时房价；从而提高了预测收益的准确率，进而提高了用户体验。
附图说明
31.图1是本发明实施例一提供的酒店客房预定收益管理的自动预测方法的实现流程图；
32.图2是本发明实施例二提供的酒店客房预定收益管理的自动预测系统的结构示意图。
具体实施方式
33.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
34.以下结合具体实施例对本发明的具体实现进行详细描述：
35.实施例一：
36.图1示出了本发明实施例一提供的酒店客房预定收益管理的自动预测方法的实现流程，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：
37.在步骤s101中，获取历史销售数据；
38.在本发明的实施例中，方法还包括：人工设定或修改历史销售数据，将历史销售数据输入预测模型中进行计算；模型确定后，各系数初始值我们可以根据先有手工方式确定或者通过历史数据先确定部分系数，然后通过程序自动计算修正得出权重系数，最终实现模型的准确性。
39.获取历史销售数据通过爬虫获取。
40.在步骤s102中，将历史销售数据输入预测模型中进行计算；
41.在步骤s103中，预测模型基于历史数据进行计算获得预测收益；
42.在步骤s104中，获取最新的历史销售数据并带入预测模型中进行计算。
43.在本发明的实施例中，获取历史销售数据，将历史销售数据输入预测模型中进行计算，预测模型基于历史数据进行计算获得预测收益，获取最新的历史销售数据并带入预测模型中进行计算，判断历史数据是否触发调整机制，若为是则调整实时房价；从而提高了预测收益的准确率，进而提高了用户体验。
44.进一步地，还包括：
45.判断历史数据是否触发调整机制，若为是则调整实时房价。
46.在本发明的实施例中，传统做收益分析的方法是人工归集各种数据做关联分析，这种方式效率低下，对市场敏感度滞后，本发明采用数据修正依赖于模型自动触发的方式，一旦影响销售价格的数据触发到模型的变动范围，系统自己计算销售价并调整。
47.进一步地，还包括：
48.预测模型包括公式1和公式2、公式3以及公式4；
49.根据公式1获取月销售收入，
50.公式1：公式1：其中，为一个月内每日的销售收入的总和；
51.此公式中，某一间房按照提前一个月销售计算，即到某一天，此房间已经销售一个月后的总收入等于一个月内每天的销售收入总和(忽略后续取消订单)；
52.一个月内某日的销售收入根据公式2获得，
53.公式2：日销售收入＝当日市场总流量*曝光率*转化率*房型均价；其中，当日市场总流量为平均值，转化率也为平均值。
54.一般转化率是一个常量，虽然有波动，但是跟渠道的特征有关，可以统计出均值。当日市场总流量也跟交易平台特征有关，一般按照均值计算，但是越是特殊节假日流量增加的时候，我们的销售均价反而要提高，因为价格跟库存成反比，只有我们有更多的库存销售更高的价格才能获取更高的总收益。由此，曝光率和房型均价是影响总收益的因素。
55.在本发明的实施例中，客房销售总量和房价相互影响，房价高但会导致预定量低，单量减少，总收益可能减少，房价低，单量增加，但是均价*总量过低也会影响总收益。房型均价在此模型中有一定比例的影响因素，但影响单量的因素还有当前酒店在线上销售的曝光率、好评度、竞对酒店的价格、市场活跃度的预测。
56.进一步地，还包括：根据公式4获取曝光率；
57.公式4：曝光率＝房型数据*优势价格*服务露出率*出租率。
58.进一步优选地，还包括：在节假日时提高房型均价；在节假日时提高房型均价与房
型库存成反比。
59.其中，影响酒店客房收益的维度主要是酒店客房出租率和房型均价，名词解释如下：
60.酒店客房出租率：已经销售的房间数占可销售房间总数的比例。
61.房型均价：各个不同房间类型某一段统计时间内的销售价格。
62.进一步优选地，方法还包括：根据公式5获取客房年度总收益；
63.客房年总收益＝客房各销售总量*各客房销售价≈有效销售客房总量*房型均价≈月有效销售客房总量*房型均价*12≈全年入住日期的单量*入住日期的房型均价。
64.实施例二：
65.图2示出了本发明实施例二提供的酒店客房预定收益管理的自动预测系统的结构，为了便于说明，仅示出了与本发明实施例相关的部分，其中包括：
66.房价展示单元，展示实时房价；
67.在本发明的实施例中，该单元用于将酒店实时需要销售的房间价格展示出来，让客人通过互联网的平台就能预定酒店。
68.收益预测单元，获取历史销售数据，将所述历史销售数据输入预测模型中进行计算，所述预测模型基于所述历史数据进行计算获得预测收益，获取最新的所述历史销售数据并带入所述预测模型中进行计算，判断所述历史数据是否触发调整机制，若为是则调整实时房价；
69.在本发明的实施例中，此单元是预测模型的实际实现，预测模型依赖的数据加入到该模块后，模型进行计算分析如果分析的结果需要更新销售的房价把价格更新到房价展示单元；
70.信息收集单元，对影响收益的信息进行收集。
71.在本发明的实施例中，对影响收益的数据进行收集，如历史同期单量售价，竞对酒店价格，市场热度等。
72.在本发明实施例中，酒店客房预定收益管理的自动预测系统的各单元可由相应的硬件或软件单元实现，各单元可以为独立的软、硬件单元，也可以集成为一个软、硬件单元，在此不用以限制本发明。
73.实施例三：
74.本发明实施例三提供了一种非易失性计算机可读存储介质，计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行，例如，执行以上描述的图1中的方法步骤s101至步骤s104。
75.作为示例，非易失性存储介质能够包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦rom(eeprom)或闪速存储器。易失性存储器能够包括作为外部高速缓存存储器的随机存取存储器(ram)。通过说明丽非限制，ram可以以诸如同步ram(sram)、动态ram、(dram)、同步dram(sdram)、双数据速率sdram(ddr sdram)、增强型sdram(esdram)、synch l ink dram(sldram)以及直接rambus(兰巴斯)ram(drram)之类的许多形式得到。本文中所描述的操作环境的所公开的存储器组件或存储器旨在包括这些和/或任何其他适合类型的存储器中的一个或多个。
76.实施例四：
77.本发明实施例四提供了一种计算机程序产品，计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序，计算机程序包括程序指令，当程序指令被处理器执行时，使所述处理器执行上述方法实施例的酒店客房预定收益管理的自动预测方法。例如，执行以上描述的图1中的方法步骤s101至步骤s104。
78.以上所描述的实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际需要选择其中的部分或者全部模块来实现本实施例方案的目的。
79.通过以上的实施例的描述，本领域的技术人员可以清楚地了解到各实施例可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件实现。基于这样的理解，上述技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存在于计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机电子设备(可以是个人计算机，服务器，或者网络电子设备等)执行各个实施例或者实施例的某些部分的方法。
80.除了其他之外，诸如"能够'、"能"、"可能"或"可以"之类的条件语言除非另外具体地陈述或者在如所使用的上下文内以其他方式理解，否则一般地旨在传达特定实施方式能包括(然而其他实施方式不包括)特定特征、元件和/或操作。因此，这样的条件语言一般地不旨在暗示特征、元件和/或操作对于一个或多个实施方式无论如何都是需要的或者一个或多个实施方式必须包括用于在有或没有学生输入或提示的情况下判定这些特征、元件和/或操作是否被包括或者将在任何特定实施方式中被执行的逻辑。
81.已经在本文中在本说明书和附图中描述的内容包括能够提供酒店客房预定收益管理的自动预测方法及系统的示例。当然，不能够出于描述本公开的各种特征的目的来描述元件和/或方法的每个可以想象的组合，但是可以认识到，所公开的特征的许多另外的组合和置换是可能的。因此，显而易见的是，在不脱离本公开的范围或精神的情况下能够对本公开做出各种修改。此外，或在替代方案中，本公开的其他实施例从对本说明书和附图的考虑以及如本文中所呈现的本公开的实践中可能是显而易见的。意图是，本说明书和附图中所提出的示例在所有方面被认为是说明性的而非限制性的。尽管在本文中采用了特定术语，但是它们在通用和描述性意义上被使用并且不用于限制的目的。

技术特征：
1.一种酒店客房预定收益管理的自动预测方法，其特征在于，所述方法包括下述步骤：获取历史销售数据；将所述历史销售数据输入预测模型中进行计算；所述预测模型基于所述历史数据进行计算获得预测收益；获取最新的所述历史销售数据并带入所述预测模型中进行计算。2.如权利要求1所述的方法，其特征在于，所述方法还包括：判断所述历史数据是否触发调整机制，若为是则调整实时房价。3.如权利要求1所述的方法，其特征在于，所述预测模型包括公式1和公式2、公式3以及公式4；根据公式1获取月销售收入，公式1：其中，为一个月内每日的销售收入的总和；一个月内某日的销售收入根据公式2获得，公式2：日销售收入＝当日市场总流量*曝光率*转化率*房型均价；其中，所述当日市场总流量为平均值，所述转化率也为平均值。4.如权利要求3所述的方法，其特征在于，所述方法还包括：根据公式4获取曝光率；公式4：曝光率＝房型数据*优势价格*服务露出率*出租率。5.如权利要求3所述的方法，其特征在于，还包括：在节假日时提高所述房型均价；所述在节假日时提高所述房型均价与房型库存成反比。6.如权利要求1所述的方法，其特征在于，所述方法还包括：根据公式5获取客房年度总收益；客房年总收益＝客房各销售总量*各客房销售价≈有效销售客房总量*房型均价≈月有效销售客房总量*房型均价*12≈全年入住日期的单量*入住日期的房型均价。7.如权利要求1所述的方法，其特征在于，所述方法还包括：人工设定或修改所述历史销售数据，将所述历史销售数据输入预测模型中进行计算；所述获取历史销售数据通过爬虫获取。8.一种酒店客房预定收益管理的自动预测装置，其特征在于，所述装置包括：房价展示单元，展示实时房价；收益预测单元，获取历史销售数据，将所述历史销售数据输入预测模型中进行计算，所述预测模型基于所述历史数据进行计算获得预测收益，获取最新的所述历史销售数据并带入所述预测模型中进行计算，判断所述历史数据是否触发调整机制，若为是则调整实时房价；信息收集单元，对影响收益的信息进行收集。9.一种非易失性计算机可读存储介质，其特征在于，所述非易失性计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行时，可使得所述一个或多个处理器执行权利要求1-7任一项所述酒店客房预定收益管理的自动预测方法。
10.一种计算机程序产品，其特征在于，所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被处理器执行时，使所述处理器执行权利要求1-7任一项所述的酒店客房预定收益管理的自动预测方法。

技术总结
本发明适用酒店收益分析技术领域，提供了一种酒店客房预定收益管理的自动预测方法及系统，方法包括：获取历史销售数据，将历史销售数据输入预测模型中进行计算，预测模型基于历史数据进行计算获得预测收益，获取最新的历史销售数据并带入预测模型中进行计算，判断历史数据是否触发调整机制，若为是则调整实时房价；还包括：人工设定或修改历史销售数据，将历史销售数据输入预测模型中进行计算；从而提高了预测收益的准确率，进而提高了用户体验。进而提高了用户体验。进而提高了用户体验。


技术研发人员：郑柱伟 张威
受保护的技术使用者：深圳市飞耶软件有限公司
技术研发日：2023.03.01
技术公布日：2023/8/28