Quando si tratta di affitti per le vacanze, proporre per ogni alloggio la tariffa perfetta al momento giusto non è affatto un'impresa facile. Siamo i pionieri del pricing dinamico per gli affitti a breve termine, lo sappiamo bene!
Per ottenere prezzi accurati per le case vacanza, c’è bisogno di analisi e modelli avanzati. Questi modelli devono basarsi su dati aggiornati, attendibili e validati su larga scala; in fin dei conti, la qualità dei dati influisce direttamente sulle prestazioni del modello e dati di bassa qualità risultano in tariffe approssimative, prenotazioni sfavorevoli e proprietari frustrati.
Uno dei modi con cui noi di Beyond riusciamo a fissare i prezzi più accurati con i dati più affidabili è il Clustering: il nostro team di revenue manager analizza i dati di decine di milioni di annunci in tutto il mondo e li raggruppa in base alle similitudini, creando decine di migliaia di Cluster. Questo ci consente di creare degli insiemi analoghi per categorizzare ogni annuncio e definire accuratamente il prezzo corretto.
Ma cosa vuol dire tutto ciò per i proprietari e i property manager che desiderano massimizzare le entrate e le prenotazioni? Qui di seguito approfondiremo la metodologia di Clustering che usiamo a Beyond e vedremo come questa riesce ad aumentare i guadagni di chi affitta case vacanza.
In che modo Beyond crea i Cluster
Fase 1: Usare dati di proprietà
L’alta qualità dei dati è essenziale per ottenere le tariffe migliori. Di conseguenza, avere direttamente l’accesso, il controllo e, infine, la proprietà dei dati è un elemento di differenziazione fondamentale per i sistemi di revenue management. Se tutti i fornitori di soluzioni per il pricing si basassero esattamente sugli stessi dati, la differenza tra le strategie di prezzo sarebbe minima. Essendo l'ingrediente chiave di una strategia di prezzo, ci impegniamo nella raccolta dei dati di prima parte per ottenere i prezzi più accurati. Inoltre, i tuoi modelli di pricing devono avere il controllo completo sull'intero flusso, dalla raccolta fino all'output finale.
Consci dell’importanza dei dati per una determinazione dinamica dei prezzi accurata, noi di Beyond investiamo molto sia nei collegamenti con i gestionali PMS (Property Management System), sia nelle tecniche di raccolta dati delle agenzie di viaggio online (OTA) – e lo facciamo da oltre dieci anni! Di conseguenza, abbiamo a disposizione il più ampio set di dati STR possibile, e sono tutti di nostra proprietà. Ciò significa che, quando si verificano anomalie o variazioni delle tendenze, non ci avvaliamo di aziende esterne per dirci cosa sta succedendo. Al contrario, facciamo affidamento sui nostri team di global data e data science per comprendere e gestire i cambiamenti in modo efficiente. Ad esempio, quando Airbnb ha iniziato a implementare listing_id più lunghi che richiedono una gestione speciale, oppure se un PMS modifica il modo in cui divide le commissioni dalle tariffe di affitto, essere proprietari dei dati ci consente di comprendere l'impatto di questi cambiamenti e capire come adattare di conseguenza i modelli di pricing.
Il fatto di essere in possesso di tutti i nostri dati è fondamentale per stabilire i prezzi giusti ed è, in definitiva, l'ingrediente chiave per garantire ricavi per notte disponibile (RevPAN), tariffe medie giornaliere e tassi di occupazione più elevati ai nostri clienti in tutto il mondo.
Fase 2: Come stabiliamo i mercati
Ok, quindi essere in possesso dei dati alla fonte è fantastico, ma cosa se ne fa? Come si passa da trilioni di dati a qualcosa che si può usare?
Prima di tutto, torniamo alle origini. Come abbiamo già detto, usiamo i dati per creare schemi di prezzo avanzati, ma anche nelle conversazioni quotidiane con i nostri clienti e all'interno dell’azienda; per questo li separiamo in Mercati convenzionali. Solitamente, la divisione si basa sulla comprensione generale di un'area e su come le persone ne parlano: ad esempio, Milano o Parigi come aree urbane, le Cinque Terre sono cinque paesini, ma un solo mercato, oppure Istanbul che si trova su due continenti, ma è anch’esso un solo mercato.
Noi di Beyond pensiamo in termini di parametri, eventi, giorno della settimana (DoW) e stagionalità; quindi, definiamo come “simili” quei Mercati che si assomigliano per almeno uno di questi parametri. Ma non preoccuparti, questo è solo il punto di partenza: non fissiamo le stesse tariffe per tutta Milano.
Parlando di Mercati, uno degli usi più comuni riguarda l’offerta che è cresciuta notevolmente negli ultimi anni. Sebbene questo aumento dell'offerta significhi che c’è maggiore concorrenza, esiste anche un lato positivo: abbiamo più annunci con cui creare Comp Set che, di conseguenza, sono più accurati. Ad esempio, di seguito è riportata la posizione di 1.000 delle più di 16.000 posizioni STR nelle Smoky Mountains. Un migliaio è già molto da provare a tracciare mentalmente su un Comp Set.
Posizione di 1.000 STR nelle Smoky Mountains (tra Tennessee e Carolina del Nord, USA), fonte: Beyond Pricing Market Insights
Fase 3: Raccolta e pulizia dei dati
Passiamo adesso ai dati che alimentano il nostro algoritmo principale, provenienti soprattutto da Airbnb, Vrbo, e quelli degli hotel di Expedia; ci concentriamo prima sulla velocità o sull'aggiornamento dei dati. Come nella maggior parte delle operazioni di data scraping, la velocità è importante in quanto 1) in genere non è possibile tornare indietro e ricostruire la storia (si pensi a giorni passati) e 2) i Mercati cambiano rapidamente, soprattutto nel breve periodo. In altre parole, la presenza di dati vecchi a volte può essere peggio dell’assenza di dati. Pertanto, monitoriamo costantemente il nostro processo di scraping, assicurandoci di estrarre i dati da ogni calendario a giorni alterni e ancora più spesso da quelli dei mercati che hanno tempi di prenotazione più brevi, in modo da ottimizzare le tariffe anche per le prenotazioni last minute.
Una volta ottenuti i dati, li archiviamo in enormi database che ci permettono di recuperarli velocemente quando ci servono. Questo è importante quando si ha a che fare con grandi volumi di dati, come tutti i prezzi e tutte le date su Airbnb. Così possiamo alimentare i nostri algoritmi, ma anche permettere al nostro team di analisi di eseguire report sui dati su larga scala.
Un altro motivo importante per l’archiviazione di dati su larga scala in un database dinamico è che possiamo eseguire la nostra logica di pulizia più velocemente, il che aiuta ancora una volta a mantenere i dati aggiornati. Nella pulizia, ci concentriamo sulla rimozione degli annunci inesistenti (o fantasma) che non sono effettivamente attivi, dei giorni bloccati rispetto ai giorni prenotati, nonché di tutti gli annunci che non sono concorrenti o che ricevono recensioni negative o nessuna recensione.
Fase 4: Clustering automatico
Ora che i dati sono archiviati e ripuliti, procediamo col suddividere i mercati in insiemi, set o Cluster analoghi. I Cluster sono dove aggreghiamo i dati per ottenere parametri preziosi (occupazione, tariffe, lead time, ecc.).
Lo facciamo abbinando alloggi validi e simili per dimensione della camera da letto e raggruppandoli con particolare attenzione alla posizione geografica. Nell'esempio seguente, puoi vedere come i poligoni creano un raggruppamento di annunci simili tenendo conto di quartieri e punti diversi, come un centro congressi o un aeroporto. Prendiamo in considerazione anche i vicinati che potrebbero funzionare in modo diverso, come un quartiere degli affari che è più frequentato nei giorni feriali e una zona di locali che è più popolare nei fine settimana. Non abbiamo mai fatto affidamento su codici telefonici o codici postali poiché non sono in linea con la geografia di funzionamento degli STR. La cosa migliore è che questa logica può essere eseguita in qualsiasi momento man mano che più o meno case vengono aggiunte alle OTA; spostiamo continuamente i confini, aggiungendo e rimuovendo Cluster per garantire precisione.
I Cluster del centro di Buenos Aires, Fonte: Data Science Team di Beyond Pricing
Fase 5: Il contributo umano nel Clustering
Questa logica avanzata è meravigliosa, ma a volte non basta per ottenere set analoghi perfetti. Il nostro ultimo passo nella creazione dei Cluster è coinvolgere un analista di revenue management formato da Beyond per esaminare i risultati e adattarli in base alle sue conoscenze istituzionali e al feedback del mercato locale. Allo stesso modo in cui un property manager desidera rivedere i propri prezzi, vogliamo che i nostri esperti rivedano i nostri raggruppamenti.
Ciò è particolarmente vero per gli STR più redditizi che, di solito, sono i più unici e questo deve essere tenuto in considerazione. Dedichiamo tempo all’adattamento dei confini per soddisfare le aspettative, ma anche per assicurarci che gli attributi geografici che influiscono sul prezzo, come il fronte mare o l'accesso/uscita sulle piste, siano presi in considerazione.
I Cluster delle rive e dell’interno del golfo di Outer Banks (Carolina del Nord, USA), Fonte: Data Science Team di Beyond Pricing
Cluster di ingresso/uscita per l’impianto sciistico di Park City (Salt Lake City, USA), Fonte: Data Science Team di Beyond Pricing
Una volta che questi Cluster vengono progettati e revisionati dal nostro team RM, sono tutti pronti per dar vita alla vera magia: l'algoritmo dei prezzi!
Cosa significa questo per i proprietari di case vacanze e per i property manager?
L'accurato set di dati e l'approccio meticoloso al Clustering di Beyond svolgono un ruolo fondamentale nel massimizzare le entrate e le prenotazioni per le attività di affitti per le vacanze. Investendo nella raccolta di dati di proprietà, Beyond garantisce la massima qualità e le informazioni più aggiornate, dandoci un importante vantaggio competitivo nel settore del pricing dinamico.
Il processo di definizione dei Mercati e di raccolta di dati puliti migliora ulteriormente la precisione dei nostri set analoghi, consentendo tariffe precise e su misura delle caratteristiche uniche di ciascun alloggio. Il Clustering automatico basato su molteplici fattori e il punto di vista umano fornito da analisti di revenue management qualificati garantiscono che il nostro algoritmo tenga conto anche delle case vacanza più esclusive e redditizie. In definitiva, l'approccio proprietario basato sui dati e gli algoritmi avanzati di Beyond forniscono ai property manager e ai proprietari la sicurezza e gli strumenti di cui hanno bisogno per prendere decisioni informate sui prezzi. Tutto ciò che serve per guadagnare di più!
Beyond è l’azienda pioniera del pricing dinamico per gli affitti a breve termine e continua a essere all'avanguardia nel rivoluzionare il settore degli affitti per le vacanze e nel promuovere il successo dei property manager in tutto il mondo. Grazie al solido set di dati in tempo reale e alle tecniche innovative di Beyond, proprietari e gestori di proprietà possono sfruttare tutto il potenziale della loro attività di affitti di case vacanza, ottenendo il prezzo perfetto al momento giusto per ogni annuncio.
Vuoi guadagnare di più con le tue case vacanza? Iscriviti a Beyond!
.png){kind=small}
.png){kind=small}
