Fixer le prix idéal au bon moment pour chaque annonce n’est pas une tâche facile lorsqu’il s’agit de locations saisonnières. Et en tant que pionniers de la tarification dynamique pour les locations de courte durée, nous en sommes conscients.
Afin d’obtenir une tarification exacte pour les locations saisonnières, l’emploi d’analyses et de modèles avancés est essentiel. Ces modèles devraient être fondés sur des données actualisées, propres et validées à l’échelle, car en fin de compte la qualité des données a une incidence directe sur la performance de ces modèles. De ce fait, une faible qualité des données entraînera des prix sous-optimaux, de mauvaises réservations ainsi que des propriétaires frustrés.
Chez Beyond, un des moyens dont on obtient une tarification exacte avec des données fiables consiste en notre pratique de regroupement : notre équipe de Revenue Management analyse des données recueillies auprès de dizaines de millions d’annonces et regroupe ensuite ces dernières en fonction de leurs similitudes, ce qui crée ainsi des dizaines de milliers de groupes à travers le monde. Ceci nous permet de créer un ensemble comparable propre à chaque annonce qui détermine avec précision le prix adéquat.
Qu’est-ce que cela signifie pour les hôtes et les gestionnaires immobiliers cherchant à maximiser leurs réservations et revenus ? Dans le présent article, je me penche sur notre position et notre méthodologie par rapport au processus de regroupement chez Beyond et sur la manière dont ce dernier contribue à la maximisation des revenus générés par la location saisonnière.
Comment Beyond crée-t-il les groupes ?
1re étape : Posséder le pipeline de données
La qualité des données est essentielle pour assurer des résultats supérieurs, ce qui signifie que la supervision directe, l’accès et, finalement, la propriété des données sont un atout fondamental pour les systèmes de gestion des revenus. Si tous les fournisseurs de prix s’appuient sur les mêmes points de données, il n’y aura qu’une différence minime dans la stratégie de tarification. La collection des données de première partie est l’ingrédient clé dans une stratégie de tarification et indispensable à une tarification la plus précise. De ce fait, vos modèles de tarification doivent avoir le contrôle complet sur l’ensemble du plan d’action, de la collection jusqu’au résultat final.
C’est en tenant compte de l’importance des données dans la tarification dynamique précise que, chez Beyond, nous investissons fortement à la fois dans les connexions des systèmes de gestion des revenus (PMS) et dans les techniques de collecte des données des agences de voyages en ligne (OTA) — et nous le faisons depuis plus d’une dizaine d’années. Par conséquent, nous possédons le plus grand ensemble de données de STR disponibles, et il est exclusif. Cela signifie que lorsque des anomalies se produisent ou que les tendances changent, nous n’avons pas à nous fier aux autres entreprises pour comprendre ce qui se passe. Au contraire, nous nous appuyons sur nos données mondiales et sur notre équipe de Data Scientist pour comprendre et gérer efficacement tout ajustement. Par exemple, lorsque Airbnb a commencé à ajouter une identification d’annonce plus longue qui nécessitait une manipulation particulière ou lorsqu’une PMS modifie la manière dont elle sépare les frais des tarifs de location, détenir les données nous permet de comprendre les effets de telles situations et d’ajuster les modèles de tarification en conséquence.
Posséder le pipeline de données est essentiel pour définir les justes prix et est, par le fait même, l’ingrédient clé pour offrir à notre clientèle mondiale un revenu par nuitée disponible (RevPAN), des TJM et des taux d’occupation plus élevés.
2e étape : Comment établissons-nous les marchés ?
Donc, avoir votre propre source de données, c’est génial, mais qu’en faites-vous ? Comment des billions de points de données aboutissent-ils à quelque chose que nous pouvons utiliser ?
D’abord, revenons aux principes de base. Comme mentionné plus tôt, les données sont utilisées pour une structure de tarification avancée, mais elles sont également utilisées quotidiennement dans des conversations entretenues avec notre clientèle ou au sein de notre équipe. C’est pourquoi nous séparons nos données en marchés traditionnels, et ce, en fonction de la compréhension globale d’un espace et de la manière dont les gens parlent de celui-ci. Par exemple, Chicago ou Paris en tant qu’espace urbain, Dallas-Fort Worth qui possède deux noms, mais un seul marché ou encore Istanbul qui se situe sur deux continents, mais ne possède qu’un marché.
Chez Beyond, nous pensons en fonction de métriques, d’événements, du jour de la semaine et de saisonnalité et exigeons donc que les marchés soient similaires sur au moins un de ces aspects. Toutefois, ne vous en faites pas, ce n’est que le point départ — notre tarification n’est pas la même partout à Chicago.
L’un des sujets les plus abordés lorsque l’on discute des marchés est l’offre, laquelle a crû considérablement au cours des dernières années. Bien que cette offre accrue entraîne une plus grande concurrence, le côté positif est qu’il a un plus grand nombre d’annonces pour y former des groupes de logements concurrents. Par conséquent, nous pouvons former ces groupes de manière plus exacte. Par exemple, la carte ci-dessous représente la localisation de 1000 locations saisonnières parmi plus de 16 000 dans la région des Smoky Mountains. Et même avec 1000 annonces, il est difficile de cartographier mentalement un groupe de logements concurrents.
Localisation de 1000 locations de courte durée (STR) dans les Smoky Mountains (États-Unis). Source : Fonctionnalité Market Insights de Beyond Pricing
3e étape : Collection et nettoyage des données
Ensuite, passons aux données qui propulsent notre algorithme principal, notamment Airbnb, Vrbo et des données hôtelières d’Expedia. Nous nous concentrons d’abord sur la vitesse, ou la fraîcheur des données. Comme pour la plupart des opérations de moissonnage, la vitesse est importante, car, d’une part, on ne peut généralement pas extraire des données d’un historique (pensez à plusieurs jours dans le passé), d’autre part, les marchés évoluent rapidement, surtout à court terme. En d’autres mots, de vieilles données peuvent parfois s’avérer moins utiles qu’aucune donnée.
Ainsi, nous surveillons constamment nos machines de moissonnage, en nous assurant d’extraire des données de chaque calendrier environ tous les 2 jours ou dans les cas des marchés dont le délai de réservation est plus court, le moissonnage se fait encore plus souvent pour ainsi optimiser la tarification grâce à ce taux d’occupation de dernière minute.
Une fois les données recueillies, elles sont stockées dans d’énormes bases de données qui permettent une récupération rapide. Ceci est important lorsqu’il est question d’une grande quantité de données, notamment chaque prix et chaque jour d’Airbnb ayant été répertoriés. Nous pouvons ainsi exécuter les algorithmes, mais aussi demander à notre équipe d’analyse de produire des rapports sur les données à plus grande échelle.
Un autre avantage du stockage des données à grande échelle dans une base de données plus dynamique est que nous pouvons exécuter notre logique de nettoyage plus rapidement, ce qui contribue, une fois de plus, à la fraîcheur des données. En nettoyage, nous nous concentrons sur la suppression des annonces inactives, aussi appelées fantômes, sur les jours bloqués par opposition aux jours réservés, ainsi que sur toute annonce n’ayant pas de caractère concurrentiel et qui recevant des avis négatifs, voire aucun avis.
4e étape : Regroupement automatique
Maintenant que les données sont stockées et nettoyées, nous répartissons les marchés dans les ensembles ou les groupes comparables. C’est dans ces groupes que nous rassemblons finalement les données afin d’obtenir les métriques utiles (taux d’occupation, prix, délai, etc.).
Pour ce faire, nous groupons les annonces similaires et valides selon la taille des chambres et en portant une attention particulière sur la géographie. L’exemple ci-dessous démontre que les polygones créent des groupes d’annonces similaires en tenant compte des différents quartiers et centres, comme un centre des congrès ou un aéroport. Nous tenons compte également des quartiers dont la fonction diffère, tels qu’un centre-ville qui est plus occupé les jours de la semaine ou une zone de bars qui est plus fréquentée les week-ends. Nous ne nous sommes jamais fiés aux indicatifs régionaux ni aux codes postaux puisqu’ils ne correspondent pas à la géographie sur laquelle les STR s’appuient. Mieux encore, cette logique peut être exécutée à n’importe quel moment, au fur et à mesure que des propriétés sont ajoutées aux OTA ou supprimées de celles-ci. Nous poussons toujours les frontières et ajoutons et supprimons des groupes afin d’assurer l’exactitude.
Groupes du centre-ville de Buenos Aires.
Source : L’équipe de science des données de Beyond Pricing.
5e étape : Regroupement d’un point de vue humain
La logique avancée est formidable, mais pour obtenir l’ensemble comparable idéal, elle peut parfois ne pas suffire. La dernière étape de la création de groupes consiste à faire appel à un analyste qualifié en gestion des revenus de Beyond pour examiner les résultats et ajuster en fonction de leur savoir organisationnel et de leur rétroaction sur le marché local. Tout comme un gestionnaire immobilier veut examiner ses prix, nous voulons que nos experts examinent nos groupes. Ceci est particulièrement vrai pour les SRT qui génèrent le plus de revenus, car elles sont généralement uniques, ce qui doit être pris en compte. Nous consacrons du temps à l’ajustement des frontières pour répondre aux attentes, mais aussi pour assurer que les attributs géographiques ayant un effet sur le prix, comme le bord de mer ou l’accès direct à des pistes de ski, soient pris en compte.
Groupes avec et sans accès direct au golfe à Outer Banks.
Source : L’équipe de science des données de Beyond Pricing.
Groupes avec accès direct aux pistes de ski à Park City.
Source : L’équipe de science des données de Beyond Pricing.
Une fois ces groupes conçus et examinés par notre équipe de GR, ils sont prêts pour que la vraie magie s’opère, soit l’algorithme de tarification !
Qu’est-ce que cela signifie pour les hôtes et les gestionnaires immobiliers de location saisonnière ?
L’ensemble de données exactes et l’approche méticuleuse de regroupement de Beyond jouent un rôle central dans la maximisation des revenus et des réservations pour les entreprises de location saisonnière. En possédant tout le pipeline de données et en investissant dans votre propre collection de données, Beyond assure des informations actualisées et de qualité supérieure, ce qui nous permet d’obtenir un avantage concurrentiel sur le marché de la tarification dynamique.
Le processus d’établissement de marchés et de collecte des données propres renforce la précision de nos ensembles comparables, permettant ainsi une tarification précise adaptée aux caractéristiques uniques de chaque annonce. Le regroupement automatique basé sur plusieurs facteurs et la perspective humaine fournie par des analystes qualifiés en gestion des revenus garantissent que notre algorithme prend en compte même les locations saisonnières les plus uniques et les plus rentables. En fin de compte, l’approche exclusive basée sur les données et sur les algorithmes avancés de Beyond fournit aux gestionnaires immobiliers et aux hôtes la confiance et les outils dont ils ont besoin pour prendre des décisions éclairées en matière de tarification. Tous en faveur pour gagner plus d’argent !
En tant que pionnier de la tarification dynamique pour les locations de courte durée, Beyond continue d’ouvrir la voie en révolutionnant le secteur de la location saisonnière et favorisant le succès des gestionnaires immobiliers à travers le monde. Grâce à l’ensemble de données robustes et en temps réel ainsi qu’aux techniques innovantes de Beyond, les gestionnaires immobiliers et les hôtes peuvent exploiter tout le potentiel de leur entreprise de location saisonnière, en obtenant le prix idéal au bon moment pour chaque annonce.
Êtes-vous prêts à obtenir plus de revenus avec vos locations saisonnières ? Inscrivez-vous à Beyond !
.png){kind=small}
.png){kind=small}
