Category: 住宿

Airbnb 關鍵動態定價的做法與關鍵參數

之前我們談了 Airbnb 用機器學習協助房東定價,今天我們來談 Airbnb 機器學習演算法的內容是怎麼做的。Dan Hill 公開的演算法中,提到了幾個關鍵參數做法能影響定價,而我也相信還有很多關鍵參數不在公開的範圍之內。 首先,想像你提供的房源所在地,剛好有一個一年一度世界級的盛會,這時有幾個因素可以先考量。第一,因為是一年一度的盛會,所以大量人潮將湧入這個城市,從過去幾年的盛況就能得知。第二,飯店通常在這時候都會提早滿房,大量的供需不平衡就出現了。第三,每個人都會先買票參加盛會,所以更確定了旅客會花一筆費用在大量的房源上。根據以上這三點,就可以推算出地點、市場規模、房間數量需求了,而這推算並不一定要一年一度的世界級盛會,地方型盛會也是可以的。 在 Airbnb 上,每一個房源都不盡相同,或許會相似,但不可能會有兩間房源有一樣的裝潢設計外觀,或是一樣的地址。而對旅客來說,類型、設計、地區、評價都會影響到他們的選擇與心目中願意支付的價格,所以 Airbnb 還會關注:相似度、最近事件、地區,這三個參數。 相似度:依照房源的型態,與其能容納的一晚人數,比如公寓、城堡、船屋…等。 最近事件:由於旅遊市場變化性太大,極度季節性,所以必須知道近期發生過什麼事情,未來即將發生什麼事件,這些都會影響,而且就算是去年同期的參考性也不夠相關。而因為市場資訊取得也不容易,在高度旅遊化的城市相對來得簡單,如果旅遊度較低的城市,就會擴大城市範圍來決定。 地區:Airbnb 關切地區參數是因為飯店,因為飯店通常會蓋在城市內幾個主要地段上,而這會影響 Airbnb 在飯店附近房源的需求與比較。 像下面這張圖,季節性旅遊需求與地方活動將造成巨大變化。 而當了解了相似度、最近事件、地區這三個參數的重要性後,Airbnb 也從地圖上發現地區邊界可能也有影響,所以他們就嘗試從地圖去找出「區域性邊界」的參數思考如何影響定價,結果發現河流、高速公路、轉運站…等,確實會影響到。比如說,同一個城市有一條河流分隔著兩個區域,並以高速公路串連兩邊交通運輸,河流的東邊即將舉辦一個活動,此時東邊的房源開價賣出一晚 $130 美元,但此時西邊的相同房源一晚開價可賣出的價格才 $60 美元。 這些參數(當然還有其他共上百種) 還無法達成動態定價,因為大型飯店集團、航空公司早就已經時時刻刻有一套系統可協助動態定價,但 Airbnb 光這些參數還不夠,所以他們選用的 Machine Learning 是分類器 Classifier。將所有參數,包含主要旅遊市場需求都放入分類器來決定房源預期被預訂的機率,再將這些與地圖的區域性邊界做考量,就可以提供不同的定價策略了。 當然沒有那麼簡單就能得出很棒的定價策略,還有一些訊號是營運過程中會發現,這些訊號也是 Airbnb 上百個關鍵參數中的,比如: 從某一個快速賣光的特色房源,去推測附近的房源是否可推薦調整定價。 以及住房日與預訂日的天數關係,或是預定日與近期最早瀏覽網站的日期中間的關係。 照片明亮程度是否有影響消費者看完後的預訂或快快離開?臥室應該溫暖色度,但卻拍出明亮色度的影響?專業攝影師的拍攝與房主自行拍攝的影響差異?

Posted in 住宿, 網路服務

Airbnb 用機器學習協助房東定價

共享經濟是透過巨量的供需兩端串起的模式,每個服務提供者都有其獨特之道,但當提供類似服務者變多的時候,服務提供者該如何替自己的價值定價呢?除了網站會建議一個官方寫死的基本價格外,就是服務提供者自己去參考平台上其他人怎麼做,但這真的能反應出自己的價值嗎?當供需不平衡的情況發生時,服務提供者該如何得知消息並進而調整合適定價呢? 續篇:Airbnb 關鍵動態定價的做法與關鍵參數 Airbnb 推出了機器學習為基底的定價演算法功能,協助房東們隨時調整定價!而很棒的是,Airbnb 推出此功能時,其發明者 Dan Hill 也發表了一篇論文在 IEEE Spectrum,以及釋放這套名為 Aerosolve 定價演算法在 Github 上供大家使用,並撰文說明此開源。所以大家可以下載這套演算法後,輸入自己的資料,再稍作修改就可以得到自己的定價演算法了。不過提醒大家,不是每個應用都合適,如果你屬於策展 (Curate) 型的就不適合。 為什麼 Airbnb 會推出這一套演算法? Airbnb 是靠抽賣出的房間抽佣,賣得越多收入也才越多。而他們也監測到,Airbnb 房東在建立房源資料時,大部份欄位都填寫的很順利,但當到了定價欄位就卡住不少時間。所以 Airbnb 對此進行研究,做了幾種假設跟測試,期待能夠提供符合預測時節的定價建議,這包含了地區、房源類型、附近房東房源定價、預定日期與住宿日期的間距、照片明亮度與溫暖度、…等各種不同的訊號,進行這些假設與測試後,最後設計出了 Aerosolve 機器學習為基底的定價演算法。 不過 Airbnb 推出 Aerosolve 到市場上前,早就有兩間公司針對 Airbnb 房東的需求做出了解法,這兩間公司為 Beyond Pricing 與 Everbooked。至於租車領域則有 RelayRides 加入定價系統市場。

Posted in 住宿, 網路服務

切入飯店領域你必須清楚的飯店銷售管理 eco-system 圖!

飯店在銷售與管理的 eco-system 是如何呢?到底有多少個環節相扣?行銷、線上預訂、分銷渠道,啊!還有 PMS 系統!到底這些的關係是如何?又有哪些公司在這些環節中呢?我將 Snapshot 與 DPFOC 分別繪製地飯店 eco-system 圖節錄在此,供大家了解。 Snapshot 大尺寸原圖在此 DPFOC 大尺寸原圖在此 以上包含了 OTA、Meta search engines(元搜尋)、第三方支付金流、社群媒體、Paid media、PMS、Global Distribution Systems(GDS)、Travel Agency、Revenue Management System、CMS…等還有很多,都是現代飯店業者必須清楚了解的做法,對新創或老旅遊公司也需要清楚切入飯店,或立足飯店你的定位在哪裡,才有辦法持續穩健向上成長。

Posted in 住宿, 關於旅遊產業
Bitnami