酒店大数据之客户数据收集

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
简介:

ZD至顶网软件频道消息: 收益管理在酒店运营中发挥着至关重要的作用,其精确的数据分析能够帮助酒店根据精准预测,提升效率、增加营收,而酒店标准化的实务操作则有助于发挥收益管理工具的最佳效果。通过制定和执行数据收集操作流程,细化客户类别,酒店可提高实务操作的标准程度,进而使收益管理工具更好地为酒店服务。

在和客户的沟通中,我们经常会被问到:

  • 为什么我们酒店每年拼了命维持住一定的出租率甚至有时还有些提高,但是最终却发现酒店的收入不升反降?
  • 如果酒店已经能够达到一个比较高的出租率的话,那么收益管理到底还怎么能帮助酒店继续提高收益呢?

为了能够帮助客户寻找提升收益的机会,我们尝试着让客户利用系统的数据对酒店的业务情况进行分析,却发现这些数据中连一些最基本的信息都不够完整。比如,酒店有多少是一般散客,有多少是预付或其他散客等等。

通过和客户沟通,我们了解到——客户在内部的数据管理上,并没有清晰的标准。例如刚刚提到的市场细分,到今天为止,很多酒店还在使用预订渠道或公司作为主要的业绩统计来源。然而,相比几年前,现在的OTA的预订却要复杂的多。除了常规的一般散客现付预订,还会经常见到预付、包房、提早预订订单甚至还有某些商务公司的订房,这几乎已经涵盖了酒店大部分的散客市场细分。因此,酒店仅仅统计客户来源的做法,已经很难跟上时代的步伐。因为,大家都知道,对于酒店日常操作判断来说非常重要的就是预测,但是预测的前提基础是要找到有相同属性的客户的消费习惯,这样才能使预测更符合实际。

酒店应该如何设定数据标准,在日常实务操作中收集数据,以便酒店能够更好地理解客户的购买行为,为日后发现潜在销售机会以及提出更有针对性的市场活动提升销售收入打好基础?

数据收集标准操作流程的制定和执行

作为收益管理周期循环中的重要一环,数据收集是客户购买行为划分和分析的基础,但却并未引起大部分酒店或酒店集团的重视——大部分酒店没有设立一个标准化的操作流程或者有标准却不执行。

为了分别统计通过OTA的预付价格来预订的客户和通过OTA现付价格预定的客户等等,需要设置几个重要的分类标准:细分市场代码、细分市场分组、客源代码、房价代码和客户档案的维护和团队操作的标准流程等等。

  • 细分市场代码(Market Segment Code)和细分市场分组(Market Segment Group

细分市场代码主要是统计客户的购买行为、价格、入住星期等等购买行为的代码,是酒店对于客户行为分析的最基础数据。同时,把具有相类似购买模式的细分市场组合成细分市场分组,构成了进行预测的关键数据。对于细分市场代码的有效的界定和严格的执行往往是我们能否做出精准预测的关键。很遗憾的是,很多酒店对此没有引起足够的重视,前台甚至是预订部门都搞不清楚每个具体的细分市场的含义与用途。在实际工作中,这部分数据往往经常与客户来源数据(Source Code)的使用相混淆。

客户的购买行为的统计主要包括了对预订的时间(也就是我们通常说的预订进度)、价格、类型(散客预订还是团队预订)、入住的星期(比如商务客户一般选择周中,而休闲客户会选择周末及假期)、入住的天数以及可能产生的不确定性(诸如取消或者未入住)。

随着收益管理的不断变化,关于细分市场的划分会越来越专业化和精细化,将会出现一些根据是否有价格关联或者是否能够被调控的新的细分市场的趋势。

  • 客源代码(Source Code

客源代码主要是统计客户通过何种渠道来预订的。包含酒店自有渠道,诸如传统上的电话(或者呼叫中心)、传真、邮件以及酒店官网和APP乃至于酒店官方微信营销等,除此之外还包括第三方订房渠道,如OTA、GDS渠道和酒店中央预订系统产生的其他预订等等。对于各种订房来源进行归类,能够帮助我们更好地理解酒店客户的订房来源和预订方式。现在几乎很少会有客户使用传真这样的方式来预订,而更多地使用网络或者APP这样的新型预订方式。酒店应根据类似这样的实际情况尽快调整自身的预订接受方式。更甚者,有的酒店会调整预订部的工作时间,以便接受晚上9点后APP预订高峰所产生的订单。

客源代码能够让酒店了解各个订房来源的实际情况,以便针对不同的客源实施不同的策略,甚至对不同渠道的投入提供数据支持。

  • 房价代码(Rate Code

房价代码是对不同客源客户的价格进行分类的代码,这个相对比较好理解。但是,我们经常在实际工作中看到,许多酒店会使用一个房价代码来操作所有的团队预订,或者使用相同的房价代码来处理同一个OTA渠道的所有订单等等,之后,再使用手工变价的方式来满足不同预订价格的订单。这种简单的控制方法基本丧失了使用房价代码来统计不同客源的可能。针对这种情况,酒店应该设置不同的房价代码用于不同价格的预订。简而言之,同一个公司或渠道的不同的价格可以用不同的房价代码来表示,这样可以方便地统计出不同价格的预订情况。

  • 客户档案的建立和维护

几乎每家酒店都会在PMS系统中建立客户入住的档案。但是由于不同预订来源提供的客户联系方式不同(在中文中,同名同姓甚至同音的情况特别多),导致在预订的时候,预订员很难分辨是否为同一位客户。大部分的情况下,预订员会先处理完订单,留待客户入住时,由前台人员跟进确认。但是由于很多原因,在实际操作的时候,很难确保每位客户的入住历史能够被很好地记录下来,导致很多酒店的系统中存在许多重复的客户档案。这也意味着酒店很难像OTA那样完整地记录着客户每一次的入住以及消费信息。所以,建议酒店定期检查合并同一位客户的档案,以帮助酒店了解每位客户的具体需求、入住习惯、价格水平以及消费记录。

 

 

 

  • 团队操作的标准流程

 

说到团队操作,很多酒店几乎没有清晰的运作标准。

 

  1. 销售在报价的时候应该注意收集各种信息,包括客户愿意承受的预算以及竞争酒店的报价等等。
  2. 同时,在报价时还需要注意计算该团队潜在的置换收入。
  3. 销售或预订部处理团队锁房的具体标准需要明确。询价、待定、确定、分配,这些流程需要每一位团队成员清晰了解并认真执行。

酒店对于团队数据的处理需要遵循一致的标准,这样才能帮助收益经理更加准确地理解团队预订的进度以及相对的不确定性,为团队的合理预测提供有利的支持。

 

合理、准确并综合运用这些不同的代码,能够帮助酒店精确地了解自身的客源结构、业绩构成并能够作为制定未来决策的数据基础。然而,很多酒店的运营部门还没有意识到自己的日常操作和服务对收益管理和数据处理所带来的影响。只有自上及下认识到收益管理能够给酒店带来好处,收益管理才能实实在在给酒店带来变化,让酒店精准的数据分析给酒店管理带来革命性的变化。如需了解更多有关内容,请注册参加IDeaS公司8月26日举办的在线讲座——“酒店大数据之客户数据收集标准”。

原文发布时间为:2015年8月17日
本文作者:IDeaS高级客户服务经理陈东
本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。
相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
数据采集 机器学习/深度学习 人工智能
大数据分析案例-用RFM模型对客户价值分析(聚类)
大数据分析案例-用RFM模型对客户价值分析(聚类)
1292 0
大数据分析案例-用RFM模型对客户价值分析(聚类)
|
6月前
|
物联网 大数据 BI
助力工业物联网,工业大数据之客户回访事实指标需求分析【二十三】
助力工业物联网,工业大数据之客户回访事实指标需求分析【二十三】
70 0
|
数据采集 机器学习/深度学习 分布式计算
从0到1搭建车企数字化营销中台(4):客户数据平台(CDP)
CDP作为数字化营销中台的核心数据引擎,承载着拉通客户全渠道、全旅程链路的数据,实现智能洞察和营销决策
3314 0
从0到1搭建车企数字化营销中台(4):客户数据平台(CDP)
|
存储 搜索推荐 数据管理
为什么Apache Unomi开源[客户数据平台」值得一看
为什么Apache Unomi开源[客户数据平台」值得一看
|
存储 搜索推荐 数据可视化
|
算法 大数据
《聚星台—客户运营核心大数据 与算法技术》电子版地址
聚星台—客户运营核心大数据 与算法技术
91 0
《聚星台—客户运营核心大数据 与算法技术》电子版地址
|
数据采集 机器学习/深度学习 算法
大数据分析案例-基于RFM模型对电商客户价值分析(聚类)
大数据分析案例-基于RFM模型对电商客户价值分析(聚类)
1026 0
大数据分析案例-基于RFM模型对电商客户价值分析(聚类)
|
机器学习/深度学习 数据采集 算法
大数据分析案例-对电信客户流失分析预警预测
大数据分析案例-对电信客户流失分析预警预测
1526 0
大数据分析案例-对电信客户流失分析预警预测
|
大数据 数据挖掘 数据建模
运营商大数据精准获客是怎么做到的?企业如何以低成本获取精准客户?
运营商拥有强大的云计算大数据中心,可以通过建立数据模型对任何网站,网页,网址,手机app,400电话,固话,关键词,短信号码等平台进行实时精准数据分析,通过用户综合行为,和用户偏好等综合用户信息等,对目标客户群体进行精准抓取和获取,同时还可以筛选如地区,性别,年龄,职业,访问次数,访问时长,通话次数,通话时长等维度,对目标客户群体更加精准定位。
运营商大数据精准获客是怎么做到的?企业如何以低成本获取精准客户?
|
安全 搜索推荐 大数据
精准大数据获客如何做到APP直抓 精准截流 提高客户质量
在公司市场竞争的大环境中,许多公司为了更好地存活,迫不得已去寻找新的销售渠道,稍不留神被坑上当受骗的事儿也常常产生。现阶段在销售市场上充溢这许多披上大数据“外套”的知名品牌,去做销售市场,乃至还存有违法违纪的个人行为存有。为了更好地更强的服务型,为大量创业人出示更强领域数据解决方法,运营商大数据就应时而生。
精准大数据获客如何做到APP直抓 精准截流 提高客户质量
下一篇
无影云桌面