OTA平臺在線公開數(shù)據(jù)在酒店客房定價中的應用

摘要：本文通過定性分析攜程網(wǎng)用戶評價記錄，搜集、整理出攜程網(wǎng)福州地區(qū)47家酒店的區(qū)位、設施、網(wǎng)絡口碑等數(shù)據(jù)，進行模型分析，發(fā)現(xiàn)M酒店升星改造后最低價房型應該提價到368元，比升星改造前報價高出148元，提價幅度高達67.3%，提價后一年多的運營數(shù)據(jù)表明，提價并沒有大幅度減少該酒店的入住率，酒店的運營效益大幅度改善。

關鍵詞：酒店客房定價;攜程網(wǎng);在線OTA

隨著我國經(jīng)濟的發(fā)展和人民生活水平的提高，旅游需求爆發(fā)式增長，人們對酒店的需求在快速增長，酒店行業(yè)作為一個高度市場化且淡旺季分明的行業(yè)，酒店客房市場價格時刻處在頻繁變化當中，合理定價對于酒店的經(jīng)營效益最大化意義重大。

但傳統(tǒng)上，單個酒店很難系統(tǒng)地獲取行業(yè)整體的結(jié)構(gòu)化數(shù)據(jù);行業(yè)主管部門公布的酒店統(tǒng)計數(shù)據(jù)，多半都是匯總過的指標性數(shù)據(jù)，而非包含各類變量的結(jié)構(gòu)化原始數(shù)據(jù);通過問卷調(diào)查方式來獲取行業(yè)或區(qū)域市場數(shù)據(jù)，成本又不合算。

攜程網(wǎng)、去哪兒網(wǎng)等在線旅游代理銷售（OTA）平臺的發(fā)展，深刻影響了游客的旅游決策和購買行為，酒店業(yè)是消費者最成功和最早地通過網(wǎng)絡渠道獲取決策信息的行業(yè)之一，在線信息對消費者的酒店選擇具有極其重要的影響。隨著OTA平臺用戶量、預定量的增長，大部分二星級以上酒店已經(jīng)入住攜程等OTA平臺，OTA平臺的行業(yè)覆蓋面和數(shù)據(jù)代表性不斷增加，利用OTA平臺的公開數(shù)據(jù)進行行業(yè)研究，變得越來越可靠，基于OTA平臺公開數(shù)據(jù)的行業(yè)定量研究也越來越多。

一、問題的提出

福州某國企旗下M酒店，因為裝修過于陳舊，口碑不佳，在全國連鎖品牌酒店的沖擊下，入住率不理想，決定投入資金改造申請三星級酒店，對于升星改造后提價多少，酒店管理層普遍較為保守，認為酒店業(yè)競爭激烈，提價幅度大約在30-50元，否則入住率會受到嚴重沖擊。

從攜程旅行網(wǎng)的客戶對M酒店的評論來看，客戶普遍認為M酒店“雖然設備陳舊、服務一般，但地理位置好、衛(wèi)生方便、還提供溫泉和免費早餐、性價比很高”，當客戶普遍認為某種產(chǎn)品性價比很高，也就傳遞出一個信號：如果價格再高一點，客戶其實也能夠接受，入住率并不會受到太大影響，因此，M酒店有提價空間。經(jīng)過計算，在客房入住率不變（以60%計算）的情況下，客房年均價每提高10元，M酒店每年的營收將增加365天*362間*10（元/間*天）*60%=792780元，同樣，這新增的79.28萬元營收中，除了要加大營銷力度所增加的成本外，大部分為利潤。

那么，具體應該提價多少才屬于市場合理水平、從而能夠達到經(jīng)營效益最大化呢？這就需要定量分析才能回答了。

酒店客房的定價不僅要考慮酒店的市場供應和成本因素，而且要考慮酒店的經(jīng)營特色、服務質(zhì)量、設施設備、安全管理以及提供服務的季節(jié)差異、顧客消費能力等因素。酒店定價決策方式有成本定價法、經(jīng)驗定價法、赫伯特公式定價法、客房面積定價法、隨行就市定價法、分級分等定價法等等，由于酒店業(yè)目前是一個充分競爭的市場，網(wǎng)絡營銷使得酒店行業(yè)低價競爭增多、價格彈性增大、定價難度增加、價格體系多元化，因此，基于市場預期的定價法可能更有決策參考價值。據(jù)吳雪2017年研究，酒店客房的結(jié)構(gòu)特征、位置特征和聲譽特征對客房定價有顯著影響。

二、數(shù)據(jù)的獲得

為了計算“市場定價模型”的參數(shù)，就需要有一個盡量完備的酒店數(shù)據(jù)庫，這個數(shù)據(jù)庫應該包含影響酒店價格的各種因素（例如酒店星級、地理位置、開業(yè)年數(shù)、裝修情況、服務質(zhì)量、客房配置等等），在網(wǎng)絡時代以前，除非行業(yè)主管部門，一般公司很難獲得這樣精確的行業(yè)信息，但網(wǎng)絡分銷渠道的發(fā)展，使得今天要獲得全國甚至全世界特定區(qū)域內(nèi)酒店行業(yè)的結(jié)構(gòu)化數(shù)據(jù)變得相對容易了。

考慮到攜程網(wǎng)是目前國內(nèi)市場占有率最大的機票、酒店在線分銷渠道，簽約酒店數(shù)據(jù)最多，因此，筆者整理了福州地區(qū)47家與攜程網(wǎng)有分銷合作的酒店數(shù)據(jù)庫。包括以下變量：酒店名稱、星級（star）、房型（roomtype）、是否最低價（low，每家酒店只收集最低價房型與最高價房型對應的房價，同時納入數(shù)據(jù)庫，用該變量來區(qū)分二者，因此福州地區(qū)的47家酒店有94條數(shù)據(jù)記錄）、房價（price）、是否包含早餐（breakfast）、開業(yè)時間（openyear）、酒店房間數(shù)（roomnum）、是否有免費寬帶（network）、床型（bedtype）、距離機場距離（airport）、距離火車站距離（railway）、距離市中心距離（towncenter）、攜程評論數(shù)（commentsnum）、攜程評分（reviewindex）、是否裝修（decorate）、裝修年份（decorateyear）、開業(yè)年數(shù)（openyears）、裝修年數(shù)（decorateyears）、網(wǎng)絡人氣指數(shù)（hotindex，該變量為攜程網(wǎng)的評論數(shù)量與評分的乘積，一般而言，某家酒店來自攜程網(wǎng)的業(yè)務量越多、服務質(zhì)量越高，該變量的取值就越大，因此在一定程度上可以測量該酒店的網(wǎng)絡人氣）。

三、模型分析

由于該定價模型的目的不是研究變量之間的因果關系，而是希望充分利用市場信息來擬合一個符合市場競爭水平的房價，而且，該數(shù)據(jù)庫實際上并不包含某些對房價有重要影響的因素（例如服務質(zhì)量、易耗品種類和質(zhì)量、裝修檔次、房間面積等等，但酒店星級和網(wǎng)絡人氣指數(shù)一定程度上能夠間接反映裝修檔次、房間面積、服務質(zhì)量等），雖然由于缺失重要變量使得模型參數(shù)意義的單獨解釋有一定難度，但這也并非筆者的初衷，因此，本研究中確定系數(shù)（R Square，表示多元線性回歸模型中自變量的變化對因變量的變化的解釋能力）是衡量模型優(yōu)劣的主要指標。

在模型一中，筆者僅加入了酒店星級、是否裝修過和是否最低價這三個變量，該模型整體統(tǒng)計顯著，R Square為0.445，這意味著該模型中的三個變量可以解釋掉福州地區(qū)房價變化的44.5%，解釋能力不算太差，在社會科學研究中，一般模型超過30%的解釋力就可以接受了。

模型二中，筆者嘗試采用Stepwise逐步回歸法篩選出最有解釋（預測）能力的變量，篩選標準為顯著性水平小于0.1，最后保留下來的7個變量為：房間數(shù)量、是否最低價、評價指數(shù)、裝修年數(shù)、星級、是否裝修和距離機場距離。該模型的解釋能力有顯著改善，R Square為0.624，這意味著該模型可以解釋不同酒店價格差異的62.4%。

模型三中，筆者加入了該數(shù)據(jù)庫中所有可利用的14個變量，該模型的R Square為0.660，比模型二略有改善。

因此，從R Square來看，模型三為最優(yōu)模型，雖然存在不足，但這個定價模型對于決策有參考價值（該模型對房價的差異有66%的解釋預測能力）。

在模型三中，帶入M酒店的相關取值：三星級、362間客房（攜程數(shù)據(jù)）、雙早餐、有免費寬帶、距離機場52公里、距離火車站3公里、距離市中心（五一廣場）1公里、評論數(shù)量104條、攜程評分3.6分、2012年裝修過、開業(yè)年數(shù)25年、裝修年數(shù)5年、人氣指數(shù)374（104*3.6），筆者可以計算出按照市場行情，M酒店的最低房價和最高房價分別是368元和614元;如果2017年裝修，并且升到4星級，那么該模型計算出的最低房價和最高房價分別是373元和619元。

從該模型的計算結(jié)果來看，M酒店目前的最高房價與模型三的結(jié)果較為接近，根據(jù)M酒店財務部數(shù)據(jù)，套房報價約為580元（但攜程網(wǎng)上沒有套房報價信息，僅有270元的商務客房），模型三擬合結(jié)果為614元，差異不大。

但M酒店目前的最低房價大大偏低，攜程網(wǎng)的報價為220元，而該模型擬合結(jié)果為368元，比目前報價高出148元，高出67.3%。筆者想這也是為什么很多客戶覺得M酒店性價比很高的原因，因為人們對處在繁華市中心、出行購物方便（附近有長途車站和大型商場）、提供溫泉、提供免費電腦和網(wǎng)絡、提供免費雙早的老字號三星級酒店的價格預期遠遠高于220元。因此，模型計算的結(jié)果也證明了前文對攜程網(wǎng)客戶評論的分析：M酒店有較大提價空間。

令人意外的是，如果2017年裝修升4星，最低價和最高價僅比3星提高5元，分別為373元和619元。在模型三中，變量“酒店星級”的回歸系數(shù)為61.18，這意味著在其他條件保持不變的情況下，每增加一星，客房價格平均可以提高61.18元，這與經(jīng)驗預期比較接近。但該模型中變量“裝修年數(shù)”的回歸系數(shù)為11.26，該值為正值而不是為負值，這與常識似乎不符，因為裝修年數(shù)越大的酒店，意味著設備越陳舊，價格應該越低才對;但情況可能是這樣的：要裝修的酒店意味著裝修前設備已經(jīng)很陳舊，酒店硬件在客戶中的口碑已經(jīng)很差，酒店新裝修之后，這種口碑（客戶印象）并不會立刻改變，而是需要一定的時間才能逐漸改善，因此，這也就造成裝修年數(shù)越長，價格反而可以越高，另外，由于近年大量新酒店投入市場，絕大部分酒店都是新裝修，所以裝修年限這個變量對酒店價格影響不明顯，由于該數(shù)據(jù)庫中缺失某些變量，筆者們無法對這個假設進行模型驗證。M酒店2017年升星之后，在模型中“裝修年數(shù)”由5變成0，星級有3變成4，因此房價變動為61.18-11.26*5=4.88，約等于5元。

四、“市場定價模型”小結(jié)

M酒店的裝修升星對酒店“市場價格”（可以理解為市場總體對特定條件酒店的價格預期）并不會立刻產(chǎn)生大幅度提升，市場對裝修改造的認可需要一定時間;但是，由于M酒店目前的最低房價定價過低，因此，在市場整體對“裝修升星”的效果尚未充分認可的情況下，M酒店仍然有較大的提價空間。

五、后記

筆者對福州M酒店升星改造后提價的定量分析，獲得該酒店管理層的認可，提價后一年多的運營數(shù)據(jù)表明，提價并沒有大幅度減少該酒店的入住率，酒店的運營效益大幅度改善。

參考文獻：

[1]朱海艷，田淋玲.在線信息對西安市星級酒店和經(jīng)濟型酒店網(wǎng)上預訂的影響研究——以攜程網(wǎng)數(shù)據(jù)為例[J]，價值工程，2017（31）.

[2]張夢，張廣宇，葉作亮.在線信息對酒店網(wǎng)上預訂的影響研究——基于攜程網(wǎng)酒店在線預訂數(shù)據(jù)的分析[J].旅游學刊，2011（7）：79-84.

[3]劉妍.基于網(wǎng)絡營銷的酒店客房定價策略研究[J].《價格月刊》，2014（07）.

[4]彭文姝，李進兵.星級酒店客房定價影響因素及模型研究[J].經(jīng)濟研究導論，2016（19）.

[5]吳雪.經(jīng)濟型酒店特征對客房定價的影響研究[D]，天津大學碩士論文，2017年7月.

作者簡介：

黃娟（1982-），女，福建福州人，講師職稱，北京大學碩士?研究方向：社會學，統(tǒng)計學?