一种酒店客房预定收益管理的自动预测方法及系统技术方案

本发明专利技术适用酒店收益分析技术领域，提供了一种酒店客房预定收益管理的自动预测方法及系统，方法包括：获取历史销售数据，将历史销售数据输入预测模型中进行计算，预测模型基于历史数据进行计算获得预测收益，获取最新的历史销售数据并带入预测模型中进行计算，判断历史数据是否触发调整机制，若为是则调整实时房价；还包括：人工设定或修改历史销售数据，将历史销售数据输入预测模型中进行计算；从而提高了预测收益的准确率，进而提高了用户体验。进而提高了用户体验。进而提高了用户体验。

【技术实现步骤摘要】
一种酒店客房预定收益管理的自动预测方法及系统


[0001]本专利技术属于酒店收益分析
，尤其涉及一种酒店客房预定收益管理的自动预测方法及系统。

技术介绍

[0002]现有技术无法将与收益相关的数据建立起模型，即使有简单的模型，但是依赖于人工的判断，响应速度慢，无法即时的将收益模型转化为实际的收益；
[0003]现有技术无法自动修正收益模型，收益模型是否准确依赖大量的数据修正，现有技术没有建立起模型的情况下，经过调整的数据无法反馈正确的结果进行修正。

技术实现思路

[0004]鉴于上述现有技术的不足，本专利技术的目的在于提供一种实时更新预测收益的方法，旨在解决由于现有技术无法提供一种有效的酒店客房预定收益管理的自动预测方法，导致酒店收益预测不准确、数据更新不及时、用户体验不佳的问题。
[0005]一方面，本专利技术提供了一种酒店客房预定收益管理的自动预测方法，所述方法包括下述步骤：
[0006]获取历史销售数据；
[0007]将所述历史销售数据输入预测模型中进行计算；
[0008]所述预测模型基于所述历史数据进行计算获得预测收益；
[0009]获取最新的所述历史销售数据并带入所述预测模型中进行计算。
[0010]进一步优选地，所述方法还包括：
[0011]判断所述历史数据是否触发调整机制，若为是则调整实时房价。
[0012]进一步地，所述预测模型包括公式1和公式2、公式3以及公式4；
[0013]根据公式1获取月销售收入，
[0014]公式1：其中，为一个月内每日的销售收入的总和；
[0015]一个月内某日的销售收入根据公式2获得，
[0016]公式2：日销售收入＝当日市场总流量*曝光率*转化率*房型均价；其中，所述当日市场总流量为平均值，所述转化率也为平均值。
[0017]进一步地，所述方法还包括：根据公式4获取曝光率；
[0018]公式4：曝光率＝房型数据*优势价格*服务露出率*出租率。
[0019]进一步地，还包括：在节假日时提高所述房型均价；所述在节假日时提高所述房型均价与房型库存成反比。
[0020]进一步优选地，所述方法还包括：根据公式5获取客房年度总收益；
[0021]客房年总收益＝客房各销售总量*各客房销售价≈有效销售客房总量*房型均价
≈月有效销售客房总量*房型均价*12≈全年入住日期的单量*入住日期的房型均价。
[0022]进一步优选地，，所述方法还包括：人工设定或修改所述历史销售数据，将所述历史销售数据输入预测模型中进行计算；
[0023]所述获取历史销售数据通过爬虫获取。
[0024]另一方面，本专利技术提供了一种酒店客房预定收益管理的自动预测系统，所述系统包括：
[0025]房价展示单元，展示实时房价；
[0026]收益预测单元，获取历史销售数据，将所述历史销售数据输入预测模型中进行计算，所述预测模型基于所述历史数据进行计算获得预测收益，获取最新的所述历史销售数据并带入所述预测模型中进行计算，判断所述历史数据是否触发调整机制，若为是则调整实时房价；
[0027]信息收集单元，对影响收益的信息进行收集。
[0028]另一方面，本专利技术还提供了一种非易失性计算机可读存储介质，所述非易失性计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行时，可使得所述一个或多个处理器执行上述的酒店客房预定收益管理的自动预测方法。
[0029]另一方面，本专利技术还提供了一种计算机程序产品，所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被处理器执行时，使所述处理器执行上述的酒店客房预定收益管理的自动预测方法。
[0030]本专利技术的有益效果在于：获取历史销售数据，将历史销售数据输入预测模型中进行计算，预测模型基于历史数据进行计算获得预测收益，获取最新的历史销售数据并带入预测模型中进行计算，判断历史数据是否触发调整机制，若为是则调整实时房价；从而提高了预测收益的准确率，进而提高了用户体验。
附图说明
[0031]图1是本专利技术实施例一提供的酒店客房预定收益管理的自动预测方法的实现流程图；
[0032]图2是本专利技术实施例二提供的酒店客房预定收益管理的自动预测系统的结构示意图。
具体实施方式
[0033]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0034]以下结合具体实施例对本专利技术的具体实现进行详细描述：
[0035]实施例一：
[0036]图1示出了本专利技术实施例一提供的酒店客房预定收益管理的自动预测方法的实现流程，为了便于说明，仅示出了与本专利技术实施例相关的部分，详述如下：
[0037]在步骤S101中，获取历史销售数据；
[0038]在本专利技术的实施例中，方法还包括：人工设定或修改历史销售数据，将历史销售数据输入预测模型中进行计算；模型确定后，各系数初始值我们可以根据先有手工方式确定或者通过历史数据先确定部分系数，然后通过程序自动计算修正得出权重系数，最终实现模型的准确性。
[0039]获取历史销售数据通过爬虫获取。
[0040]在步骤S102中，将历史销售数据输入预测模型中进行计算；
[0041]在步骤S103中，预测模型基于历史数据进行计算获得预测收益；
[0042]在步骤S104中，获取最新的历史销售数据并带入预测模型中进行计算。
[0043]在本专利技术的实施例中，获取历史销售数据，将历史销售数据输入预测模型中进行计算，预测模型基于历史数据进行计算获得预测收益，获取最新的历史销售数据并带入预测模型中进行计算，判断历史数据是否触发调整机制，若为是则调整实时房价；从而提高了预测收益的准确率，进而提高了用户体验。
[0044]进一步地，还包括：
[0045]判断历史数据是否触发调整机制，若为是则调整实时房价。
[0046]在本专利技术的实施例中，传统做收益分析的方法是人工归集各种数据做关联分析，这种方式效率低下，对市场敏感度滞后，本专利技术采用数据修正依赖于模型自动触发的方式，一旦影响销售价格的数据触发到模型的变动范围，系统自己计算销售价并调整。
[0047]进一步地，还包括：
[0048]预测模型包括公式1和公式2、公式3以及公式4；
[0049]根据公式1获取月销售收入，
[0050]公式1：公式1：其中，为一个月内每日的销售收入的总和；
[0051]此公式中，某一间房按照提前一个月销售计算，即到某一天，此房间已经销售一个月后的总收入等于一个月内每天的销售收入总和(忽略后续取消订单)；
[0052]一个月内某日的销售收入根据公式2本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种酒店客房预定收益管理的自动预测方法，其特征在于，所述方法包括下述步骤：获取历史销售数据；将所述历史销售数据输入预测模型中进行计算；所述预测模型基于所述历史数据进行计算获得预测收益；获取最新的所述历史销售数据并带入所述预测模型中进行计算。2.如权利要求1所述的方法，其特征在于，所述方法还包括：判断所述历史数据是否触发调整机制，若为是则调整实时房价。3.如权利要求1所述的方法，其特征在于，所述预测模型包括公式1和公式2、公式3以及公式4；根据公式1获取月销售收入，公式1：其中，为一个月内每日的销售收入的总和；一个月内某日的销售收入根据公式2获得，公式2：日销售收入＝当日市场总流量*曝光率*转化率*房型均价；其中，所述当日市场总流量为平均值，所述转化率也为平均值。4.如权利要求3所述的方法，其特征在于，所述方法还包括：根据公式4获取曝光率；公式4：曝光率＝房型数据*优势价格*服务露出率*出租率。5.如权利要求3所述的方法，其特征在于，还包括：在节假日时提高所述房型均价；所述在节假日时提高所述房型均价与房型库存成反比。6.如权利要求1所述的方法，其特征在于，所述方法还包括：根据公式5获取客房年度总收益；客房年总收益＝客房各销售总量*各客房销售价≈有效销售客房总量*房型均价≈月有效销售客房总量*房型均价*12≈全年入住...

【专利技术属性】
技术研发人员：郑柱伟，张威，
申请(专利权)人：深圳市飞耶软件有限公司，
类型：发明
国别省市：