SiteMinder introduce Dynamic Commerce Engine, una nuova soluzione basata su machine learning e intelligenza artificiale pensata per aiutare gli hotel a individuare e sfruttare le opportunità di ottimizzazione commerciale. Il sistema analizza disponibilità, tariffe e inventario e, una volta ottenuta l’approvazione dell’albergatore, può intervenire direttamente sulle impostazioni individuate.
L’obiettivo dichiarato è affrontare quello che SiteMinder definisce “execution gap”, vale a dire il divario tra le strategie commerciali definite dagli hotel e la loro effettiva applicazione operativa.
La nuova soluzione amplia il campo di intervento rispetto ai tradizionali strumenti di revenue management, che si concentrano soprattutto sulle raccomandazioni relative alle tariffe. Dynamic Commerce Engine punta infatti a intervenire su più leve commerciali, dal pricing alla distribuzione, individuando anche anomalie che possono compromettere la capacità dell’hotel di vendere le proprie camere.
Tra gli esempi citati da SiteMinder ci sono i collegamenti non funzionanti con i canali distributivi e le tipologie di camere non correttamente mappate. Problemi di questo tipo possono limitare la disponibilità dell’inventario sui canali di vendita e generare opportunità di ricavo perse.
Quattro miliardi di indicatori per individuare le opportunità
La soluzione utilizza la base dati generata dalla piattaforma SiteMinder, attiva da 20 anni e utilizzata, secondo i dati forniti dall’azienda, da 56.000 strutture alberghiere. Il sistema gestisce attualmente 2,6 milioni di camere, 140 milioni di prenotazioni e 300 milioni di room night all’anno.
Il modello di machine learning integrato in Dynamic Commerce Engine utilizzerà circa 4 miliardi di indicatori relativi a disponibilità, tariffe e inventario, definiti da SiteMinder come ARI, Average Rate Index. L’analisi servirà a identificare le opportunità di ottimizzazione più rilevanti per ciascuna struttura e a proporre agli albergatori le azioni considerate prioritarie.
Un elemento centrale della soluzione riguarda il controllo umano. L’intelligenza artificiale può individuare le opportunità e formulare le raccomandazioni, ma ogni modifica viene applicata soltanto dopo l’approvazione dell’albergatore.
Il modello punta quindi a superare una delle criticità dell’utilizzo dell’AI in ambito alberghiero: la capacità di trasformare l’analisi dei dati in azioni operative senza sottrarre il controllo a chi gestisce la struttura.
Dalla raccomandazione all’azione
Secondo SiteMinder, il mercato dispone già di numerosi strumenti capaci di elaborare dati e fornire indicazioni agli hotel, soprattutto sul fronte del pricing. Il limite individuato dall’azienda riguarda invece la fase successiva, quando la raccomandazione deve essere trasformata in un intervento concreto.
Dynamic Commerce Engine nasce con l’obiettivo di portare l’automazione anche in questa fase. L’hotel può quindi utilizzare il sistema per individuare le aree che richiedono attenzione, valutare le azioni proposte e autorizzarne l’implementazione.
La distribuzione assume in questo modello un ruolo centrale. Per SiteMinder, infatti, ottimizzare una tariffa non è sufficiente se la camera non è correttamente disponibile o vendibile attraverso i canali distributivi sui quali l’hotel è presente.
Una distribuzione configurata in modo errato può incidere direttamente sulla possibilità per il cliente di trovare una camera disponibile al prezzo desiderato. Da qui la scelta di estendere l’analisi oltre il pricing e includere l’infrastruttura distributiva.
L’esperienza online incide sulle prenotazioni
Il lancio arriva in concomitanza con una nuova ricerca condotta da SiteMinder su oltre 12.000 viaggiatori in 14 Paesi, Italia compresa.
Secondo i risultati diffusi dall’azienda, il 51,4% degli intervistati ha abbandonato una prenotazione online a causa di un’esperienza negativa. Tra le motivazioni, il 26,5% ha indicato recensioni, fotografie o informazioni considerate poco affidabili.
I dati evidenziano il ruolo della qualità e della coerenza delle informazioni presenti online nel processo di prenotazione. Per un hotel, quindi, la gestione commerciale non riguarda soltanto il prezzo proposto, ma anche la corretta distribuzione dell’inventario e delle informazioni sui diversi canali.
“Gli hotel vogliono tenere il passo con un settore dei viaggi in continua evoluzione, ma non hanno il tempo o le risorse per farlo. Limitarsi allo stretto necessario per mantenere una presenza online diventa quindi la soluzione più semplice, ed è ciò che troppi hotel fanno ormai da troppo tempo. Il risultato è un divario tra intenzione e azione, un vero e proprio execution gap”, afferma Sankar Narayan, CEO e Managing Director di SiteMinder.
Secondo Narayan, l’intelligenza artificiale può contribuire sia ad ampliare questo divario, quando produce analisi che non vengono trasformate in azioni, sia a ridurlo attraverso strumenti capaci di intervenire sui processi operativi mantenendo il controllo nelle mani dell’albergatore.
“Gli albergatori devono sapere quali opportunità contano davvero, senza dover cercare attivamente nel proprio sistema, e devono poterle trasformare in ricavi. È questo che stiamo rendendo possibile”, aggiunge Narayan.
Il CEO di SiteMinder sottolinea inoltre la necessità di considerare il pricing insieme alla distribuzione: “Il pricing non può essere l’unico ambito su cui concentrarsi: la stessa attenzione va riservata all’infrastruttura distributiva su cui si basa, che ha un impatto diretto sull’esperienza dell’ospite”.
Disponibile nei prossimi mesi
Dynamic Commerce Engine sarà disponibile nei prossimi mesi. SiteMinder prevede una fase di raccolta delle manifestazioni di interesse da parte degli hotel attraverso la propria piattaforma.
La nuova soluzione si inserisce nella progressiva evoluzione degli strumenti di hotel commerce, dove l’intelligenza artificiale viene utilizzata per passare dall’analisi dei dati alla gestione operativa di pricing, inventario e distribuzione. Il modello proposto da SiteMinder mantiene comunque l’approvazione dell’albergatore come passaggio necessario prima dell’applicazione delle modifiche.
