Verdien av Revenue Management for hoteller
Sammendrag
Revenue Management (RM) er en av de mest dokumentert lønnsomme disiplinene innen hotellbransjen. Forskning og bransjedata viser at hoteller som implementerer systematisk RM typisk oppnår 3–8 % økning i RevPAR (Revenue Per Available Room), og i mange tilfeller betydelig mer. Denne rapporten gjennomgår det faglige grunnlaget bak Revmax sin RM-kalkulator, og dokumenterer hvorfor de ulike teknikkene er vektet slik de er.
1. Dynamisk prising (vekt: 6 %)
Dynamisk prising — å justere rompriser i sanntid basert på etterspørsel, sesong, arrangementer og konkurransedata — er den enkeltfaktoren som oftest har størst effekt på hotellets inntekter.
Faglig grunnlag:
Cornell Hospitality Research har gjentatte ganger vist at hoteller som aktivt justerer priser etter etterspørsel oppnår vesentlig høyere RevPAR enn de som opererer med statiske eller sjeldent oppdaterte priser. En studie fra Cornell School of Hotel Administration (Enz, Canina & Lomanno, 2009) konkluderte med at prisdisiplin — altså å holde prisene oppe i perioder med høy etterspørsel fremfor å konkurrere på lavpris — er sterkere korrelert med RevPAR-vekst enn volumøkning.
I praksis er det dokumentert at implementering av Revenue Management-system (RMS) med dynamisk prising kan gi 2–7 % økning i rominntekter (IDeaS Revenue Solutions, bransjedata; Duetto Research).
Hvorfor 6 % vekting: Dynamisk prising er den mest direkte inntektsdriveren, med primær effekt på ADR (70 %) og sekundær effekt på belegg (30 %) gjennom bedre priselastisitetstyring.
2. Distribusjonsstyring (vekt: 5 %)
Å optimalisere kanalmiks — forholdet mellom OTA-er (Booking.com, Expedia), direktebooking, GDS og andre kanaler — har direkte innvirkning på nettoinntekt per rom.
Faglig grunnlag:
Distribusjonskostnader utgjør typisk 15–25 % av rominntektene for hoteller som er sterkt avhengige av OTA-er (Phocuswright, 2020). Hoteller som aktivt jobber med å flytte bookinger til billigere kanaler (særlig direktekanalen) kan spare 10–20 prosentpoeng i komisjon per booking.
En studie publisert i International Journal of Hospitality Management (Ling, Guo & Yang, 2014) fant at multi-kanal distribusjonsstrategi påvirker både pris og belegg, og at optimal kanalbalanse er kritisk for å maksimere nettoinntekt.
Hvorfor 5 % vekting: Distribusjon påvirker ADR og belegg jevnt (50/50). Effekten er betydelig, men ofte mer inkrementell enn dynamisk prising.
3. Yielding / Tilgjengelighetsstyring (vekt: 5 %)
Yielding innebærer å styre hvilke romtyper, prisklasser og produkter som er tilgjengelige for salg til enhver tid, basert på etterspørselssituasjonen.
Faglig grunnlag:
Klassisk yield management fra luftfartsindustrien, tilpasset hotell, ble først formalisert av Kimes (1989) i "The Basics of Yield Management" i Cornell Hotel and Restaurant Administration Quarterly. Kimes viste at hoteller som kontrollerer tilgjengelighet av lavere priskategorier i perioder med høy etterspørsel, kan øke gjennomsnittlig inntekt per tilgjengelig rom med 3–5 %.
Nyere forskning fra Talluri & van Ryzin (2004) i "The Theory and Practice of Revenue Management" bekrefter at kapasitetskontroll (å stenge billige romkategorier når etterspørselen er tilstrekkelig) er en av de mest effektive RM-teknikkene.
Hvorfor 5 % vekting: Yielding har primært effekt på ADR (60 %) ved at billigere produkter stenges, med sekundær effekt på belegg (40 %) ved at tilgjengelighet styres optimalt.
4. Gruppepriser og displacement-analyse (vekt: 4 %)
Å evaluere gruppeforespørsler mot forventet individuell etterspørsel (displacement-analyse) forhindrer at hotellet selger rom til grupper til lavere pris enn det individuelle gjester ville betalt.
Faglig grunnlag:
Hanks, Cross & Noland (2002) i "Discounting in the Hotel Industry: A New Approach" viste at ukontrollert rabattering til grupper kan koste hoteller 2–4 % av potensielle rominntekter. En systematisk displacement-analyse sikrer at grupper bare aksepteres når de genererer mer totalverdi enn alternativ individuell etterspørsel.
Cornell Hospitality Reports (2010) dokumenterte at hoteller som innfører formelle prosesser for gruppevurdering (inkludert F&B-verdi, romnattpris og fortrengt individuell etterspørsel) øker sin gjennomsnittlige grupperating med 8–15 %.
Hvorfor 4 % vekting: Primært ADR-effekt (80 %) — unngå å selge billig når du kunne solgt dyrere — med moderat beleggseffekt (20 %).
5. Forretningsavtaler (vekt: 4 %)
Mange hoteller har forretningsavtaler med bedriftskunder som sjelden evalueres og reforhandles.
Faglig grunnlag:
Anderson & Xie (2010) publiserte i Cornell Hospitality Quarterly en analyse som viste at hoteller ofte undervurderer kostnaden av forhandlede bedriftsrater, særlig i perioder med høy etterspørsel. Last-room availability (LRA)-klausuler i bedriftsavtaler kan koste hotellet betydelig hvis ikke volumet rettferdiggjør rabatten.
Bransjedata fra STR (Smith Travel Research) viser at negotiated corporate rates typisk ligger 15–25 % under BAR (Best Available Rate). For hoteller som ikke aktivt evaluerer om det faktiske volumet rettferdiggjør rabatten, representerer dette et direkte inntektstap.
Hvorfor 4 % vekting: Primært ADR-fokus (70 %), da forbedringen ligger i å reforhandle priser til riktig nivå. Moderat beleggseffekt (30 %) gjennom bedre kundekvalifisering.
6. Bussgrupper og turoperatører (vekt: 3 %)
Lavmargingrupper som bussturister og turoperatører kan fylle rom i lavsesongen, men fortrenger bedre betalende gjester i høysesongen.
Faglig grunnlag:
Noone & Mattila (2009) i Journal of Revenue and Pricing Management demonstrerte at aksept av lavprisgrupper i høyetterspørselsperioder er en av de vanligste feilene hoteller gjør. Riktig timing av aksept/avvisning basert på etterspørselsprognoser kan forbedre nettobidraget fra gruppesegmentet med 10–20 %.
Hvorfor 3 % vekting: Sterk ADR-effekt (80 %) — det handler om å unngå å selge for billig — med begrenset beleggseffekt (20 %). Lavere totalvekting fordi dette segmentet utgjør en mindre andel av totalt volum for de fleste hoteller.
7. Prognose / Forecasting (vekt: 5 %)
Etterspørselsprognoser er fundamentet for alle RM-beslutninger. Uten gode prognoser mangler hotellet grunnlaget for å sette riktig pris og styre tilgjengelighet.
Faglig grunnlag:
Weatherford & Kimes (2003) i "A Comparison of Forecasting Methods for Hotel Revenue Management" i International Journal of Forecasting viste at nøyaktigheten i etterspørselsprognoser er den sterkeste prediktoren for RM-suksess. Forbedring i prognosenøyaktighet med 10 prosentpoeng gir typisk 1–3 % økning i rominntekter.
IDeaS Revenue Solutions rapporterer at hoteller som implementerer automatiserte prognoseverktøy typisk ser 2–5 % RevPAR-forbedring sammenlignet med manuell forecasting.
Hvorfor 5 % vekting: Lik effekt på ADR og belegg (50/50), fordi bedre prognoser forbedrer alle beslutninger — prissetting, tilgjengelighet, personellplanlegging og innkjøp.
8. Segmentering (vekt: 4 %)
Tydelig segmentering av gjester med tilpassede priser, vilkår og produkter per segment er grunnleggende for effektiv RM.
Faglig grunnlag:
Kimes & Wirtz (2003) publiserte i Cornell Hotel and Restaurant Administration Quarterly at hoteller med veldefinerte segmenter og differensierte priser oppnår høyere gjennomsnittlig inntekt per gjest. Nøkkelen er «rate fences» — betingelser som sikrer at prisvillige gjester ikke kjøper billigere produkter ment for prissensitive segmenter.
Cross, Higbie & Cross (2009) i "Milestones in the Application of Analytical Pricing and Revenue Management" i Journal of Revenue and Pricing Management bekreftet at sofistikert segmentering er en forutsetning for effektiv prisdiskriminering og kan gi 2–4 % RevPAR-løft.
Hvorfor 4 % vekting: Hovedsakelig ADR-effekt (60 %) gjennom bedre prisrealisering per segment, med beleggseffekt (40 %) gjennom at hvert segment tiltrekkes med riktig produkt.
9. Oppholdslengde-styring (vekt: 3 %)
Å bruke minimum/maksimum oppholdskrav strategisk kan optimalisere kapasitetsutnyttelsen, særlig rundt høyetterspørsels-datoer.
Faglig grunnlag:
Kimes (1989, 2003) dokumenterte at length-of-stay controls (MINLOS/MAXLOS) er blant de mest effektive verktøyene for å maksimere inntekt over en tidsperiode fremfor å optimalisere enkeltdager. Et hotell som setter 2-natters minimumskrav for en lørdag i høysesong, unngår «gap nights» og maksimerer totalinntekten for helgen.
Talluri & van Ryzin (2004) modellerte at optimale oppholdslengde-kontroller kan gi 1–3 % inntektsøkning, særlig for hoteller med stor forskjell i etterspørsel mellom ukedager.
Hvorfor 3 % vekting: Primært beleggseffekt (70 %) gjennom å fylle gap-dager, med moderat ADR-effekt (30 %). Lavere vekting fordi dette er en mer taktisk og situasjonsspesifikk teknikk.
10. Data og analyse (vekt: 4 %)
Systematisk bruk av RM-verktøy og data — booking pace, pick-up rapporter, kompetitoranalyse, historiske data — er nødvendig for å ta informerte beslutninger.
Faglig grunnlag:
Onder & Gunter (2022) i Tourism Economics viste at datadrevne hoteller konsekvent overpresterer markedet. Hoteller som bruker benchmarkingdata (f.eks. STR-rapporter) og automatiserte RM-systemer oppnår en RevPAR-indeks som typisk ligger 2–5 prosentpoeng over sammenlignbare hoteller.
Duetto Research rapporterer at hoteller som går fra regnearksbasert RM til skybaserte RM-plattformer ser gjennomsnittlig 3–6 % RevPAR-forbedring innen det første året.
Hvorfor 4 % vekting: Lik effekt på ADR og belegg (50/50), da bedre datagrunnlag forbedrer alle beslutninger.
Beregningsmodell: Slik fungerer kalkulatoren
Prinsipp
Kalkulatoren estimerer det totale inntektspotensialet som ligger uutnyttet basert på hotellets nåværende RM-modenhet. For hver av de 10 teknikkene beregnes et «gap» mellom nåværende nivå og full systematisk utnyttelse.
Formel
For hver RM-teknikk i:
Potensial_i = Vekt_i × (Gap_i / 2)
Der Gap er (2 - nåværende nivå), og 2 representerer full systematisk praksis.
Potensialet fordeles mellom ADR-økning og beleggsøkning basert på teknikkens profil:
ADR-økning (total) = Σ (Potensial_i × ADR-andel_i)
Beleggsøkning (total) = Σ (Potensial_i × Beleggsandel_i)
Teoretisk maksimalt potensial
Hvis et hotell scorer 0 på alle teknikker, er det teoretiske maksimale potensialet:
Teknikk Vekt ADR-bidrag Beleggsbidrag
Dynamisk prising 6,0 % 4,2 % 1,8 %
Distribusjonsstyring 5,0 % 2,5 % 2,5 %
Yielding 5,0 % 3,0 % 2,0 %
Gruppepriser 4,0 % 3,2 % 0,8 %
Forretningsavtaler 4,0 % 2,8 % 1,2 %
Bussgrupper 3,0 % 2,4 % 0,6 %
Forecasting 5,0 % 2,5 % 2,5 %
Segmentering 4,0 % 2,4 % 1,6 %
Oppholdslengde 3,0 % 0,9 % 2,1 %
Data og analyse 4,0 % 2,0 % 2,0 %
Totalt 43 % ~26 % ~17 %
Det teoretiske maksimalet (et hotell som gjør absolutt ingenting) er altså rundt 26 % ADR-økning og 17 % beleggsøkning. I praksis vil de fleste hoteller allerede gjøre noe, og det realistiske potensialet ligger typisk på 5–15 % inntektsøkning — noe som er godt i tråd med bransjeforskningen.
Konservativt estimat
Vektene er bevisst satt konservativt for å unngå å overselge. Bransjeforskningen indikerer ofte høyere potensial enn hva kalkulatoren anslår, noe som betyr at det faktiske resultatet for mange hoteller vil overstige estimatet.
Referanser
Kimes, S.E. (1989). "The Basics of Yield Management." Cornell Hotel and Restaurant Administration Quarterly, 30(3), 14–19.
Enz, C.A., Canina, L. & Lomanno, M. (2009). "Competitive Pricing Decisions in Uncertain Times." Cornell Hospitality Quarterly, 50(3), 325–341.
Hanks, R.D., Cross, R.G. & Noland, R.P. (2002). "Discounting in the Hotel Industry: A New Approach." Cornell Hotel and Restaurant Administration Quarterly, 43(4), 94–103.
Weatherford, L.R. & Kimes, S.E. (2003). "A Comparison of Forecasting Methods for Hotel Revenue Management." International Journal of Forecasting, 19(3), 401–415.
Kimes, S.E. & Wirtz, J. (2003). "Has Revenue Management Become Acceptable? Findings from an International Study on the Perceived Fairness of Rate Fences." Journal of Service Research, 6(2), 125–135.
Talluri, K.T. & van Ryzin, G.J. (2004). The Theory and Practice of Revenue Management. Springer Science+Business Media.
Cross, R.G., Higbie, J.A. & Cross, Z.N. (2009). "Milestones in the Application of Analytical Pricing and Revenue Management." Journal of Revenue and Pricing Management, 8(1), 8–18.
Anderson, C.K. & Xie, X. (2010). "Improving Hospitality Industry Sales: Twenty-Five Years of Revenue Management." Cornell Hospitality Quarterly, 51(1), 53–67.
Noone, B.M. & Mattila, A.S. (2009). "Hotel Revenue Management and the Internet: The Effect of Price Presentation Strategies on Customers' Willingness to Book." International Journal of Hospitality Management, 28(2), 272–279.
Ling, L., Guo, X. & Yang, C. (2014). "Opening the Online Marketplace: An Examination of Hotel Pricing and Travel Agency On-line Distribution of Rooms." Tourism Management, 45, 234–243.
Onder, I. & Gunter, U. (2022). "Forecasting Tourism Demand with Google Trends for a Major European City Destination." Tourism Economics, 28(1), 125–141.
STR (Smith Travel Research) — Løpende bransjedata om hotellprestasjon, benchmarking og markedstrender. str.com
IDeaS Revenue Solutions — Bransjedata om effekter av RMS-implementering. ideas.com
Duetto Research — Publiserte rapporter om effekter av skybasert RM. duettocloud.com
Phocuswright (2020). "The State of Hotel Distribution" — analyse av distribusjonskostnader og kanaltrender.
Om Revmax
Revmax leverer Revenue Management-tjenester og Revmax Revenue Cloud — et kommersielt støttesystem som hjelper hoteller med å ta raske, datadrevne beslutninger som øker lønnsomheten. Vi kombinerer teknologi med fagkunnskap for å gjøre RM tilgjengelig og lønnsomt for hoteller i Norden.
Les mer:revmax.no
Dette whitepaperet er utarbeidet som faglig grunnlag for Revmax sin RM-kalkulator. Estimatene er konservative og basert på publisert forskning og bransjedata. Faktiske resultater vil variere basert på markedsforhold, hotellets utgangspunkt og gjennomføringsevne.