The history of forecasting models in revenue management

Weatherford, Larry

doi:10.1057/rpm.2016.18

Cited by 42 publications

(30 citation statements)

References 41 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Combined methods, as the name indicates, use a combination of historical and advanced booking methods. Until the year 2000, traditional forecasting methods, which are mostly based on time-series methods and historical time series data, were the only types of methods and data used in revenue management demand forecasting (Pereira, 2016;L. Weatherford, 2016).…”

Section: Literature Review 21 Forecast and Prediction In Revenue Manmentioning

confidence: 99%

“…In addition to differences in the forecasted/predicted quantities or measures and in the methods employed, forecasts and predictions can be distinguished by level of aggregation (Talluri & Van Ryzin, 2005;L. Weatherford, 2016).…”

Section: Literature Review 21 Forecast and Prediction In Revenue Manmentioning

confidence: 99%

“…It is not surprising that forecasting is a topic addressed by a large proportion of revenue management publications (Ivanov & Zhechev, 2012). In a survey of the use of forecasting models in revenue management, Weatherford (2016) found that 83 articles on this subject were published between 1958 and 2016. However, only six of these articles were specific to hotel demand forecasting.…”

Section: Literature Reviewmentioning

confidence: 99%

See 2 more Smart Citations

Big Data in Hotel Revenue Management: Exploring Cancellation Drivers to Gain Insights Into Booking Cancellation Behavior

António

Almeida

Nunes

2019

Cornell Hospitality Quarterly

View full text Add to dashboard Cite

In the hospitality industry, demand forecast accuracy is highly impacted by booking cancellations, which makes demand-management decisions difficult and risky. In attempting to minimize losses, hotels tend to implement restrictive cancellation policies and employ overbooking tactics, which, in turn, reduce the number of bookings and reduce revenue. To tackle the uncertainty arising from booking cancellations, we combined the data from eight hotels’ property management systems with data from several sources (weather, holidays, events, social reputation, and online prices/inventory) and machine learning interpretable algorithms to develop booking cancellation prediction models for the hotels. In a real production environment, improvement of the forecast accuracy due to the use of these models could enable hoteliers to decrease the number of cancellations, thus, increasing confidence in demand-management decisions. Moreover, this work shows that improvement of the demand forecast would allow hoteliers to better understand their net demand, that is, current demand minus predicted cancellations. Simultaneously, by focusing not only on forecast accuracy but also on its explicability, this work illustrates one other advantage of the application of these types of techniques in forecasting: the interpretation of the predictions of the model. By exposing cancellation drivers, models help hoteliers to better understand booking cancellation patterns and enable the adjustment of a hotel’s cancellation policies and overbooking tactics according to the characteristics of its bookings.

show abstract

Section: Literature Review 21 Forecast and Prediction In Revenue Manmentioning

confidence: 99%

Section: Literature Review 21 Forecast and Prediction In Revenue Manmentioning

confidence: 99%

Section: Literature Reviewmentioning

confidence: 99%

See 1 more Smart Citation

Big Data in Hotel Revenue Management: Exploring Cancellation Drivers to Gain Insights Into Booking Cancellation Behavior

António

Almeida

Nunes

2019

Cornell Hospitality Quarterly

View full text Add to dashboard Cite

show abstract

“…Таким чином, посилення стратегічної ролі ревеню-менеджменту у практиці функціонування готелів довело, що зазначена управлінська технологія в перспективі буде займати визначальне рішення, процес ревеню-менеджменту зміщується з тактичного на стратегічний рівень, стає більш технологічним та орієнтованим на клієнта. Основними тенденціями в розвитку РМ є: зростання ролі організації та навчання ревенюменеджменту [18]; інтегрування РМ з маркетинговими стратегіями [19]; актуалізація загального РМ по готелю, який включає додаткові центри доходу (відповідно, перевага в результативних показниках зміщується в бік валового операційного прибутку на один номер) [11; 17]; посилення впливу соціальних мереж на управління доходами в готелях.…”

Section: рис 2 система забезпечення ревеню-менеджменту в готеліunclassified

The Concept of Value-Oriented Revenue Management

Korzh¹

2019

Herald of KNUTE

View full text Add to dashboard Cite

Представлено ціннісно орієнтований підхід до ревеню-менеджменту, який інтегрує управління взаємовідносинами з клієнтами у вартісно орієнтоване управління завантаженістю готелів. Розглянуто стратегічні, тактичні та операційні дії з ревеню-менеджменту на основі індивідуалізації споживчої цінності. Ключові слова: ревеню-менеджмент, споживча цінність, система ревенюменеджменту, середня споживча цінність. Корж Н. Концепция ценностно-ориентированного ревеню-менеджмента. Представлен ценностно-ориентированный подход к ревеню-менеджменту, который интегрирует управление взаимосвязей с клиентами в ценностно-ориентированное управление загруженностью гостиниц. Рассмотрены стратегические, тактические и операционные действия ревеню-менеджмента на основе индивидуализации потребительской ценности. Ключевые слова: ревеню-менеджмент, потребительская ценность, система ревеню-менеджмента, средняя потребительская ценность. Постановка проблеми. Поява на вітчизняному ринку глобальних готельних мереж, які використовують наступальні маркетингові стратегії, поступово змушує вітчизняних представників бізнесу переглянути практику ділової активності та зосередитися на можливостях реального позиціювання власних готелів. Ефективна політика обслуговування гостей, продумані додаткові пропозиції або вдала локація вже не можуть повною мірою забезпечити прибутковість операцій, якщо ціна послуг не покриває витрати або відлякує потенційних клієнтів. Навіть унікальна пропозиція втрачає привабливість, якщо не спроможна генерувати цільову норму дохідності.

show abstract

“…Researches made to date that consider seasonality topics in hotel industry were dominantly focused on challenges in revenue management domain due to business seasonality (e.g. Pereira, 2016;Weatherford, 2016), or on seasonality business research in hotel management and/or seasonality degree movement over time (e.g. De Santis, Ferrante and Vaccina, 2011;Duro, 2016).…”

Section: Introductionmentioning

confidence: 99%

Analysis of Seasonality Impact on the Business Performance of Global Chain Hotels

Vrkljan¹,

Barišić²,

Vrenc³

2019

Tourism in Southern and Eastern Europe

View full text Add to dashboard Cite

Starting with the notion that seasonality is one of the greatest challenges for the most hotels and tourist destinations, and without an exception for the hotels in European Mediterranean destination, this paper aims to gain knowledge of the coherence between business performance of global chain hotels and degree of seasonality, and if business or leisure hotels are more successful from the aspect of seasonality degree. Business performance is approximated by the following indicators: accommodation occupancy, average daily room rate (ADR) and revenue per available room (RevPAR). Data was collected via questionnaire from 196 global chain hotels from four Mediterranean tourist destinations (Croatia, Italy, Spain and Turkey). The data were analyzed using descriptive, inferential and multivariate statistics. The study concludes that there is a difference in business performance of the global chain hotels depending on the degree of seasonality. As the seasonality degree is lower, the hotels' business performance is higher. It is found that targeting the leisure or business hotel type cannot make the influence on the more favorable degree of seasonality. The paper contributes to theoretical and practical understanding of seasonality impact on the business performance of global chain hotels.

show abstract

The history of forecasting models in revenue management

Cited by 42 publications

References 41 publications

Big Data in Hotel Revenue Management: Exploring Cancellation Drivers to Gain Insights Into Booking Cancellation Behavior

Big Data in Hotel Revenue Management: Exploring Cancellation Drivers to Gain Insights Into Booking Cancellation Behavior

The Concept of Value-Oriented Revenue Management

Analysis of Seasonality Impact on the Business Performance of Global Chain Hotels

Contact Info

Product

Resources

About