会员体验
专利管家（专利管理）
工作空间（专利管理）
风险监控（情报监控）
数据分析（专利分析）
侵权分析（诉讼无效）
联系我们
交流群
官方交流：
QQ群： 891211   
微信请扫码    >>>
现在联系顾问~
首页 / 专利库 / 收益曲线 / 酒店收益管理中的需求曲线估计方法

酒店收益管理中的需求曲线估计方法
申请号 CN201711101460.3 申请日 2017-11-10 公开(公告)号 CN107993086A 公开(公告)日 2018-05-04
申请人 复旦大学; 发明人 徐以汎; 吴勤旻; 戴锡; 陈吉;
摘要 本发明属于酒店管理技术领域，具体为酒店收益管理中的需求曲线估计方法。收益管理的目标是追求收益最大化，其中收益等于价格与需求的乘积。在一般的需求函数中，需求随着价格的上升而递减；而在连锁酒店收益管理中，酒店经理往往在房量需求旺盛时调高价格，从而导致历史数据序列中呈现需求与价格正相关的特征。本发明针对这一特点，给出一种新的需求曲线估计方法。它包括：建立用于需求曲线估计的初始需求函数；根据历史样本点逐个更新需求函数；根据新增营业日数据更新需求函数。本发明方法可精确描述需求关于价格的函数关系，实现酒店的需求预测、最优定价以及房量分配等决策。
权利要求

1.一种酒店收益管理中的需求曲线估计方法，其特征在于，具体步骤为：(1)建立用于需求曲线估计的初始需求函数；

(2)根据历史样本点逐个更新需求函数；

(3)根据新增营业日数据更新需求函数；

其中，步骤(1)所述建立用于需求曲线估计的初始函数，具体为：设初始样本点的信息为(p0,d0)，其中p0表示初始样本点的价格信息，d0表示初始样本点的需求信息，初始需求函数为：其中，p为需求函数的价格变量；

步骤(2)所述根据历史样本点逐个更新需求函数，具体为：设有N个历史样本(p1,d1,p2,d2,…pn,dn,…pN,dN)，pn,dn分别表示第个历史样本的价格和需求量，n为1，2，…，N：步骤1，n＝1，获得样本点(p1,d1)，d(0)(p)为该步骤前所估计的需求函数；

情况(1.1)，p1≤p0，则新的需求函数为：其中， α为折现因子，表示

前一阶段所估计的需求函数对更新后的需求函数的影响力；

情况(1.2)，p1>p0，则新的需求函数为：步骤2，n>1，获得样本点(pn,dn)，d(n-1)(p)为该步骤前所估计的需求函数；

该函数为分段线性函数，其不同分段的定义域由价格p0,p1,…,pn-1划分；价格p0,p1,…,pn-1的由小到大依次排序为：情况(2.1)，pn不大于其之前所有样本中的任何价格，即 则新的需求函数为：其中，

为函数d(n-1)(p)在 处的左导数；

情况(2.2)，pn大于其之前所有样本中的任何价格，即 则新的需求函数为：(n-1)

其中， 为函数d (p)在 处的右导数；

情况(2.3)，pn处于其之前所有样本所在的价格区间，即，

2≤c≤n,则新的需求函数为：(n-1)

其中， 为函数d (p)在 处的左导数；

步骤3，n＝n+1；

步骤4，如果n

2.根据权利要求1所述的酒店收益管理中的需求曲线估计方法，其特征在于，步骤(3)所述根据新增营业日数据(pt,dt)更新需求函数，具体为：设dt-1(p)为之前所估计的需求函数，如果在这之前还未对任何新增营业日数据进行需求曲线的更新，则dt-1(p)＝d(N)(p)，即历史样本所估计的需求函数；

dt-1(p)不同分段的定义域由价格 划分，由小到大依次排序为：情况一，pt不大于其之前所有样本中的任何价格，即 则新的需求函数为：其中， 为函

数dt-1(p)在 处的左导数；

情况二，pt大于其之前所有样本中的任何价格，即 则新的需求函数为：其中， 为函数dt-1(p)在 处的右导数；

情况三，pt处于其之前所有样本所在的价格区间，即， 2≤c≤T,则新的需求函数为：其中， 为函数dt-1(p)在 处的左导数。
说明书全文

酒店收益管理中的需求曲线估计方法

技术领域

[0001] 本发明属于酒店管理技术领域，具体涉及酒店收益管理中的需求曲线估计方法。技术背景
[0002] 近几年，随着我国商务及旅游市场的不断拓展，酒店行业实现了快速的扩张。尤其是在连锁酒店行业，涌现了大批如华住、如家、锦江之星等具有较大门店规模的连锁酒店管理企业。
[0003] 随着经营规模的不断扩大，各酒店企业不断重视和加强收益管理。结合互联网相关技术，许多企业已初步建立信息管理系统，并成立收益管理团队实施相关技术的研发和应用。目前，许多酒店管理企业能够实时跟踪各门店运营数据，建立完备的数据档案，具备初步的数据处理能力。
[0004] 另一方面，学术界已有大量文献研究酒店行业的收益管理问题。许多文献重点关注对需求曲线的估计方法。所述需求曲线代表需求与价格之间的函数关系式。作为酒店收益管理的核心，在理论上已有许多成熟的需求曲线估计方法，如最小二乘法，贝叶斯更新法，极大似然估计法，时间序列分析法等。
[0005] 但是，在实际的酒店管理应用中，理论与实践存在较大的差异。这些差异造成了已有收益管理理论方法难以应用到实际酒店管理的困境，主要表现在以下几方面：
[0006] 1.价格内生性问题。酒店企业所记录的价格数据对需求数据的影响是内生的。各门店的价格决策由其门店经理制定。在做出价格决策之前，门店经理根据个人经验和技巧对每个营业日的需求情况具有一定程度的了解。当门店经理判断需求较高时，则提高价格以获取更多的收益；当门店经理判断需求较低时，则降低价格以吸引更多的顾客。这一定价机制造成了数据分析的直观结果：需求与价格呈现正相关性。这不符合经济学的相关理论，其所估计的需求曲线也不适用于酒店收益管理。在观测者难以观测到门店经理的判断时，传统估计方法，如最小二乘法尝试使用价格的工具变量来解决价格内生性的问题。但是，这一方法的基本前提是酒店的定价决策是与其边际成本相关的。然而，在收益管理领域，酒店定价只以收益最大化为目标，成本因素并不做参考。这使得传统需求曲线估计方法在这一特定问题下失效。
[0007] 2.无法完成对需求函数的实时更新。酒店收益管理的主要决策变量为每个营业日的定价。因此，需求曲线的实时更新(至少每日更新)是一个成熟的收益管理系统所必备的。然而，对门店规模庞大的连锁酒店管理集团而言，为达成这一要求，传统需求曲线估计方法将耗费大量的计算资源和计算时间，显然不现实。

发明内容

[0008] 为解决上述技术问题，本发明提供一种能根据酒店运营数据进行实时更新的需求曲线估计方法，为酒店的收益管理提供可靠而实用的支持。
[0009] 收益管理的目标是追求收益最大化，其中收益等于价格与需求的乘积。在一般的需求函数中，需求随着价格的上升而递减；而在连锁酒店收益管理中，酒店经理往往在房量需求旺盛时调高价格，从而导致历史数据序列中呈现需求与价格正相关的特征。本发明针对这一特点，提出一种新的需求曲线估计方法。
[0010] 本发明提出的酒店收益管理中的需求曲线估计方法，它包括：
[0011] (1)建立用于需求曲线估计的初始需求函数；
[0012] (2)根据历史样本点逐个更新需求函数；
[0013] (3)根据新增营业日数据更新需求函数；
[0014] 本发明中，建立用于需求曲线估计的初始函数，具体包括：
[0015] 设初始样本点的信息为(p0,d0)，其中p0表示初始样本点的价格信息，d0表示初始样本点的需求信息，初始需求函数为：
[0016]
[0017] 其中，p为需求函数的价格变量。
[0018] 本发明中，对于样本量为N的历史样本(p1,d1,p2,d2,…pn,dn,…pN,dN)，pn,dn分别表示第个历史样本的价格和需求量，根据历史样本点逐个更新需求函数的需求曲线估计，具体包括：
[0019] 步骤1，n＝1，获得样本点(p1,d1)，d(0)(p)为该步骤前所估计的需求函数。
[0020] 情况(1.1)，p1≤p0，则新的需求函数为：
[0021]
[0022] 其中， α为折现因子，表示前一阶段所估计的需求函数对更新后的需求函数的影响力。
[0023] 情况(1.2)，p1>p0，则新的需求函数为：
[0024]
[0025] 步骤2，n>1，获得样本点(pn,dn)，d(n-1)(p)为该步骤前所估计的需求函数。
[0026] 该函数为分段线性函数，其不同分段的定义域由价格p0,p1,…,pn-1划分。价格p0,p1,…,pn-1的由小到大依次排序为：
[0027]
[0028] 情况(2.1)，pn不大于其之前所有样本中的任何价格，即 则新的需求函数为：
[0029]
[0030] 其中，为函数d(n-1)(p)在 处的左导数。
[0031] 情况(2.2)，pn大于其之前所有样本中的任何价格，即 则新的需求函数为：
[0032]
[0033] 其中， 为函数d(n-1)(p)在 处的右导数。
[0034] 情况(2.3)，pn处于其之前所有样本所在的价格区间，即，则新的需求函数为：
[0035]
[0036] 其中， 为函数d(n-1)(p)在 处的左导数。
[0037] 步骤3，n＝n+1。
[0038] 步骤4，如果n
[0039] 本发明中，用于新增营业日数据(pt,dt)更新需求函数，具体包括：
[0040] 设dt-1(p)为之前所估计的需求函数。如果在这之前还未对任何新增营业日数据进行需求曲线的更新，则dt-1(p)＝d(N)(p)，即历史样本所估计的需求函数。
[0041] dt-1(p)不同分段的定义域由价格 划分，由小到大依次排序为：
[0042]
[0043] 情况一，pt不大于其之前所有样本中的任何价格，即 则新的需求函数为：
[0044]
[0045] 其中，为函数dt-1(p)在 处的左导数。
[0046] 情况二，pt大于其之前所有样本中的任何价格，即 则新的需求函数为：
[0047]
[0048] 其中， 为函数dt-1(p)在 处的右导数。
[0049] 情况三，pt处于其之前所有样本所在的价格区间，即，则新的需求函数为：
[0050]
[0051] 其中， 为函数dt-1(p)在 处的左导数。
[0052] 本发明方法可精确描述需求关于价格的函数关系，实现酒店的需求预测、最优定价以及房量分配等决策。
[0053] 与现有技术相比，本发明具有以下优点：
[0054] 本发明解决了许多行业所存在的价格内生性问题，使得所估计的需求函数具有经济学意义，能够准确获得经济型连锁酒店的价格弹性系数，为连锁酒店提供有效的收益管理量化工具，帮助连锁酒店进行数据驱动的科学化管理，提升平均收益水平。同时，本发明能够应对需求波动对需求曲线刻画的影响，实现需求函数的实时更新。本发明帮助酒店摆脱依赖门店经理专业技能的酒店管理困境。本发明非常适合规模化的大型连锁酒店集团，能够帮助其进行快速扩张，占据市场份额，巩固行业地位。

附图说明

[0055] 图1是本发明酒店收益管理中需求曲线估计方法的流程示意图。
[0056] 图2是本发明与最小二乘法的效果对比。

具体实施方式

[0057] 下面结合附图对发明做进一步说明。以下实施方式中所使用的实例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。
[0058] 实施例1，酒店收益管理中的需求曲线估计方法，如图1所示它包括：
[0059] 用于建立初始函数的需求曲线估计方法；
[0060] 用于历史样本点逐个更新需求函数的需求曲线估计步骤；
[0061] 用于新增营业日数据更新需求函数的需求曲线更新方法；
[0062] 在每一次更新需求曲线时，首先判断本次更新是否为离线估计。若是离线估计，则实施用于历史样本点逐个更新需求函数的需求曲线估计步骤；若是在线更新，则实施用于新增营业日数据更新需求函数的需求曲线更新方法；
[0063] 需求曲线估计方法中，用于建立初始函数的需求曲线估计方法，具体包括：
[0064] 初始样本点的信息为(p0,d0)，其中p0表示初始样本点的价格信息，d0表示初始样本点的需求信息。初始需求函数为：
[0065]
[0066] 其中，p为需求函数的价格变量。
[0067] 下面进一步解释用于建立初始函数的需求曲线估计方法。假设初始样本点的信息为(p0＝200,d0＝100)，那么初始需求函数为：
[0068] d(0)(p)＝-0.5p+200.
[0069] 需求曲线估计方法中，对于样本量为N的历史样本(p1,d1,p2,d2,…,pN,dN)，用于历史样本点逐个更新需求函数的需求曲线估计步骤具体包括：
[0070] 步骤1，n＝1，获得样本点(p1,d1)，d(0)(p)为该步骤前所估计的需求函数。
[0071] 情况(1.1)，p1≤p0，新的需求函数为：
[0072]
[0073] 其中， α为折现因子，表示前一阶段所估计的需求函数对更新后的需求函数的影响力。
[0074] 情况(1.2)，p1>p0，新的需求函数为：
[0075]
[0076] 步骤2，n>1，获得样本点(pn,dn)，d(n-1)(p)为该步骤前所估计的需求函数。
[0077] 该函数为分段线性函数，其不同分段的定义域由价格p0,p1,…,pn-1划分。价格p0,p1,…,pn-1的由小到大依次排序为：
[0078]
[0079] 情况(2.1)，pn不大于其之前所有样本中的任何价格，即 新的需求函数为：
[0080]
[0081] 其中，为函数d(n-1)(p)在 处的左导数。
[0082] 情况(2.2)，pn大于其之前所有样本中的任何价格，即 新的需求函数为：
[0083]
[0084] 其中， 为函数d(n-1)(p)在 处的右导数。
[0085] 情况(2.3)，pn处于其之前所有样本所在的价格区间，即，新的需求函数为：
[0086]
[0087] 其中， 为函数d(n-1)(p)在 处的左导数。
[0088] 步骤3，n＝n+1。
[0089] 步骤4，如果n
[0090] 下面以实例进一步解释用于历史样本点逐个更新需求函数的需求曲线估计步骤中的步骤1。该实例假设折现因子α＝0.2，以d(0)(p)＝-0.5p+200为初始需求函数。
[0091] 在步骤1，n＝1。若此时获得的样本数据为(180,100)(括号中左边数字表示价格，右边数字表示需求，下同)，则符合情况(1.1),k1(p0)＝-0.54， 更新后的需求函数为：
[0092]
[0093] 若此时获得的样本数据为(220,100)，则符合情况(1.2)，那么k1(p0)＝-0.46，更新后的需求函数为：
[0094]
[0095] 以下以实例进一步解释用于历史样本点逐个更新需求函数的需求曲线估计步骤中的步骤2。该实例假设折现因子α＝0.2，在该步骤之前的样本点为(200,100)和(180,100)，即以d(0)(p)＝-0.5p+200为初始需求函数，以
为步骤1估计所得的需求函数。
[0096] 在步骤2，n＝2，由 的定义可知， 若此时获得的样本数据为(170,120)，则符合情况(2.1)，那么 更新后的
需求函数为：
[0097]
[0098] 若此时获得的样本数据为(210,90)，则符合情况(2.2)，那么更新后的需求函数为：
[0099]
[0100] 若此时获得的样本数据为(190,110)，则符合情况(2.3)，那么更新后的需求函数为：
[0101]
[0102] 需求曲线估计方法中，用于新增营业日数据(pt,dt)更新需求函数的需求曲线更新方法具体包括：
[0103] dt-1(p)为之前所估计的需求函数。如果在这之前还未对任何新增营业日数据进行需求曲线的更新，则dt-1(p)＝d(N)(p)，即历史样本所估计的需求函数。
[0104] dt-1(p)不同分段的定义域由价格 划分，由小到大依次排序为：
[0105]
[0106] 情况一，pt不大于其之前所有样本中的任何价格，即 新的需求函数为：
[0107]
[0108] 其中，为函数dt-1(p)在 处的左导数。
[0109] 情况二，pt大于其之前所有样本中的任何价格，即 新的需求函数为：
[0110]
[0111] 其中， 为函数dt-1(p)在 处的右导数。
[0112] 情况三，pt处于其之前所有样本所在的价格区间，即，新的需求函数为：
[0113]
[0114] 其中， 为函数dt-1(p)在 处的左导数。
[0115] 以下以实例进一步解释用于新增营业日数据更新需求函数的需求曲线更新方法。该实例假设折现因子α＝0.2，在该方法之前用于估计需求曲线的数据点依次为(200,100)、(180,100)和(170,120)，即以d(0)(p)＝-0.5p+200为初始需求函数，以
[0116]
[0117] 为该方法之前估计所得的需求函数。根据 的定义可知，
[0118] 若新增数据点为(160,110)，则符合情况一，那么 更新后的需求函数为：
[0119]
[0120] 若新增数据点为(210,110)，则符合情况二，那么 更新后的需求函数为：
[0121]
[0122] 若新增数据点为(190,110)，则符合情况三，那么更新后的需求函数为：
[0123]
[0124] 图2展示了最小二乘法和本发明所述估计方法分别对某组具有价格内生性数据的估计结果。其中，实线表示最小二乘法估计所得的需求曲线，虚线表示本发明所述估计方法估计所得的需求曲线。可以发现，最小二乘法估计所得曲线不符合经济学意义，难以运用到实际的酒店收益管理；而本发明估计所得的曲线呈现了显著的需求——价格负向关系，解决了价格内生性对需求曲线估计的消极影响。

IPRDB

最新中国发明专利 最新美国发明专利 技术领域 专利库 专利分类库 国际专利分类库

热门服务

会员版试用 API 数据接口 找代理 知嘟嘟专利交易 排行榜 大学排行榜 专利百科

关于我们

平台介绍 战略合作 网站地图

友情链接

知嘟嘟专利交易 国家知识产权局 中国商标网

联系方式


©2019-2023 上海吉码数字技术有限公司 版权所有，并保留所有权利 沪ICP备20016256号-6 沪公网安备31011702005475号