Az előrejelzésed mindig téved. Nem ez a baj.

Jegyzet azoknak a szállodásoknak, akik csendben már nem bíznak az előrejelzésükben — és a revenue managereknek, akik belefáradtak abba, hogy folyton megvédjék.

A havi előrejelzés azt mondta, a hónap X-en landol. X mínusz 8%-on landolt. Valaki felvonta a szemöldökét. Következő hónap: előrejelzés Y, tény Y plusz 11%. Más irány, más méret, és minden alkalommal más magyarázat. Valahol a harmadik melléfogás környékén a csapatra rátelepszik egy következtetés: „nálunk az előrejelzés nem igazán működik.”

Ez a következtetés téves — de nem úgy, ahogy az előrejelzés-szállítók szeretnék. Az igazság egyszerűbb és hasznosabb: minden előrejelzés mindig téved. A tiéd, a miénk, a légitársaságoké, a meteorológiai szolgálaté. A kérdés, ami egy működő revenue-csapatot elválaszt egy frusztrálttól, nem az, hogy „eltalálta az előrejelzés?” Hanem az, hogy „ismert mértékben téved-e?”

Miért rossz panasz az, hogy „tévedett az előrejelzés”

Az előrejelzés nem prófécia. Hanem döntési alapanyag — az a szám, amire az árazási, beosztási és marketing-terveid támaszkodnak. A döntési alapanyagnak pedig nem tökéletesnek kell lennie, hanem ismert hibájúnak.

Egy időjárás-előrejelzés, amelyik ötből négy napon eltalálja az esőt, kifejezetten hasznos — mert tudod róla, hogy ötből négyszer pontos műszer, és eszerint tervezel. Ugyanez az előrejelzés ismeretlen megbízhatósággal használhatatlan lenne: nem tudnád eldönteni, vigyél-e esernyőt.

A hotel-előrejelzések pontosan ugyanígy működnek. Egy 30 napos előrejelzés, amelyik jellemzően ±8%-on belül jár, megbízható műszer: nyugodt szívvel tarthatod az árat, amikor a pace erősnek látszik, mert az „erős” jelent valamit. Ugyanez az előrejelzés méretlen hibával semmit nem támaszt alá — minden szám mellé odakerül egy láthatatlan csillag, minden döntés csendben visszacsúszik a megérzéshez, és az előrejelzésből olyan dokumentum lesz, amit senki nem olvas. (Ezt a bizalmi spirált az 5 jel, hogy bevétel szivárog el a szállodádban írásban jártuk körül — ott a 3. jel, és az egyik leggyakoribb mintázat, amit látunk.)

A panaszra, hogy „tévedett az előrejelzés”, nincs orvosság, mert a tévedés állandó. A panaszra, hogy „nem tudjuk, jellemzően mennyit tévednek az előrejelzéseink”, van — és már ebben a hónapban nekiláthatsz.

A hibát mérd, ne az érzést

A standard mérőszám a MAPE — mean absolute percentage error, vagyis átlagos abszolút százalékos hiba: egy egyszerű gondolat technikai neve. Átlagosan hány százalékkal trafál mellé az előrejelzés? Előrejelzel 100 szobaéjszakát, lesz belőle 92 vagy 108 — ez 8%-os melléfogás; átlagold a melléfogásaidat egy hónapnyi napi előrejelzésen, és megvan a MAPE-d. (Két rokona, a SMAPE és a MAE a határeseteket kezeli, például a nulla közelében járó éjszakákat; a szótárban mindkettő megvan. Kezdd a MAPE-vel.)

Egy szám viszont nem elég — a pontosságot időhorizontonként kell mérni. Egy 7 nappal előre készült előrejelzésnek jóval pontosabbnak illik lennie, mint egy 30 nappal előre készültnek, mert a foglalások nagy része addigra már be is érkezett. Ha egyetlen számba mosod össze őket, pont azt az információt rejted el, amire szükséged van. Egy használható előrejelzés-pontossági válasz valahogy így hangzik: „a 7 napos MAPE 8% körül, a 14 napos 12% körül, a 30 napos 18% körül.”

Abban a pillanatban, hogy ezek a számok léteznek, átalakul a beszélgetés. Az „előrejelezni nehéz” — egy vállrándítás — átváltozik azzá, hogy „a 7 naposunk kiváló, a 30 napos módszertanunkon viszont dolgozni kell” — ez pedig már feladat.

A három hibamintázat, amit a mérés felszínre hoz

Amint horizontonként követed a hibát, három jól elkülönülő mintázat rajzolódik ki, mindegyik a maga orvosságával:

1. Torzítás. Az előrejelzés hónapról hónapra következetesen magas (vagy következetesen alacsony). Ez nem zaj — ez rendszerszintű bemeneti probléma. A krónikus túlbecslés gyakran a lemondásokra és a no-show-kra vezethető vissza, amelyeket a módszer figyelmen kívül hagy (ez a wash factor); a krónikus alulbecslés gyakran azt jelenti, hogy a történeti ablakodból kimarad a későn érkező kereslet. A torzítás a legjavíthatóbb hiba mind közül — de csak a mérés teszi láthatóvá.

2. A horizont-szakadék. A pontosság 7 napnál rendben van, 21 napon túl szétesik. Gyakori és kezelhető: azt jelenti, hogy a hosszú távú módszered túlságosan a tavalyi évre támaszkodik, és nem eléggé az aktuális pace-jelekre. Ha tudod, hol a szakadékod, azt is tudod, meddig bírja el az előrejelzésed az árazási döntéseket — és honnan érdemes inkább forgatókönyvekben gondolkodni.

3. Szegmens-vakság. Az összesített előrejelzés pontosnak tűnik, miközben a corporate lefelé, a transient felfelé téved — a hibák az összesítésben kioltják egymást. A hotel-szintű MAPE azt mondja, „rendben”; a szegmens-szintű döntések, amelyek ezekre a számokra épülnek, attól még rosszak. Ha az üzletedben érdemben különböző szegmensek vannak, mérd őket külön.

Hogyan kezdd el, 30 nap alatt

A kezdő változathoz nem kell új eszköz:

1. hét: Ments el egy dátumozott másolatot a jelenlegi előrejelzésedről — a teljes napi bontást a következő 30+ napra. A másolat legyen befagyasztva: egy előrejelzést, amelyik csendben frissül, sosem lehet leosztályozni.

Utána minden héten: Ments el egy újabb dátumozott másolatot. Négy pillanatfelvétel arról, hogy mit hittél, és mikor.

A 30. napon, majd havonta: Vesd össze a tényadatokat azzal, amit a befagyasztott másolatok mondtak 7, 14 és 30 nappal előre. Számold ki horizontonként az átlagos százalékos melléfogást. Írd be a három számot egy táblázatba, amelyik havonta egy sorral bővül.

A harmadik hónapra trendjeid vannak; a hatodikra ismered a torzításodat, a szakadékodat, és azt is, hogy javul-e a pontosságod. Az összes ráfordítás: talán havi egy óra.

A platformok az egész hurkot automatizálják — a miénk havonta pontossági riportot ad ki minden hotel saját adatán, a nyers statisztikai előrejelzés és az AI-korrigált egymás mellett, a 7/14/30 napos horizontokon — pontosan azért, hogy lásd, kiérdemli-e a helyét az AI-korrekció (nem titkoljuk az érdekeltségünket — és ugyanez a mérce jár minden előrejelzés-szállítónak: aki nem hajlandó hibaszámokat mutatni a te adatodon, az nem pontosságot árul, hanem magabiztosságot).

Mit ad neked az ismert pontosság

Konkrétan: árazási magabiztosságot — tudod, mikor elég megbízható az előrejelzés ahhoz, hogy nyomás alatt is tartsd az árat; korábbi beavatkozást — egy igazoltan jó 30 napos kép még akkor jelzi a gyenge időszakokat, amíg a keresleti ablak nyitva van; elszámoltatható szállítókat — minden előrejelzés-termék, AI-alapú vagy sem, a publikált hibáján mérettessen meg, ne a demó sármján; és nyugodtabb tulajdonosi beszélgetéseket — a „a pace 6%-kal van elmaradva, a 30 napos előrejelzésünk pedig jellemzően 8%-on belül jár, ezért most cselekszünk” olyan mondat, amelyik akkor is bizalmat épít, ha a hír rossz.

Mikor nem éri meg

Nagyjából 30 szoba alatt, egyszerű és stabil kereslet mellett a napi pickup-ellenőrzés hozza az érték nagy részét, egy formális pontossági program pedig fölösleges teher. Egy frissen nyílt hotelnek pedig nincs előzménye, amit leosztályozhatna — gyűjts előbb össze egy szezont, aztán kezdd el a táblázatot.

Merre tovább

A szótár MAPE, SMAPE, MAE és forecast accuracy szócikkei lefedik a képleteket és a csapdákat. A Forecasting oldal az automatizált változatot mutatja — benne a havi nyers-vs-AI pontossági riporttal. Az előrejelzés egyike annak a négy kérdésnek, amelyre az analitika válaszol — a másik hármat a hotel-adatelemzési útmutató veszi végig.

Minden előrejelzés téved. A tiéd egy ismert számmal tévedjen.