Algoritmy pro automatickou tvorbu cen v sektoru ubytovacích služeb

Abstract

Táto bakalárska práca stavia na súčasných prácach, ktoré sa zaoberajú tvorbou hotelových simulátorov pomocou simulačnej optimalizácie a metód Monte Carlo. Literárna rešerš je zameraná na doterajšie využitie matematických metód a umelej inteligencie na riešenie problémov výnosového manažmentu. Na základe analýzy silných a slabých stránok existujúcich riešení prezentujeme odporúčania, ako súčasné riešenie vylepšiť. V práci prezentujeme nový spôsob modelovania pravdepodobnosti prijatia, na základe ktorého si každý zákazník dynamicky vyberá "cenové bariéry" (ceny s 0 % a 100 % pravdepodobnosťou prijatia), na rozdiel od súčasného riešenia, v ktorom majú zákazníci fixný pohľad na cenu. Ďalej diskutujeme možnosti širšieho využitia cenových multiplikátorov a ich aplikáciu v úprave akceptačnej krivky. Naše experimenty ukázali, že sa navrhnutý model chová realisticky a je schopný dosiahnutia lepších výsledkov prostredníctvom optimalizácie. V testoch sme namerali zvýšenie výnosov troch simulovaných hotelov s kapacitou 10, 25 a 75 izieb o 3.43, 8.04 a 20.29 %. Toto porozovanie naznačnuje vhodnosť modelu ako alternatívu k existujúcemu riešeniu pre účely ďalšieho výskumu.

This bachelor thesis builds upon contemporary works that deal with creating hotel simulators using simulation-based optimization and Monte Carlo methods. The literature review summarizes the contemporary use of mathematical and artificial intelligence based method in solving revenue management problems. An analysis of strengths and weaknesses of existing hotel simulators is performed, based on which we present suggestions for improvement of the current solution. A novel approach to modelling customer demand is presented, which is based on the concept of each customer choosing a distinct set of 'price walls' (prices with 0 % and 100 % probability of acceptance), rather than having a fixed perception of price, as implemented in previous works. Additionally, we discuss the possibilities of using additional types of price multipliers, as well as their utilization in altering the shape of the demand function. Our experiments have shown that the model behaves realistically and is capable of improving through optimization, achieving an increase of 3.43, 8.04 and 20.29 % in total revenue of three simulated hotels with the capacity of 10, 25 and~75 rooms. This observation suggests the viability of the model as an alternative to the existing solution for further research.