کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7421062 1482617 2018 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Modeling and forecasting hotel room demand based on advance booking information
ترجمه فارسی عنوان
مدل سازی و پیش بینی تقاضای اتاق هتل بر اساس اطلاعات رزرو پیشنهادی
کلمات کلیدی
پیش بینی تقاضای هتل، تقاضای هتل، رزرو پیشرفته فرآیند پوایسون غیر همگن، مدل مخلوط پواسون، توزیع چند متغیره،
ترجمه چکیده
این مطالعه یک رویکرد تصادفی برای پیش بینی کوتاه مدت رزرو ورود به هتل را ایجاد می کند. ما ویژگی های کلیدی رزرو ورودی ها را بررسی می کنیم، به طور خاص، نرخ های ورودی متفاوت متغیر، متغیرهای بالا در تقاضای نهایی و همبستگی مثبت قوی بین ورودی ها در دوره های زمانی مختلف. ما سه مدل مخلوط پواسون را برای بررسی ویژگی های برجسته رزرو ورودی بررسی می کنیم. به طور خاص، وجود همبستگی های شدید بین زمانی می تواند برای پیش بینی ورود به آینده بر اساس تحقق های اولیه استفاده شود. ما یک روش پیش بینی جدید ارائه می دهیم که از همبستگی ذاتی بین رزرواسیون های اولیه و پایانی استفاده می کند و سپس نتایج اعتبار سنجی داده ها را از یک زنجیره هتل اصلی و مقایسه با مدل های معیار آن ارائه می دهد. مطالعه تجربی ما تایید می کند که روش به روز رسانی دینامیکی ما با استفاده از همبستگی بین زمانی می تواند به طور چشمگیری دقت پیش بینی دقیق تقاضای اتاق هتل را بهبود بخشد.
موضوعات مرتبط
علوم انسانی و اجتماعی مدیریت، کسب و کار و حسابداری استراتژی و مدیریت استراتژیک
چکیده انگلیسی
This study develops a stochastic approach to the short-term forecasting of hotel booking arrivals. We investigate the key characteristics of booking arrivals, specifically the time-varying arrivals rates, high variability in the final demand, and the strong positive correlations between arrivals in different time periods. We examine three Poisson mixture models to capture these salient features of booking arrivals. In particular, the presence of strong inter-temporal correlations can be leveraged for forecasting future arrivals based on the early realizations. We suggest a new forecasting method that exploits the intrinsic correlations between early and late bookings and then present validation results of data from a major hotel chain along with a comparison to benchmark models. Our empirical study confirms that our dynamic updating method leveraging inter-temporal correlations can significantly improve the short-term forecasting accuracy of hotel room demand.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Tourism Management - Volume 66, June 2018, Pages 62-71
نویسندگان
,