De magie van Atomize RMS

Inleiding tot Atomize RMS Hallo, allemaal. Welkom terug bij een nieuwe Matt Talks. Ik weet niet eens op welk afleveringnummer we zitten. Ik denk dat we ergens in de t's zitten en ik geniet echt van deze conversaties. En deze week wilde ik echt diep ingaan op Atomize. Atomize is het revenue management system dat we eind vorig jaar hebben overgenomen. En toen we naar de markt keken, waren er zoveel oplossingen, maar we werden echt verliefd op Atomize, het product en het team. Maar Ellen werkt aan de productkant en ik dacht dat we Ellen bij Matt's praatje moesten halen, zodat we echt diep konden graven in wat de visie voor dit product is en nou, je bent al een tijdje bij dit bedrijf. Dus hopelijk kun je wat van de geheimen achter dit product ontdekken. Ellen, welkom. Wil je jezelf snel voorstellen? Dank je, Matt. Bedankt voor de uitnodiging. Dus ik ben Ellen. Ik ben productdirecteur voor de RMS en ik kwam begin twintig bij Atomize, slechts een paar weken voordat de pandemie toesloeg. Het waren dus echt interessante tijden. En ik heb een achtergrond als productontwerper en product manager, dus dat heb ik allemaal gedaan in Atomize. Ik heb alles gedaan, van productonderzoek, productontdekking en zelfs UX-ontwerp tot de meer strategische beslissingen die werden genomen. Geweldig. Heb je altijd al geweten dat je bij een product wilde werken en een productleider wilde zijn? Of is dit iets dat je na verloop van tijd hebt geleerd? Ik denk eigenlijk dat ik het bijna altijd heb geweten, omdat ik me herinner dat ik als kind aan de keukentafel zat en dat iemand dit product had gemaakt. Er heeft iemand aan dit product gewerkt. En ik vond het altijd leuk om de tijd op de magnetron te veranderen. Dat was een hele leuke uitdaging. En ik had zoiets van, hoe kan de ervaring van de gebruiker zo slecht zijn? Hoe kan de bruikbaarheid zo slecht zijn? Dus het is altijd al een deel van me geweest, denk ik. Is het dat wat je daarna bent gaan studeren? Ja. Ik heb een gesprek gehad over industrieel ontwerpen. Dus het is allebei gericht op productontwerp en ik ben ook ingenieur. Het couvert dus zo'n beetje alles. Het was grappig toen we twaalf jaar geleden begonnen met Mews , en we gewoon een paar ontwikkelaars in dienst namen omdat we er gewoon van uitgingen, nou ja, we moeten software bouwen, dus laten we ontwikkelaars in dienst nemen. En daarna moet het ongeveer twee jaar zijn geweest. Op een gegeven moment had ik het boek van Marty Kagan over productmanagement gelezen. En deze persoon zei, denk dat wat we missen een productafdeling is. En we realiseerden ons dat Richard en ik de productontwerpers waren geworden en we hebben er conceptueel over nagedacht. En wij hebben zoiets van, oh, er zijn mensen die dit echt als baan hebben, die hiervoor naar school zijn geweest. En dat was zo'n openbaring, want eerlijk gezegd was dat misschien wel wat ik had moeten gaan studeren, omdat ik zo van productontwikkeling houd. Ja. Ik bedoel, het is iets geweldigs. En het was eigenlijk ook zo in Atomize. De oprichter was echt degene die het productgedeelte deed, totdat hij dacht: nee, ik heb iemand anders nodig om dit te doen. En toen werd ik aangenomen. Leuk. En in je intro noemde je net twintig twintig, wat een gek jaar was, als we het ons allemaal herinneren. Dat was het jaar van de start van COVID, waarvan ik me kan voorstellen dat je algoritmes toen helemaal gek werden als je een prijsoplossing hebt. Hoe ben je daarmee omgegaan? Nou, we moesten veel werk doen rond oplossingen, want plotseling was het eigenlijk, ik bedoel, natuurlijk, als er geen vraag is, verandert er natuurlijk ook heel weinig aan de prijs. Maar waar we vooral last van hadden, was hoe verder we kwamen, we hadden ook zeer onbetrouwbare historische data, wat een van de belangrijke onderdelen is. Dus moesten we om oplossingen heen werken om ervoor te zorgen dat het systeem niet keek naar de niet-representatieve data die door de pandemie kwamen. Het is echt moeilijk. Ja. Ja. Het waren zeker uitdagende tijden. Ik kan me voorstellen dat je gewoon de zaak binnenloopt en dit in sneltreinvaart moet uitzoeken, neem ik aan. Ja. Ja. Dus als je voor mensen die Atomize k niet kennen. Die nog nooit van RMS'en hebben gehoord, en we zien dit veel in hospitality, de meerderheid van de hotels gebruikt eigenlijk geen revenue management system. Ze vertrouwen nog steeds op Ja. Over mensen die Excel-sheets gebruiken en bepalen wat de juiste prijs is op basis van wat ze in de markt zien. Wat was de visie achter het Atomize kernproduct? Ik zou zeggen dat we begonnen met een heel duidelijke visie dat we deze geavanceerde en data gedreven prijsoptimalisatie wilden leveren waarbij we automatisering konden combineren met uitzonderlijk gebruiksgemak. We hebben dus behoorlijk veel geïnvesteerd in het bouwen van deze optimalisatie-engine, die zowel interne data over accommodaties gebruikt, dus kijkend naar je historische gegevens en je huidige prestaties, en dat combineert met externe marktsignalen. En dat doen we dan om nauwkeurige realtime prijsaanbevelingen te genereren. Het realtime gedeelte is dus ook heel belangrijk voor ons geweest, want vooral in markten zoals stadscentra waar grote schommelingen in de vraag zijn, is het echt belangrijk om realtime te handelen. Ja. Wat zijn enkele van de marktsignalen waar je naar verwijst? Marktsignalen zijn dus zowel je eigen signalen als de signalen die naar de hotels komen, zoals de pickup en het tempo, maar ook de data van je concurrenten. Dus prijzen van concurrenten. Hoofdstuk De kracht van algoritmen in revenue management En hoe snel past het algoritme zich aan? Dus een van de dingen die we duidelijk zien, is dat het macroklimaat op dit moment nogal volatiel is. En de ene dag gaan de beurzen omhoog, dan weer omlaag, en dat heeft een neerwaartse invloed op het reizen. Hoe snel past het algoritme zich aan aan de veranderingen die we zien in annuleringen en pickups in hotels, en kan het de prijzen aanpassen? Ja. Ons product werkt dus in twee verschillende modi. Je hebt de gewone modus, waarbij je drie optimalisaties per dag hebt. Ik bedoel, als er veranderingen zijn in de data, past het zich aan. En dan hebben we de real time, de real time prijsoptimalisatie, en die voert voortdurend berekeningen uit. Het gebeurt dus voortdurend. Maar ik denk dat het belangrijk is om erop te wijzen omdat we erg sterke voorstanders zijn van real time optimalisatie, zodat je zeker weet dat je geen geld op tafel laat liggen. Maar tegelijkertijd denk ik dat sommige mensen bang zijn om te denken dat hun prijzen voortdurend worden bijgewerkt. Het is niet zo dat elke kamer drie vijfenzestig dagen wordt bijgewerkt, de hele tijd, elke seconde. Het is de aanpassing aan de data van het verblijf die wordt beïnvloed door de veranderingen in de vraag. Rechts. Dus als je op korte termijn een aantal annuleringen ziet, dan is het maar op korte termijn om de prijs aan te passen. Er wordt niet constant naar een heel jaar vooruit gekeken. Precies. Het zal kijken naar ik bedoel, het zal, natuurlijk, kijken naar het hele jaar vooruit, maar het zal de prijzen veranderen op basis van wat er gebeurt op elke individuele verblijf data en de omliggende verblijf data. En je zei dat sommige mensen soms een beetje nerveus zijn om het algoritme zomaar automatisch de prijzen te laten bepalen. Is dat de meerderheid van de hotels die het met de hand doet, of is het de meerderheid die uiteindelijk de autonome prijzen gebruikt? Nou, wat we zien bij onze gebruikers is dat, als ik een paar jaar terugkijk, accommodaties er normaal gesproken misschien drie maanden over doen, en dan beginnen ze het systeem genoeg te vertrouwen om de automatische piloot in te schakelen. Tegenwoordig zien we een dienst die revenue managers meer en meer begint te vertrouwen op systemen. Nu hebben we mensen aan boord en de volgende dag zien we dat de automatische piloot is ingeschakeld. Dat is verbazingwekkend. Het toont vertrouwen in het systeem. Wat heeft er dienst gedaan, denk je? Sorry? Wat heeft er dienst gedaan? Ik denk dat er een paar dingen zijn. Dus één is dat het algehele vertrouwen in systemen en dat we meer gewend raken aan AI. We vertrouwen steeds meer op technologie. Dat is één deel. En een ander deel is ook het werk dat we hebben gedaan in Atomize met een soort gecontroleerde automatisering. Dus wat we doen is dat we de gebruikers een mogelijkheid geven om te zeggen wanneer de automatische piloot aan moet staan en of ze misschien handmatig nieuwe tijd, datums van verblijf, bijvoorbeeld, of bepaalde periodes willen aanpassen, en ze willen dat handmatig toezicht, dan kunnen ze die uitsluiten. En we hebben ook veel meer prijsinstellingen waarmee revenue managers bijvoorbeeld de minimum- en maximumdrempel kunnen bepalen waarbinnen onze prijzen mogen vallen. Rechts. Dus ik zou zeggen, ik zou nooit een tarief onder de honderd euro willen verkopen omdat dat mijn merk zou kunnen devalueren. En dan is er een piek, want op het moment dat iemand duizend euro voor dit hotel betaalt, zijn de verwachtingen van een niveau waar je gewoon nooit aan kunt voldoen. Dat zijn dus de grenzen waarbinnen je prijzen krijgt. En ook, als je weet dat, bijvoorbeeld, ik bedoel, vaak, zou ik zeggen dat het systeem in feite ver verwijderde evenementen kan detecteren die eraan komen. Het systeem zal dat detecteren voordat je dat als mens doet. Maar soms kan het zijn dat je eigenlijk informatie hebt die het systeem niet heeft. We hebben bijvoorbeeld een gast die als er een concert in de stad is, de hele crew die het podium komt opbouwen, bij hen boekt. Dus zelfs voordat het evenement wordt aangekondigd, zijn ze ervan op de hoogte. En meestal verhogen ze de minimumprijs om ervoor te zorgen dat we al op een hoog genoeg niveau zitten als de boekingen beginnen binnen te komen. Hoofdstuk Real-time prijsaanpassingen Omdat ik me herinner dat Adele naar München kwam en ik een dus we stonden in de wachtrij om kaartjes te krijgen. Maar terwijl mijn man de kaartjes voor Adele kocht, had ik al een slaapkamer gereserveerd omdat ik wist dat deze keten geen RMS gebruikte. Dus we hadden het geboekt voor een derde van de prijs van wat uiteindelijk de prijs zou zijn. Hoe snel zou Atomize reageren op het zien van een pickup in een bestemming op een specifieke dag, zoals een Taylor Swift of een Adele concert, om daadwerkelijk te reageren met een prijsverhoging? Dit is echt interessant omdat precies dit scenario zich afgelopen zomer voordeed bij een van onze gasten. Ze zouden dus altijd op de realtime prijsoptimalisatie moeten zitten, wat deze gelukkig wel deden. Dus er was een artiest die aankondigde dat ze naar de stad zouden komen. En op dat moment vind ik het geweldig hoe je de artiest niet onthult. Ik zal niet zeggen welke artiest er kwam. Het is niet eens een geheim, want het was hier in Göteborg, waar we ons hoofdkantoor hebben, en de kunstenaar is een zeer lokale Zweedse kunstenaar. Zijn naam is Hakan Hellstrom, maar hij is zo dat hij onze grootste arena drie nachten achter elkaar direct uitverkoopt. Het is dus een heel lokaal evenement, maar toch juist. Mensen reizen voor heel Zweden en misschien Noorwegen, mogelijk Denemarken. Dus het was alsof hij aankondigde dat hij de kaartjes over een week zou vrijgeven. En meteen begonnen mensen hotels te boeken. En voor onze gast stond er niets on the books omdat het nog negen maanden weg was. En dan begrijpt het systeem dat dit geen verwachte vraag is. Dit is geen normaal patroon en het verhoogde de prijs onmiddellijk. En dus verhoogde het de prijs een beetje, en toen kwamen er meer boekingen binnen, en het bleef de prijs verhogen totdat het En de eerste persoon die boekt heeft waarschijnlijk een goede deal. Maar op het moment dat je het tempo gaat zien, gaat de prijs omhoog. Toch? Ja. De prijs was eigenlijk al een week eerder verhoogd, wat zou kunnen komen doordat andere hotels op de markt wisten dat dit evenement eraan kwam. Dus doordat we tarieven van concurrenten gebruikten, verhoogden we de prijs al een week eerder. Maar ja, het was de eerste boeker, waarschijnlijk deed hij het vrij goed, maar daarna verhoogde hij het behoorlijk. En het gaat omhoog en dan realiseert het zich, oké. Ik heb momenteel een vrij hoog tarief. Misschien komt er niet meer binnen, maar het is nog steeds zo ver weg dat het de moeite waard is om het te houden om er zeker van te zijn dat je al deze incrementele inkomstenverhogingen de hele tijd maakt. Hoofdstuk Hebben kleine hotels een RMS nodig? Dus en ik denk dat dit leidt tot mijn volgende vraag. Een RMS is dus misschien niet geschikt voor elk hotel. Dus als je een piepklein hotel bent met vijf kamers, heeft het dan zin om een RMS te hebben? Omdat in dat scenario de kamers al geboekt zijn voordat je ze ophaalt, dat er een werkelijke trend is omdat je maar vijf kamers hebt? Ja. Eigenlijk zijn vijf kamers een heel klein scenario. Ik zou zeggen dat je waarschijnlijk baat zou hebben bij een RMS, maar misschien heb je baat bij een eenvoudiger systeem dan een geautomatiseerd systeem dat meer op regels is gebaseerd, bijvoorbeeld. Terwijl we zeggen twintig kamers en meer, dan begin je pas echt de waarde te zien omdat ons systeem ook data nodig heeft. En met vijf kamers krijgen we gewoon niet zoveel data. Ja. Daar krijg je de marktinzichten. Ja. Je kunt dus iets opmaken uit wat er in de markt gebeurt. En concerten gebeuren niet elke dag. Nee. Precies. Over het algemeen zul je deze enorme pickup dus niet zien. Er zit dus zeker een bepaalde kant aan, maar het wordt waarschijnlijk pas echt voordelig als je meer kamers hebt. Ja. Dat is het. Hoe past Atomize zich aan verschillende soorten hotels aan? Ik kan me dus voorstellen dat een hotel in het centrum van een stad een heel ander patroon heeft dan een resort dat veel langere boekingen heeft. Hoe optimaliseert het daarvoor? Ik denk dat dit heel goed is aan ons systeem, dat zich aanpast aan de unieke context van elke accommodatie, omdat het leert van de historische data en de huidige prestaties van elke individuele accommodatie. Dus in hotels met een hoog tempo, zoals stadshotels waar de boekingsvensters korter zijn en de vraag snel kan verschuiven, zou de geatomiseerde realtime boekingsmodule hotels helpen om hier direct op te reageren, zoals waar we het over hadden, en ook om waarde te halen uit korte termijn pieken, die kunnen worden veroorzaakt door groepsboekingen, zakenreizen, lokale evenementen. Als we kijken naar vrijetijdsresorts, die, zoals je zei, langere boekingsvensters hebben en misschien ook meer uitgesproken seizoensgebonden zijn, dan zou Atomyze de prijsstrategie op maat maken door de seizoensgebonden vraagpatronen, het boekingsgedrag van tariefgroepen en de waarschijnlijkheid van annulering te analyseren, waardoor het systeem de prijzen over een bredere tijdshorizon kan optimaliseren en waarde eerder in de boekingscurve kan vastleggen. En ik denk ook dat we onlangs een functie hebben toegevoegd die vooral waardevol is voor resorts, namelijk de mogelijkheid om rekening te houden met geschatte bijkomende inkomsten. Zo kun je bijvoorbeeld spabehandelingen of dinerpakketten toevoegen. Leuk. En dat zou het systeem in staat stellen om meer te optimaliseren voor de totale waarde van de gasten, en niet alleen voor de inkomsten uit kamers. Je had het dus over het nodig hebben van historische data zodat je deze patronen kunt krijgen op basis waarvan je de prijs kunt bepalen. Als je Atomize vandaag in een hotel zou implementeren, naar welke historische data ben je dan op zoek? Hoeveel jaar of maanden? En en welk niveau van data heb je nodig? Zoals we het systeem nu hebben opgebouwd, kunnen we beginnen met hotels die geen historische data hebben. Dus als het bijvoorbeeld een gloednieuwe Mews accommodatie is, kun je nog steeds livegaan met Atomize. Maar tijdens het eerste jaar is er een grotere onzekerheid in de vraagvoorspelling. Nu bouwen we actief aan een oplossing waarbij gebruikers kunnen helpen om deze algemene prijsniveaus aan te passen. Want op dit moment zijn het onze optimalisatie-ingenieurs die helpen met het aanmaken van deze historische data, waarbij ze kijken naar vergelijkbare hotels. Het zijn dus niet de data van je eigen accommodatie, maar van onze beste gasten bijna. Maar dan heb je ook nog de historische data, dat is maar één deel. Hoe de prestaties op dit moment zijn en hoe de prijzen van de concurrenten zijn, is ook erg belangrijk en daar zullen we meer naar kijken als we geen historische data hebben. Leuk. Dus als je drie maanden hebt of een jaar, idealiter een jaar, dan werkt het systeem heel goed. Leuk. En dus weten we dat Kerstmis altijd de vierentwintigste, vijfentwintigste is. Pasen lijkt echter dienst te doen. Weet je algoritme dit? Moet je dat op de een of andere manier vertellen? Ja. We hebben deze zeer eenvoudige, maar toch belangrijke integratie met Google Agenda. Zo zijn we ons bewust van alle regionale feestdagen in elke markt en wanneer ze plaatsvinden, en dan mappen we ze met de relevante historische data. Dus als er bijvoorbeeld veel orthodoxe gasten met Pasen komen, wat een andere week is dan bijvoorbeeld het christelijke Pasen, wordt de kalender van dat hotel dan op elkaar afgestemd, zodat we weten dat je waarschijnlijk een pickup van deze reizigers krijgt? Ja. Dat is ongelooflijk. Oh, sorry. Ik zoek gewoon door mijn vragen heen. Een andere met Mews, we hebben een open API, dus we hebben veel data beschikbaar. Is een onboarding met Mews tegenwoordig gemakkelijker dan een paar maanden geleden, of zal het dat in de toekomst zijn? Het is al makkelijker. Dus van alle PMS integratie die Atomize op dit moment ondersteunt, is News absoluut onze gemakkelijkste. En we zijn dit momenteel aan het verbeteren, zodat de onboarding voor Mews klanten drastisch wordt vereenvoudigd met als doel dat Mews klanten in minder dan zestig minuten live kunnen gaan met Atomy's met een minimale set-up. Dus wat is er vandaag nodig? Om de zestig minuten in perspectief te plaatsen. Vandaag hebben we nog steeds een handmatige stap in Atomize. Dus we hebben een onboarding engineer die je data doorneemt. Je moet dus een aanmeldingsformulier invullen, waarna de onboarding ingenieur naar je data en de dingen die je hebt ingevoerd gaat kijken, en dan duurt het ongeveer twee uur om de eigenlijke onboarding te doen. Maar het vereist ook wat heen en weer gemail en zo. Dus in totaal denk ik dat het een paar dagen duurt voordat je live bent. Hoofdstuk Mews en Atomize RMS Wat nog steeds erg snel is. Ja. Ja. We willen dat de technologie zo slim is, vooral door Mews en Atomize samen te brengen, dat die datastromen zo naadloos op elkaar aansluiten dat we de data niet meer hoeven te valideren. En ik denk dat dat het doel is dat we hebben: we kunnen gewoon vertrouwen op de data die tussen de systemen stroomt en we kunnen nu echt de onboarding versnellen. Ja. We hebben dus een aantal scherpe doelen gesteld, want onboarding binnen zestig minuten, dat doet niemand anders op de marktplaats. Ja. Dus als je snel vooruit zou spoelen, want je bent een productleider, dus ik weet zeker dat je nu al nadenkt over volgend jaar en het jaar daarna. Wat zijn enkele van de dingen die je graag zou willen bouwen? En ik zeg niet dat dit de dingen zijn die we zullen bouwen, maar wat zijn enkele van de dingen die je graag zou willen bouwen? Nou, ik denk, ik bedoel, als ik naar de RMS ruimte kijk, denk ik dat ik erg enthousiast ben om te zien hoe het zich ontwikkelt van een centraal model waarin kamers centraal staan, waar we nu ook zijn met Atomize, naar een model dat de totale inkomsten van de accommodatie optimaliseert. Het kan dus gaan om vergaderruimtes en andere diensten. Maar uiteindelijk willen we naar totale winstoptimalisatie. En ik denk dat we binnen het ecosysteem Mews in een unieke positie verkeren om deze dienst te leiden, omdat je zoveel data hebt. En we kunnen die rijke data over gasten bijvoorbeeld gebruiken en combineren met de prijsinformatie. Dus dat is iets waar ik echt naar uitkijk. En ik denk dat in elke RMS voorspellen een cruciaal onderdeel is, en het is een soort fundament. Om de juiste prijs te kunnen bepalen, moet je goed werk leveren bij het maken van prognoses. Hoofdstuk Hoe je effectievere strategieën voor inkomsten kunt ontwikkelen En deze voorspellingen kunnen niet alleen worden gebruikt om de prijs te beïnvloeden, maar we kunnen ze ook gebruiken om housekeeping planningen te maken. Of we kunnen het bijvoorbeeld doen om gerichte gastmarketing te doen. Dus ik denk dat we hier de echte transformatie zullen zien. En ik denk dat het slimmere crossfunctionele samenwerking in hotels zal ontsluiten. Ja. Ik denk dat als we kijken naar Atomize als onderdeel van dit vandaag, het zo goed is als een op zichzelf staande oplossing. Wat we proberen te doen is het samen te brengen met Mews zodat we echt de routekaart kunnen sturen, want Mews had mogelijkheden die veel verder gingen dan alleen kamer prijzen. We lanceerden, denk ik, flexibele prijzen voor producten. Tijdens COVID hebben we dit gebouwd. Oké. En, weet je, heel veel ruimtes en fietsverhuur en coworking spaces. En niemand op de marktplaats kon het bijhouden. En we dachten, als we dit in huis halen, kunnen we echt een stapel maken die verder denkt dan alleen slaapkamers. Want slaapkamers zijn de kern van een hotel, maar er blijft zoveel geld op tafel liggen. Als je een parkeerplaats wilt boeken of een fiets wilt huren, dat zijn prijzen die altijd stabiel zijn. En ik raak er opgewonden van, zoals Ja. Verder denken dan wat we altijd hebben gedaan. En ik denk dat daar op de lange termijn de krachtige samenwerking vandaan zal komen. Ja. Daar ben ik het mee eens. En en we zijn al goed in het doen van de kamer inkomsten. Het is dus echt tijd om de volgende uitdaging aan te gaan en Ja. Bouw een sterker product en een sterker ecosysteem. En een van de dingen die dienst aan het doen is, en ik heb het hier al eerder over gehad, is dat de traditionele revenue manager altijd de betaling van de kamerinkomsten voor zijn rekening nam en de prijzen bepaalde. En dat deden ze handmatig. Dus dat was de taak waarbij je keek naar inkomsten uit kamers. En ik denk dat er een dienst aan het veranderen is in de richting van totale prijzen, waarbij de revenue manager minder dag in dag uit Excel sheets moet beheren en prijzen moet bepalen, maar veel meer strategisch bezig moet zijn, wat het werk veel leuker maakt, omdat je opeens wel mag nadenken over welke upsell-producten zullen werken en nieuwe upsell-producten moet testen en verschillende prijzen voor verschillende delen van het hotel moet uitproberen. Dus ik denk dat we een enorme dienst gaan zien in de rol van de traditionele revenue manager naar een veel leukere strategische rol, maar het vereist wel een visionaire hotelmanager om dat te zien en om deze tests toe te staan, want AB-tests zijn echt en niet alles werkt voor elk hotel. Precies. Nee. Ik denk dat je helemaal gelijk hebt. En ik denk dat automatisering de standaardwerkwijze wordt voor deze meer tactische uitvoeringsonderdelen. Dus dat is precies wat je zegt dat revenue managers en general managers zich meer kunnen richten op de strategische onderdelen. Hoofdstuk AI in revenue management Love it. AI, laten we erover praten. Ja. Wat doen jullie op dit moment met AI in het product? Ons product is dus gebouwd op slimme algoritmen. Dat doen we dus om onze vraagvoorspelling op te stellen en we hebben ook verschillende modellen voor de waarschijnlijkheid van annulering, voor conversie van groepen en voor de vraagvoorspelling. We maken ook deels gebruik van Gen AI en dat gebruiken we om onze gebruikers uit te leggen waarom we een bepaalde prijs voorstellen of waarom we die hebben veranderd. En omdat dit de grootste uitdaging is, zou ik zeggen, met een RMS-systeem dat AI-gestuurd is. Het is niet zo duidelijk als een op regels gebaseerd systeem voor een gebruiker. Het is bijvoorbeeld niet zo gemakkelijk om te begrijpen waarom de beslissing is genomen om de prijs te veranderen. Dus realiseerden we ons dat we dit begrip op de een of andere manier aan gebruikers moesten geven. En dus laten we Jen kijken naar onze besluitvorming en geven we een duidelijke uitleg aan de hoteliers. Ja. En het is het overbruggen van de vertrouwenskloof, denk ik. Dus waar je het weet, zouden we graag zien dat iedereen de autonome prijsstelling overneemt, waarbij je de machine het werk laat doen. In eerste instantie moeten we zeggen: dit is waarom we deze prijs hebben vastgesteld. Dus terwijl het tegenzit, is het echt heel moeilijk om het algoritme uit te leggen, omdat er zoveel factoren meespelen. Precies. De revenue manager een gevoel geven van, nee, nee, nee, we hebben je. We hebben alles gezien wat jij hebt gezien en nog een beetje meer. En ik denk dat net dat beetje meer echt cruciaal is, want revenue managers zijn fenomenaal. Deze mensen hebben zoveel data en ze doen ongelooflijk veel werk om de marktdynamiek te begrijpen. Maar we zien ook veel van die dingen, maar we zien ook meer in de trends en de patronen. En ik denk dat dit kleine beetje meer een behoorlijk grote invloed heeft op de prestaties van het hotel. En ik hou van die tooltips die je gewoon vertellen wat er aan de hand is, zodat ze door kunnen gaan naar de volgende prijsbeslissing en erop kunnen vertrouwen dat we achter ze staan. Precies. Ik denk dat het grootste voordeel zit in situaties waarin we bijvoorbeeld zien dat de kans op annuleringen groot is, of waarin we zien dat er een grote groep in de boeken staat die misschien niet en uiteindelijk wel verandert, en daar hebben we informatie over. Dit zijn de dingen waarbij onze uitleg hen echt helpt om onze prijsbeslissingen te begrijpen. Leuk. En ik had het net nog over het kleine beetje meer. Dus als we beslissingen nemen over prijzen, ontdekken hotels soms iets via de data. Heb je dat wel eens in een hotel gezien waar ze iets van atomize leren dat ze nog niet eerder hadden gezien? Ja. Ik bedoel, dit is zo'n goede vraag. En ik denk dat er zoveel dingen zijn. En ik bedoel, alleen al het feit dat het een datagestuurd systeem is en zoveel meer data kan verwerken dan een mens kan, maakt het grootste verschil. Maar ik zou zeggen dat één ding dat een beetje verrassend is, de impact is van lokale, meer niche evenementen die ver weg plaatsvinden. Dus dat zou je normaal gesproken niet ontdekken. Ze zouden niet op je radar verschijnen bij een traditionele analyse of in een Excel-model, om het zo maar te zeggen. Maar we zouden kunnen ontdekken dat er iets aan de hand is waarbij de vraag enigszins afwijkt van de normale vraag en het systeem in staat is geweest om onmiddellijk te reageren en de prijs te verhogen voordat de concurrentie dat deed en om meer inkomsten te genereren. Gebruikers hebben echt gezegd dat dit een verschil heeft gemaakt. Hoofdstuk Hoe RMS hotels helpt meer te verdienen Geweldig. De meerderheid van de hotels heeft dus geen revenue management system. Wat zou je zeggen om ze ervan te overtuigen dat ze er een moeten hebben? Nou, ik zou tegen hen willen zeggen dat het niet alleen dat is, ik bedoel, de voor de hand liggende zijn dat we duidelijk bewijs hebben van toename in inkomsten en RevPAR. Dus dat zou zoiets zijn als ik bedoel, omdat het argument soms is dat, je weet wel, de RMS kosten, maar het betaalt zich direct terug. Dus voor mij is dat geen overbodige luxe. Maar een ander belangrijk deel is dat het je tijd vrijmaakt. Dus we zien dat hotels tot twintig, dertig uur per maand minder besteden omdat ze zich op andere dingen kunnen richten. Je kunt je dus richten op uitdagendere en leukere taken dan op het maken van tactische prijsbeslissingen. Wat was een van je favoriete ervaringen in een hotel? Eén. Sorry. Dit is een curveball-vraag. Dit is niet gerelateerd aan revenue management. Ik wil het even over hotels hebben. Ik moet zeggen dat ik er een moet noemen, dat is een gemeenschappelijke gast van ons waar ik onlangs met jullie een evenement heb gedaan, namelijk Etem in Stockholm. Ze zijn zo uniek. Ik ben er niet alleen voor het evenement geweest, maar toch was het een van de meest favoriete momenten, ik bedoel, uren die ik ooit heb doorgebracht omdat het zo'n unieke plek is met dit echt ik bedoel, alles, aandacht voor details, de interieurs. En in het Zweeds betekent het een thuis. En dat is echt het gevoel alsof je iemands echt luxe huis bent binnengestapt. Je hebt niet het gevoel dat de koks bij je staan om het eten te bereiden. Het is alsof je echt bij iemand thuis bent. Dat doen ze en ze hebben allemaal verschillende soorten gasten. Zo zit er een Amerikaanse hiphopartiest naast een ouder stel dat heeft opgeslagen om hierheen te komen. Ze wonen op het platteland in Zweden, en dat vind ik echt een geweldig voorbeeld van geweldige hospitality waar je erin slaagt om deze mensen samen te brengen en zo'n uitzonderlijke Ja te leveren. Het is echt ervaringsgericht reizen. Ik denk dat Airbnb aan het denken was om iets lokaals te doen waarbij Airbnb zei dat we lokale hosts zullen hebben en die je over de stad zullen vertellen. En nu zijn ze gewoon geprofessionaliseerd, en en ik hou er niet echt meer van om een Airbnb te boeken omdat dit echt professionele appartementen zijn, beetje zielloos waar ik intrek. En dan kom je bij dit hotel Ett Hem, en je loopt naar binnen, en je wordt begroet als, een oude vriend die naar binnen loopt. En ik weet nog dat ik bij aankomst in dat hotel zei: serveren jullie nog steeds lunch? Het was drie uur 's middags. Ik zei, ik heb zo'n honger. Ik heb niet geluncht op het vliegveld. En ze zegt: allergieën? En ik zei, ja. Ik ben lactose-intolerant. En ze liep gewoon deze keuken in, die er letterlijk was. En toen kwam ze gewoon met eten. En het was geen menu. Het was gewoon, zoals thuis. Zoals, ze hadden net een lekkere lunch gehad, en het was een prachtig bereide lunch met allemaal lokale ingrediënten. Maar het was zo soepel gedaan. Het was niet, zoals, je weet wel, hier is een menu. Hier moet je betalingen doen en het was niet zo'n, je weet wel, verknipte ervaring. Het was gewoon vloeibaar. En ik denk dat de vloeiendheid van wat Ett Hem heeft bereikt, naar mijn mening de toekomst van reizen is, maar we zullen zien. Maar ik denk dat het een van mijn favoriete hotels is en ik ga er in juli met mijn man heen. Ik vertelde hem erover en zei, jij gaat met mij mee naar Stockholm. We gaan terug om hier volop ervaring mee op te doen. Oh, daar heb je geluk mee. Ik ga ook een keer. Geweldig. Oké. Ellen, heel erg bedankt dat je tijd voor me vrijmaakt. Ik vond het erg leuk om wat dieper in te gaan op de productfuncties. Dank je wel. Ja. Bedankt voor de uitnodiging. Het was echt leuk. Dank je, Matt.