ข้อมูลโรงแรม 8 อย่างที่ต้องเก็บให้ครบตั้งแต่วันนี้ — ก่อนคิดเรื่อง AI

Booking Pace / OTB (On-The-Books)

เก็บอะไร: จำนวนห้องที่ถูก book แล้วสำหรับแต่ละวันในอนาคต เปรียบเทียบกับช่วงเวลาเดียวกันของปีที่แล้ว (same time last year / STLY)

ทำไมสำคัญ: Booking Pace บอกว่า Demand “มาเร็วหรือมาช้า” กว่าปกติ ถ้า OTB ณ วันนี้สูงกว่า STLY 20% อาจถึงเวลาปรับราคาขึ้น ถ้าต่ำกว่าอาจต้องเปิด promotion เพิ่ม

ปัญหาที่พบบ่อย: ไม่ได้เก็บ snapshot OTB รายวัน ทำให้ดูได้แค่ภาพปัจจุบัน ไม่เห็น trend ของการ book

อ่านเพิ่มเติม: OTB, Pace, Pickup — ใช้ยังไงให้ได้ประโยชน์จริง

Market Segment

เก็บอะไร: แหล่งที่มาของรายได้จำแนกตามประเภทลูกค้า เช่น FIT (Free Individual Traveler), Corporate, Group, Government, OTA leisure, Wholesale

ทำไมสำคัญ: แต่ละ Segment มี booking window, price sensitivity, และ cancellation behavior ต่างกัน โรงแรมที่รู้ว่า Segment ไหนทำ RevPAR ให้สูงที่สุด สามารถ allocate ห้องและกำหนด strategy ได้ตรงเป้า

ปัญหาที่พบบ่อย: Segment code ใน PMS ถูกตั้งผิดตั้งแต่แรก หรือ front office ไม่ได้รับการ train ให้ใส่ข้อมูลถูก ทำให้ข้อมูลสะสมผิดมาหลายปี

อ่านเพิ่มเติม: Market Segmentation สำหรับโรงแรม

Source Market

เก็บอะไร: ประเทศหรือภูมิภาคต้นทางของผู้เข้าพัก เช่น Thai domestic, China, Russia, Western Europe, GCC

ทำไมสำคัญ: Source Market บอก pattern การจอง, ช่วงเวลาที่เดินทาง, และ average spend ต่างกันอย่างชัดเจน ตัวอย่างประกอบ: โรงแรมรีสอร์ทที่รู้ว่า Russian guests จองล่วงหน้า 45 วันและพักเฉลี่ย 7 คืน สามารถวางแผน inventory ได้ดีกว่าโรงแรมที่ไม่มีข้อมูลนี้

ปัญหาที่พบบ่อย: ไม่ได้ capture nationality ตั้งแต่ reservation step หรือ capture ได้แต่ไม่ได้ดึงมาวิเคราะห์

Channel Mix

เก็บอะไร: สัดส่วน booking จากแต่ละ channel — Direct (website, Walk-in, phone), OTA (Booking.com, Agoda, Expedia ฯลฯ), GDS, Wholesale/Bedbank, Corporate Direct

ทำไมสำคัญ: Channel ต่างกัน = cost of acquisition ต่างกัน OTA มี commission 15-20% Direct Booking ไม่มี ถ้าไม่รู้ Channel Mix จะไม่รู้ว่า revenue จริงๆ หลัง cost แล้วเหลือเท่าไร

ปัญหาที่พบบ่อย: รวม OTA ทุกเจ้าไว้ใน bucket เดียวแทนที่จะแยกรายช่อง ทำให้ไม่รู้ว่าช่องไหน perform ดีหรือแย่กว่ากัน

Length of Stay (LOS)

เก็บอะไร: จำนวนคืนที่พักเฉลี่ยต่อ booking จำแนกตาม Segment, channel, และช่วงเวลา

ทำไมสำคัญ: LOS กระทบโดยตรงต่อ revenue optimization โรงแรมที่มีข้อมูล LOS สามารถตั้ง Minimum LOS restriction ได้อย่างมีหลักการ เช่น ช่วง peak Demand กำหนด minimum 3 คืนเพื่อไม่ให้ถูกเติมด้วย single-night booking ที่บล็อกวัน high-Demand

ปัญหาที่พบบ่อย: เก็บแค่ average LOS รวม โดยไม่แยก Segment หรือ channel ทำให้ใช้ประโยชน์ได้จำกัด

Denial และ Regret Data

เก็บอะไร:

• Denial = ครั้งที่โรงแรมไม่มีห้องให้ขาย (sold out หรือ close rate) แต่มีคนมาขอ
• Regret = ครั้งที่ลูกค้าปฏิเสธราคาที่เสนอ (ราคาสูงไปในสายตาลูกค้า)

ทำไมสำคัญ: นี่คือ “Demand ที่มองไม่เห็น” — Demand ที่มีจริงแต่ไม่ถูกนับใน booking data ถ้าไม่มีข้อมูลนี้ Forecast จะ underestimate Demand จริงเสมอ

ปัญหาที่พบบ่อย: โรงแรมส่วนใหญ่ไม่ได้เก็บข้อมูลนี้เลย เพราะต้องตั้งค่าใน CRS หรือ PMS อย่างตั้งใจ ข้อมูลนี้จะไม่ถูกเก็บโดยอัตโนมัติ

อ่านเพิ่มเติม: Hotel Demand Forecast คืออะไร

Rate History

เก็บอะไร: ราคาที่ขายจริง (actual sold rate) แยกตาม date, Segment, channel, room type — ย้อนหลังอย่างน้อย 2 ปี

ทำไมสำคัญ: Rate history คือ “memory” ของ Revenue Manager เมื่อเจอ event หรือ season เดิม เราต้องการรู้ว่าปีที่แล้วขายที่เท่าไร แล้วผลลัพธ์เป็นอย่างไร ไม่มีข้อมูลนี้ = ตัดสินใจด้วย intuition ล้วนๆ

ปัญหาที่พบบ่อย: เก็บแค่ BAR (Best Available Rate) แต่ไม่เก็บ actual sold rate ที่รวม discount, package, และ negotiated rate

Reason Code สำหรับ Cancellation และ No-show

เก็บอะไร: เหตุผลที่ลูกค้า cancel หรือ No-show — เช่น price too high, found cheaper alternative, change of travel plans, weather/force majeure

ทำไมสำคัญ: Pattern ของ cancellation บอกปัญหาที่ซ่อนอยู่ ตัวอย่างประกอบ: ถ้า cancel rate สูงผิดปกติในช่วง 7 วันก่อน check-in และ Reason Code ส่วนใหญ่คือ “found cheaper rate” อาจหมายความว่า rate strategy มีปัญหา

ปัญหาที่พบบ่อย: front office ไม่ได้บันทึก Reason Code อย่างจริงจัง หรือ system ไม่มี dropdown ให้เลือก ทำให้ข้อมูลส่วนนี้ว่างเปล่า