Demand Forecast ของอีเวนต์ที่ไม่มีข้อมูลปีที่แล้ว — เคสพืชสวนโลกอุดรธานี 2569 กับการทำให้ RGI ดีขึ้น
ช่วงอีเวนต์ RevPAR ขึ้นกันทั้งตลาด คำถามจริงคือคุณได้ส่วนแบ่งเกินหรือต่ำกว่า comp set — และคำตอบเริ่มที่ forecast ไม่ใช่ที่ราคา
- สถานการณ์: มีอีเวนต์ใหญ่ลงในตลาดยาว 134 วัน โดยไม่มีข้อมูลปีก่อนให้เทียบสักตัว เครื่องมือบริหารรายได้โรงแรมที่ต้องหยิบมาใช้คือ Demand Forecast แบบไล่จากบนลงล่าง
- เคสที่ใช้รัน: พืชสวนโลกอุดรธานี 2569 ตามที่เดลินิวส์รายงานเมื่อ 19 กันยายน 2569 เปิด 1 พฤศจิกายน 2569 ถึง 14 มีนาคม 2570 ฝ่ายจัดงานคาดผู้เข้าชม 3.6 ล้านคน และระบุเองว่าเป็นงานระดับ B ขนาดกลาง
- ตัววัดผล: ไม่ใช่ occupancy และไม่ใช่ RevPAR ดิบ แต่เป็น RGI เพราะช่วงอีเวนต์ตลาดขึ้นพร้อมกันทั้งกระดาน forecast ตั้งต้นให้ room-night ต่อคืนราว 3,760–8,460 จากนั้นต้อง reforecast 2 จุด
เดลินิวส์ลงบทความนับถอยหลังงานพืชสวนโลกอุดรธานี 2569 เมื่อวันที่ 19 กันยายน 2569 — แต่ผมไม่ได้จะเล่าข่าวนั้นซ้ำ ผมหยิบมันมาเป็นเคสของคำถามที่กลับมาเรื่อย ๆ คือ เมื่อมีเหตุการณ์ลักษณะนี้ลงในตลาดของเรา ควรหยิบเครื่องมือบริหารรายได้โรงแรมตัวไหนมาใช้ และจะรู้ได้ยังไงว่าใช้แล้วได้ผลจริง
คำตอบมี 2 ชั้น ชั้นแรกคือเครื่องมือ: งานนี้กินเวลา 134 วันในจังหวัดที่ไม่เคยมีงานแบบนี้มาก่อน แปลว่า forecast ที่เราทำกันทุกเดือนใช้ไม่ได้ เพราะมันสร้างจากข้อมูลปีก่อนบวก Pickup ที่เข้ามาจริง ซึ่งรอบนี้ไม่มีทั้ง 2 อย่าง ต้องเปลี่ยนไปทำ Demand Forecast อีกแบบ ชั้นที่ 2 คือตัววัดผล: ห้ามวัดด้วย occupancy เพราะช่วงอีเวนต์ทุกโรงแรมในตลาดเต็มขึ้นพร้อมกัน ตัวที่บอกว่าคุณชนะหรือแพ้คือ RGI (คือ RevPAR ของเรา หารด้วย RevPAR เฉลี่ยของ comp set แล้วคูณ 100 ถ้าเกิน 100 แปลว่าได้ส่วนแบ่งเกินตัว ถ้าต่ำกว่า 100 แปลว่าเสียส่วนแบ่งให้เพื่อนบ้าน)
▍ทำ Demand Forecast อย่างไร เมื่อไม่มีข้อมูลปีที่แล้วให้เทียบ?
กลับทิศ จากที่เคยไล่จากล่างขึ้นบน คือเริ่มจากยอดจองจริงแล้วค่อยขยายเป็นภาพรวม ให้เปลี่ยนเป็นไล่จากบนลงล่าง เริ่มจากตัวเลขที่ผู้จัดงานประกาศ แล้วหักออกทีละชั้นด้วยสมมติฐานที่เขียนออกมาเป็นลายลักษณ์อักษร เพื่อให้กลับมาแก้ตัวไหนก็ได้เมื่อมีของจริง ชั้นที่ต้องหักมี 3 ชั้น
ชั้นที่ 1 — ระยะทาง. คำถามคือคนที่จะมางานนี้ ออกจากบ้านตอนเช้าแล้วกลับไปนอนบ้านตัวเองได้ไหม ถ้าได้ คนกลุ่มนั้นไม่เข้า forecast ห้องพัก เขาคือรายได้ของร้านอาหารกับปั๊มน้ำมัน ลองกับเคส: อุดรธานีเป็นตลาด drive-to เต็มตัว หนองบัวลำภูอยู่ห่างราว 46 กิโลเมตร หนองคายราว 55 กิโลเมตร เวียงจันทน์ราว 80 กิโลเมตรเมื่อข้ามสะพานมิตรภาพ ขอนแก่นราว 115 กิโลเมตร และสกลนครราว 160 กิโลเมตร ทั้งหมดคือระยะที่ครอบครัวไปกลับได้ในวันเดียวสบาย ๆ
ชั้นที่ 2 — สัดส่วนที่ต้องนอนจริง. อย่าหยุดที่บรรทัด “คนไทยกี่เปอร์เซ็นต์ ต่างชาติกี่เปอร์เซ็นต์” เพราะคำว่าต่างชาติไม่ได้แปลว่าต้องบินมาและต้องหาที่นอนอัตโนมัติ ต้องถามต่อว่าต่างชาติกลุ่มไหน ลองกับเคส: ตัวเลขคาดการณ์ที่เผยแพร่ตรงกันหลายแหล่งคือคนไทยราว 70% และชาวต่างชาติราว 30% แต่ชาวต่างชาติกลุ่มใหญ่ที่สุดของอุดรธานีคือคนลาวที่ข้ามสะพานมา ซึ่งก็ไปเช้าเย็นกลับได้เหมือนกัน ชั้นนี้จึงกินสัดส่วนที่ดูเหมือนแข็งแรงออกไปอีกก้อน
ชั้นที่ 3 — ปฏิทิน. คำถามสุดท้ายคือ งานนี้ทับ high season เดิมของตลาด หรือมาเติมเดือนที่เคยว่าง ถ้าทับ demand ที่เพิ่มขึ้นจะไปกองในคืนที่คุณขายได้อยู่แล้ว ซึ่งช่วยเรื่องราคาน้อยกว่าที่คิดมาก ลองกับเคส: ฐานเศรษฐกิจรายงานเมื่อ 17 กันยายน 2569 ว่าผู้ว่าราชการจังหวัดอุดรธานี คุณราชันย์ ซุ้นหั้ว ประกาศความพร้อม 100% ก่อสร้างคืบหน้าราว 95% และจังหวัดวางเส้นทางเชื่อมจากพื้นที่จัดงานไปคำชะโนดและทะเลบัวแดง พร้อมรถรับส่ง โดยระบุว่าทะเลบัวแดงบานช่วงพฤศจิกายนถึงมีนาคม — ซึ่งคือช่วงเดียวกับที่งานจัดพอดี งานนี้จึงไม่ได้เติมเดือนที่จังหวัดเคยเงียบ แต่ซ้อนทับเดือนที่คนมาอยู่แล้ว
💡 BoydWee เห็นว่า — ช่วงอีเวนต์ ตลาดขึ้นพร้อมกันทั้งกระดาน ห้องเต็มจึงไม่ได้แปลว่าชนะ ตัวที่บอกคือ RGI
นี่คือกับดักที่เจ็บที่สุดของการบริหารช่วงอีเวนต์ เพราะเมื่อตลาดขึ้นทั้งกระดาน occupancy ของคุณจะสวยขึ้นเองโดยไม่ต้องทำอะไรเลย ปัญหาคือ comp set ก็สวยขึ้นเหมือนกัน ถ้าคุณเปิดขายเร็วเกินไปด้วยราคาเดิม คุณจะเต็มก่อนเพื่อนบ้านแล้วรู้สึกดี ทั้งที่ RGI หลุดต่ำกว่า 100 เพราะขายคืนที่มีค่าที่สุดของปีไปในราคาวันธรรมดา
อีกอย่างที่ผมสนใจคือคำว่า ระดับ B ขนาดกลาง ที่ฝ่ายจัดงานพูดเอง มันคือการบอกกลาย ๆ ว่าอย่าคาดหวังสเกลแบบงานใหญ่ที่สุด ถ้าคนจัดงานยังบอกขนาดของตัวเองตามจริง คนทำ forecast ก็ควรตั้งสมมติฐานตามจริงเหมือนกัน ไม่ใช่ตั้งจากพาดหัว
🧮 Demand Forecast ตั้งต้น: แปลงหัวคนเป็น room-night ต่อคืน (ใส่เลขงานของคุณเองได้)
room-night ต่อคืน = ( ผู้เข้าชมทั้งงาน × สัดส่วนที่ค้างคืน ÷ คนต่อห้อง × Avg LOS ) ÷ จำนวนวันจัดงาน
ตัวเลขในตารางเป็น scenario ที่สร้างจากตัวเลขคาดการณ์ของฝ่ายจัดงานบวกสมมติฐานที่ผมตั้งเอง ไม่ใช่ตัวเลขที่ใครประกาศ ช่วง 20–35% มาจากผลของการหัก 2 ชั้นแรก คืออุดรธานีเป็นตลาด drive-to และสัดส่วนต่างชาติส่วนใหญ่เป็นเพื่อนบ้านที่ข้ามพรมแดนมา งานที่คนต้องบินมาจะใส่ค่าชั้นนี้สูงกว่านี้มาก ส่วนตัวหารที่เหลืออีกตัวคือจำนวนห้องพักในตลาดของคุณเอง ซึ่งผมไม่มีตัวเลขที่ยืนยันได้ในมือ แต่คุณมี — เปิด comp set ของตัวเองแล้วเอา 3,760 กับ 8,460 ไปวางเทียบ นั่นคือจุดเริ่มของการตั้งเป้า RGI และทุกค่าในตารางนี้ต้องถูกแทนที่ด้วยของจริงเมื่อมีของจริง
▍เอา Demand Forecast ชุดนี้ไปใช้ แก้ และวัดผลยังไงในแต่ละกรอบเวลา
⏱ 3-6 เดือน: เอา Demand Forecast ไปกระจายลงปฏิทิน และตั้งเป้า RGI อย่างไร?
forecast ที่ได้เป็นค่าเฉลี่ยต่อคืน ห้ามเอาไปทาเท่ากันทั้ง 134 วัน ให้เอาผลจากชั้นที่ 3 มาแยกปฏิทินเป็น 2 ประเภทคืน คือคืนที่ทับกับฤดูทะเลบัวแดงและวันหยุดยาวอยู่แล้ว กับคืนกลางสัปดาห์ที่ไม่มีอะไรมาหนุนนอกจากตัวงาน คืนประเภทแรกคือคืนที่ควรใช้ Min LOS คุมความยาวการเข้าพัก เพราะของที่ขาดคือคืนพัก ไม่ใช่ราคา และตั้งเป้า RGI ให้สูงกว่า 100 ชัดเจน เพราะเป็นคืนที่คุณเลือกลูกค้าได้ ส่วนคืนประเภทที่ 2 ตั้งเป้าแค่รักษา RGI ไม่ให้หลุด แล้วรอสัญญาณจาก Pickup ก่อนค่อยขยับราคา
📅 6-12 เดือน: ต้อง reforecast ตอนไหน และอ่าน RGI ยังไงระหว่างงาน?
จุดแก้ครั้งแรกคือเมื่อ Pickup ของช่วงจัดงานเริ่มเข้ามาพอให้เทียบได้ ดูรายสัปดาห์เทียบช่วงเดียวกันของปีก่อน ถ้าต่างกันไม่ถึง 10% แปลว่าคืนนั้นยังไม่ได้รับ demand จากงาน ให้ลดค่าสมมติฐานลงและปล่อยราคากลับลงมา จุดแก้ครั้งที่ 2 คือหลังเดือนแรกของงาน เมื่อมีอัตราค้างคืนจริงแล้ว ให้เอาตัวเลขจริงไปแทนช่วง 20–35% ทันที ส่วนการอ่าน RGI ให้ดูรายสัปดาห์และตีความให้ถูก ถ้า RGI ต่ำกว่า 100 ทั้งที่ occupancy สูง แปลว่าคุณเต็มด้วยราคาที่ต่ำกว่าตลาด ปัญหาอยู่ที่ราคาหรือ restriction ไม่ใช่ที่ demand วิธีคิดแบบเดียวกับที่พังงาใช้แปลง low season ให้เป็นฤดูขายจริง อ่านได้ที่ บทเรียนกระจายตลาด 3 ชั้นจากพังงา
🔭 2-3 ปี: จะเก็บงานนี้เป็นเคสไว้ใช้กับเหตุการณ์แบบไหนได้อีก?
เก็บเป็นเคสของสถานการณ์ประเภท “อีเวนต์ใหญ่ลงในตลาด โดยไม่มีข้อมูลปีก่อนให้เทียบ” ซึ่งครอบคลุมงานพืชสวนโลกที่โคราชในปี 2572 งานระดับจังหวัดและระดับภาค การแข่งขันกีฬา คอนเสิร์ตใหญ่ และการเปิดเส้นทางบินใหม่ สิ่งที่ต้องเก็บไม่ใช่ยอดขาย แต่คือค่าสมมติฐานที่ใช้วางคู่กับค่าจริงที่วัดได้ ครั้งหน้าที่เจอเหตุการณ์แบบเดียวกันจะได้เริ่มจากค่าจริงของตลาดตัวเอง แทนที่จะเริ่มจากค่ากลางที่คนอื่นตั้งให้ อีกตัวชี้วัดที่ควรจับตาคือเส้นทางเชื่อมโยงที่จังหวัดสร้างไว้จะถูกใช้ต่อหรือปิดพร้อมงาน ซึ่งฐานเศรษฐกิจระบุว่ามีการรวมข้อมูลแหล่งท่องเที่ยวไว้บนเว็บไซต์ของ ททท. (Tourism Authority of Thailand) สำนักงานอุดรธานีแล้ว
⚡ ประโยชน์สำหรับโรงแรมไทย — Action 3 ขั้น เริ่มได้สัปดาห์นี้
- สร้าง Demand Forecast ตั้งต้นด้วยสมมติฐาน 3 ชั้น — หยิบงานที่จะเกิดในรัศมีของคุณมา 1 งาน แล้วตอบ 3 คำถามเป็นลายลักษณ์อักษร คนมาจากไหนและขับรถกลับได้ไหม ใครในกลุ่มนั้นต้องนอนจริง และงานทับ high season เดิมหรือเติมเดือนที่ว่าง จบด้วยการเขียนช่วง room-night ต่อคืนออกมาเป็นตัวเลข พร้อมบันทึกค่าสมมติฐานทุกตัวไว้ให้กลับมาแก้ได้
- กระจาย forecast ลงปฏิทิน แล้วตั้งเป้า RGI แยกตามประเภทคืน — ชุดแรกคือคืนที่เคยเต็มอยู่แล้วจากฤดูกาลเดิมและวันหยุดยาว ชุดที่ 2 คือวันที่งานมีกิจกรรมใหญ่ คืนที่ทับกันคุมด้วย Min LOS และตั้งเป้า RGI สูงกว่า 100 ส่วนคืนที่ไม่ทับตั้งเป้าแค่รักษา RGI แล้วดู Pickup รายสัปดาห์ ถ้าต่างจากปีก่อนไม่ถึง 10% ให้ปล่อยราคากลับลงมาแทนที่จะค้างไว้สูงจนขายไม่ออก
- reforecast ด้วยค่าจริง แล้วบันทึกทั้งชุดเป็นเคส — เดือนพฤศจิกายนทดลองขายแพ็กเกจค้าง 1 คืนที่ผูกกับเส้นทางคำชะโนดและทะเลบัวแดง เจาะคนที่เดิมตั้งใจไปเช้าเย็นกลับ วัดว่าเปลี่ยนให้ค้างคืนได้กี่เปอร์เซ็นต์ เอาตัวเลขจริงไปแทนช่วง 20–35% พร้อมอ่าน RGI รายสัปดาห์ แล้วเก็บค่าสมมติฐานคู่กับค่าจริงไว้เป็นเคสของงานหน้า
สมมติฐานทั้งหมดในบทความนี้เป็น scenario เพื่อใช้ตั้งคำถามกับข้อมูลของตัวเอง ไม่ใช่การรับประกันผลลัพธ์
งานระดับนานาชาติที่มาลงในจังหวัดตัวเองเป็นเรื่องดี และผมก็อยากให้อุดรธานีได้ประโยชน์เต็มที่ แต่ประโยชน์ที่ได้จริงกับประโยชน์ที่พาดหัวสัญญาไว้ ไม่ค่อยเท่ากันสักครั้ง และ Demand Forecast ที่ดีคือสิ่งที่บอกคุณล่วงหน้าว่าจะต่างกันตรงไหน
งานจะปิดวันที่ 14 มีนาคม 2570 แล้วคำถามที่เหลือมีข้อเดียว คือเมื่อถึงวันนั้น คุณจะเก็บอะไรไว้ — ภาพห้องเต็ม 4 เดือนที่ตลาดก็เต็มเหมือนกันหมด หรือ RGI ที่พิสูจน์ว่าคุณได้ส่วนแบ่งเกินตัว พร้อมชุดค่าจริงที่ทำให้เคสหน้าของคุณแม่นกว่าเพื่อนบ้านทั้งจังหวัด
ถ้าอยากลองทำ Demand Forecast ชุดนี้กับงานที่ใกล้โรงแรมคุณ แล้วไม่แน่ใจว่าจะตั้งเป้า RGI ของแต่ละประเภทคืนเท่าไร — ทักมาคุยกันได้เลย
