Prévisions avec Report Builder

Prévisions avec Report Builder

Vous pouvez désormais utiliser Report Builder pour prévoir les revenus locatifs et le taux d'occupation futurs de vos annonces. Cela vous aide à prendre des décisions commerciales plus éclairées en vous donnant une meilleure idée de ce à quoi vous pouvez vous attendre dans les mois à venir.

Fonctionnalités principales

  1. Nouveau modèle de prévision : un nouveau modèle « Prévision » est disponible dans Report Builder.
  2. Prévisions clés : vous pouvez désormais consulter les prévisions pour :
    1. Revenus locatifs
    2. Taux d'occupation
  3. Quelles annonces sont prises en charge ?
    1. Uniquement les annonces pour des logements individuels (les logements multi-unités seront bientôt disponibles)
    2. Annonces en cours de synchronisation
  4. Période de prévision : les prévisions couvrent les 12 prochains mois.
  5. Fréquence de mise à jour : les prévisions sont mises à jour le 1er de chaque mois.
  6. Afficher les niveaux : vous pouvez afficher les prévisions pour une ou plusieurs annonces.
    1. Par liste individuelle
    2. Par groupe ou sous-groupe
    3. Au niveau du compte complet

Comment accéder à la fonctionnalité de prévision

  1. Rendez-vous dans Portfolio Analytics → Report Builder
  2. Sous Modèles de rapport, assurez-vous que vous êtes sur Tous les modèles ou Modèles PriceLabs.
  3. Cliquez sur « Prévisions des revenus locatifs et du taux d'occupation ».
​

Personnalisation de votre rapport

Sélectionner la plage de dates

Vous pouvez définir la période ou une plage de dates spécifique pour votre rapport en la configurant dans la section « Plage de dates du séjour ».

Filtering Listings to Add to the Forecast


​
Pour sélectionner les annonces ou les ensembles d'annonces à inclure dans votre rapport, vous pouvez appliquer des filtres d'annonces comme partout ailleurs dans PriceLabs.
​

Comment la prévision est-elle générée ?

Le processus de prévision utilise un modèle d'apprentissage automatique pour prédire les performances futures en combinant diverses sources de données.
  1. Données saisies : le rapport utilise les registres de prix, les données historiques de réservation et les informations sur le taux d'occupation du marché.
  2. Modèle prédictif : un modèle d'apprentissage automatique est entraîné à identifier la relation entre des facteurs tels que la durée minimale du séjour, les week-ends, les jours fériés, la demande du marché et les habitudes de réservation passées.
  3. Prévision quotidienne : au moment de la prévision, le modèle prédit la probabilité qu'une annonce soit réservée chaque jour.
  4. Ajustements :
  5. Les prévisions sont ajustées en fonction du rythme de l'annonce et du marché afin de garantir des attentes réalistes au niveau mensuel. Lorsqu'une annonce ne dispose pas de données suffisantes, le modèle utilise les données au niveau du marché pour effectuer ces ajustements.
  6. Les prix non personnalisés sont ajustés en fonction des tarifs journaliers moyens (ADR) passés et actuels au niveau mensuel.
  7. Calcul final :
  8. Les prévisions de revenus mensuels sont calculées en combinant la demande prévue avec les prix non personnalisés ajustés.
  9. Veuillez noter que le taux d'occupation prévu calculé correspond au taux d'occupation ajusté, dont nous supprimons les blocs.

Précision des prévisions

  • Horizon temporel : les prévisions sont plus précises pour les mois à venir que pour les mois plus éloignés.
  • Données historiques : bien que cela ne soit pas obligatoire, les prévisions sont plus précises si les données de réservation de l'année dernière sont disponibles, car elles fournissent au modèle une base de référence plus solide pour ses prévisions. Si vos réservations de l'année dernière n'apparaissent pas dans PriceLabs, vous pouvez les télécharger en suivant Télécharger les réservations à l'aide d'un fichier CSV dans Portfolio Analytics.