ФОРМУВАННЯ ПОЛІТИКИ ЦІНОУТВОРЕННЯ ДЛЯ ГОТЕЛЬНО-РЕСТОРАНИХ КОМПЛЕКСІВ ЗАСОБАМИ ІНФОРМАЦІЙНИХ ТЕХНОЛОГІЙ

В.М. Кобець; В.В.  Іванов; В.О.  Михайлова

doi:10.32999/ksu2307-8030/2020-38-18

В.М. Кобець https://orcid.org/0000-0002-4386-4103
В.В. Іванов
В.О. Михайлова http://orcid.org/0000-0003-2224-1561

DOI: https://doi.org/10.32999/ksu2307-8030/2020-38-18

Ключові слова: готельно-ресторанний комплекс, інформаційна система, множинна регресія, дескриптивна статистика

Анотація

У статті досліджується інструментарій інформаційних систем розподілу подорожей для прийняття рішень щодо ціноутворення готельно-ресторанного комплексу (ГРК), метою якого є використання відкритих даних для формування оптимальної ціни готельних номерів. Під час розроблення програми туру враховується множина чинників (маршрут подорожі, перелік туристичних компаній-партнерів, перелік та склад послуг, що надаються під час туру, діапазон розважальних заходів тощо), розроблених для туристів за допомогою інформаційних систем Sabre, AMADEUS, Galileo, Worldspan. Змоделювавши ціноутворення за допомогою програмного інструменту RStudio для готельно-ресторанних комплексів із використанням відкритих даних системи Booking і g.port, було одержано, що якісніший прогноз щодо ціноутворення для ГРК Залізного Порта дає змогу виконати ресурс g.port, який користується більшою популярністю в даному сегменті ринку за рахунок привабливіших фінансових умов для власників ГРК. Велика диференціація цін на Booking погіршує якість прогнозу ціни. Коефіцієнт детермінації під час формування ціни на Booking дорівнює 33%, тоді як на g.port – 71%. Серед основних чинників впливу, що є статистично значимими, виявлено відстань до моря, зручності в номері і наявність басейну. Спрогнозовано середню ціну номеру з кухнею і без кухні та довірчий інтервал для прогнозної ціни на основі відкритих даних для Booking і g.port. Підготовлено рекомендації щодо формування ціноутворення з урахуванням статистично значущих чинників впливу.

Посилання

1. Вендров А. Проектирование программного обеспечения экономических и информационных систем. Москва : Финансы и статистика, 2006. 544 с.
2. Agafonova, L., Agafonova, O. Tourism, hotel and restaurant business: pricing, competition, state regulation. Kiev : Znannya, 2002. 351 p.
3. Assaf A. George, Tsionas Mike G. . Bayesian dynamic panel models for tourism research. Tourism Management. 2019. Vol. 75. Р. 582–594.
4. Kun Z., Ye C., Chunlin L. Discovering the tourists' behaviors and perceptions in a tourism destination by analyzing photos' visual content with a computer deep learning model: The case of Beijing. Tourism Management. 2019. Vol. 75. Р. 595–608
5. Kuleshova N., Polyakova O. Marketing strategy of a tourism enterprise: models of formation and evaluation: a monograph. Kharkiv : Publishing house KNUE S. Kuznets, 2015. 220 p.
6. Офіційний сайт Букінгу. URL: https://partner.booking.com/en-gb/ayuda/analytics-and-reports-your-property (дата звернення: 07.05.2020).
7. Innovations in the restaurant business. URL: http://prohotelia.com.ua/2013/02/restaurantinnovation (дата звернення: 25.04.2020).
8. Booking.com's Analytics and Opportunity Centre. URL: https://news.booking.com/bookingcoms-analytics-and-opportunity-centre (дата звернення: 07.05.2020).
9. Kramar O. Breaking through the asphalt. What’s happen with Ukraine’s exports? The Ukranian week. 2018. Vol. 6(124), pp. 24–25.
10. Xie X. Economic Integration and Economic Growth with Science-Pushed Industrial Innovation. Review of International Economics. 2018. Vol. 7, pp. 613–624.