Die Booking Curve lesen: wie sich Nachfragedaten im Travel-Bereich tatsächlich verhalten

# Die Booking Curve lesen: wie sich Nachfragedaten im Travel-Bereich tatsächlich verhalten

Ein Hotel mit 180 Zimmern in Barcelona ist 60 Tage von einem Samstag im Juni entfernt. Verkauft sind 22 Zimmer. Panik? Nein. Die historische Kurve sagt: 60 Tage vor Anreise ist dieser spezielle Samstag normalerweise nur zu 12 Prozent gebucht, und ererThe ratio of interactions (likes, comments, shares) to reach for a given piece of content, used to gauge how well audiences respond relative to how many people saw it.Vollständige Definition ansehen → füllt sich in den letzten drei Wochen auf 95 Prozent. Der Revenue Manager hält die Raten.

Diese eine Entscheidung, ruhig bleiben bei einem scheinbar leeren Kalender, ist nur möglich, weil sich Nachfragedaten im Travel-Bereich auf eine sehr spezielle Weise verhalten. Wer das Verhalten der Kurve versteht, für den ergibt der Großteil der Hospitality-Analytics plötzlich Sinn.

Die Booking Curve, definiert

Die Booking Curve (auch Booking Pace genannt) ist die kumulierte Anzahl der Reservierungen für ein einzelnes zukünftiges Datum, aufgetragen gegen die Zahl der Tage, die bis zu diesem Datum verbleiben.

Die x-Achse ist „days to arrival“ (oft als DTA geschrieben) und zählt herunter. Die y-Achse sind verkaufte Zimmer, Occupancy in Prozent oder Revenue.

Immer ein Datum zur Zeit lesen. Jeder zukünftige Samstag, jeder Dienstag, jeder Feiertag hat seine eigene Kurve. Das ist die erste Umstellung im Kopf: Sie verfolgen nicht „die Verkäufe dieser Woche“. Sie verfolgen den Füllverlauf von Hunderten einzelner zukünftiger Daten, die alle unabhängig voneinander altern.

Wie eine echte Kurve aussieht

Eine typische Kurve ist keine Gerade. Sie sieht meist aus wie eine langsame Rampe, die zum Ende hin steiler wird:

• 90 bis 45 Tage vor Anreise: ein Rinnsal. Frühe Leisure-Bucher, einige Gruppenblöcke, Advance-Purchase-Angebote.
• 45 bis 14 Tage vor Anreise: Beschleunigung. Die Leisure-Nachfrage baut sich auf.
• 14 bis 0 Tage vor Anreise: der steile Teil. Geschäftsreisende, Last-Minute-Leisure und Buchungen zu flexiblen Raten kommen gebündelt hinzu.

Die Form verschiebt sich je Segment. Ein Resort auf den Malediven bucht viel früher (Langstrecken-Leisure plant Monate im Voraus). Ein Airport-Hotel nahe einem Kongresszentrum kann flach bleiben, bis 10 Tage vor Anreise ein Corporate-Ansturm einsetzt. Gleiche Achse, völlig unterschiedliche Kurven.

Warum Travel-Daten keine Retail-Daten sind

Wer aus Retail, E-Commerce oder CPG kommt, wird von seinen Instinkten hier in die Irre geführt. Vier Eigenschaften machen Nachfragedaten im Travel-Bereich anders.

1. Sie sind verderblich

Ein unverkauftes Zimmer in der Dienstagnacht ist um Mitternacht weg. Sie kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnen es nicht einlagern, nächste Woche rabattieren oder in eine andere Filiale schicken. Ökonomen nennen das einen perishable asset: Flugsitze, Hotelnächte, Kreuzfahrtkabinen und Mietwagen verfallen alle an einem festen Datum mit null Restwert.

Deshalb wird das Pricing aggressiv, wenn DTA sich null nähert. Ein Zimmer, das drei Wochen vorher 200 Euro wert ist, kann am Abend selbst um 18 Uhr 89 Euro wert sein, weil 89 besser ist als null.

2. Sie unterliegen einem Zeitverfall

Der Wert eines Datenpunkts hängt davon ab, wann ererThe ratio of interactions (likes, comments, shares) to reach for a given piece of content, used to gauge how well audiences respond relative to how many people saw it.Vollständige Definition ansehen → entstanden ist. Eine Buchung 60 Tage vor Anreise sagt etwas anderes als eine Buchung 2 Tage vor Anreise.

Frühe Buchungen sind ein Signal über die Basisnachfrage. Späte Buchungen sind ein Signal über Preissetzungsmacht und Marktenge. Wer beides vermischt, ohne DTA zu respektieren, wirft den Großteil der Information weg.

3. Sie sind vorwärtsgerichtet, nicht rückwärtsgerichtet

Transaktionsdaten im Retail sind überwiegend eine Aufzeichnung dessen, was schon passiert ist. Travel-Buchungsdaten sind ein Anspruch auf die Zukunft. Jede Reservierung, die heute auf den Büchern steht, ist ein Versprechen über eine Nacht, die noch nicht stattgefunden hat, und sie kann noch storniert werden.

Das macht Travel-Daten probabilistisch. „On the books“ ist nicht „in the bank“.

4. Sie sind referenzabhängig

Eine Zahl bedeutet nichts ohne ihre historische Kurve. „22 Zimmer verkauft“ ist bedeutungslos. „22 Zimmer verkauft, wo wir zu diesem Zeitpunkt normalerweise bei 12 liegen“ ist eine Entscheidung. Jede Beobachtung muss gegen den Pace verglichen werden: dasselbe Datum im Vorjahr, dasselbe Wochentagsmuster, dieselbe Position im Lead Time.

Das Referenz-Framework der Branche kommt von STR (Teil von CoStar), dessen Metriken wie Occupancy, ADR und RevPAR das meiste Benchmarking verankern. STR veröffentlicht ein zugängliches Glossar von Hospitality-Performance-Begriffen, das ein Bookmark wert ist.

Die drei Zahlen, die alle verfolgen

Drei Metriken dominieren Revenue-Gespräche. Einmal definiert, tauchen sie überall wieder auf.

• ADR (Average Daily Rate): Gesamter Zimmerumsatz geteilt durch verkaufte Zimmer. Der Durchschnittspreis der Zimmer, die Sie tatsächlich gefüllt haben.
• Occupancy: Verkaufte Zimmer geteilt durch verfügbare Zimmer.
• RevPAR (Revenue Per Available Room): Zimmerumsatz geteilt durch verfügbare Zimmer. Gleichbedeutend mit ADR multipliziert mit Occupancy.

RevPAR ist die wichtigste Größe, weil sie den Tradeoff erfasst. Sie kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnen ADR heben, indem Sie hoch bepreisen und wenige Zimmer verkaufen, oder Occupancy heben, indem Sie rabattieren. RevPAR fragt: Angesichts aller Zimmer, die Sie zu verkaufen hatten, wie viel haben Sie verdient? Sie lässt nicht zu, dass Sie an einem Hebel schummeln und den anderen ignorieren.

Pace, nicht Level

Weil die Daten vorwärtsgerichtet sind, ist die nützliche Frage selten „wie voll sind wir?“. Sie lautet: „Wie liegen wir im Vergleich zu dem, wo wir sein sollten?“

Das ist Pickup: die Zahl der netto neu gewonnenen Reservierungen über ein definiertes Fenster (sagen wir, die letzten 7 Tage) für ein bestimmtes Anreisedatum. Positiver Pickup vor dem Pace heißt, Sie kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnen die Rate anheben. Schwacher Pickup heißt, die Nachfrage ist weich, und das Halten der Rate riskiert, gar nichts zu verkaufen.

Ein einfacher Weg, das in Datenbegriffen zu sehen:

# rooms on the books for a single arrival date, snapshotted daily
# dta = days to arrival, otb = on the books (cumulative rooms sold)

pace = pace_df.sort_values("dta", ascending=False)
pace["pickup_7d"] = pace["otb"] - pace["otb"].shift(7)  # Netto-Neuzugang in den letzten 7 Snapshots

# Vergleich mit der historischen Durchschnittskurve desselben Wochentags
pace["vs_ly"] = pace["otb"] - pace["otb_last_year"]

Zwei Spalten, pickup_7d und vs_ly, treiben die meisten Pricing-Entscheidungen im Tagesgeschäft. Beachten Sie: Es gibt keine einzelne „Sales“-Zahl. Alles ist relativ zu einer Kurve.

🎬 [VIDEO: "Hotel Revenue Management Explained" - youtube.com/results?search_query=hotel+revenue+management+booking+pace - eine kurze Einführung, wie Pace und Pickup in Pricing-Entscheidungen einfließen]

Das Stornierungsproblem

Hier werden Travel-Daten wirklich knifflig. Eine Reservierung ist kein endgültiger Umsatz. Stornierungen, No-Shows und Änderungen erodieren das Buch.

Hotels prognostizieren deshalb die Netto-Nachfrage, nicht die Brutto-Nachfrage. Zwei Häuser mit identischen Zimmern auf den Büchern kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnen sehr unterschiedlich dastehen, wenn eines überwiegend non-refundable Raten hält und das andere flexible.

Das führt zum Overbooking: bewusst mehr Reservierungen bestätigen als Zimmer verfügbar sind, dimensioniert auf die erwarteten Stornierungen. Ein Haus, das für ein Datum 8 Prozent Attrition erwartet, verkauft vielleicht bis auf 105 oder 106 Prozent und wettet darauf, dass die Zahl der Walk-ins nahe null bleibt. Liegt die Schätzung falsch, lassen Sie entweder Zimmer leer oder Sie „walken“ Gäste auf Ihre Kosten in ein anderes Hotel. Die Mathematik ist reine angewandte Wahrscheinlichkeitsrechnung, und sie hängt an sauberen Stornodaten nach Segment und Lead Time.

Warum die Kurve bricht (und was das lehrt)

Kurven sind stabil, bis sie es nicht mehr sind. Die lehrreichen Momente sind die BrBrThe percentage of visitors who leave after viewing only one page, often a signal of poor relevance, mismatched intent, or weak user experience.Vollständige Definition ansehen →üche.

Compression Events. Eine große Konferenz, ein Konzert oder ein Marathon zieht die Kurve des gesamten Markts nach vorn und nach oben. Nachfrage „komprimiert“ sich auf wenige Daten. Der Booking Pace wird Wochen früher als normal steil, und der disziplinierte Zug ist, früh die Raten zu erhöhen, statt 40 Tage vor Anreise dabei erwischt zu werden, Inventar billig zu verkaufen.

Schocks. Wetter, Streiks und Störungen kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnen eine Kurve über Nacht abflachen. Die Pandemie 2020 ist der Extremfall: Buchungsfenster kollabierten und Lead Times verkürzten sich dramatisch, weil Reisende sich nicht weit im Voraus binden wollten. Auch Jahre später stellen Analysten weithin fest, dass Buchungsfenster kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →ürzer und volatiler blieben als vor 2020. Behandeln Sie jede konkrete Zahl hier als Schätzung, denn sie variiert stark nach Markt und Segment.

Die Lehre: Eine Booking Curve ist ein Gerüst für die Prognose, keine Garantie. Sie sagt Ihnen, was normal ist, damit Sie erkennen, was es nicht ist. Der Wert liegt in der Abweichung.

Alles zusammen: eine Entscheidung

Zurück nach Barcelona. Der Revenue Manager sieht 22 Zimmer auf den Büchern, vor den üblichen 12 für diese Lead Time. Der Pickup der letzten 7 Tage ist stark. Ein Festival findet in der Stadt statt. Die historische Kurve sagt, der steile Teil kommt erst noch.

Fazit: Dieses Datum läuft heiß. Rate anheben, die günstigsten Ratenkategorien schließen und Inventar für spät buchende Geschäftsnachfrage schützen. Nichts davon ist aus der rohen Occupancy-Zahl allein sichtbar. Sichtbar wird es nur gegen die Kurve.

Key Takeaways

• Eine Booking Curve verfolgt immer ein zukünftiges Datum zur Zeit und trägt kumulierte Reservierungen gegen die Tage bis zur Anreise auf. Absolute Werte sind ohne die Kurve als Referenz bedeutungslos.
• Nachfragedaten im Travel-Bereich sind verderblich, zeitverfallend, vorwärtsgerichtet und referenzabhängig. Retail-Instinkte über Inventar und „Sales to date“ führen Sie in die Irre.
• Pace und Pickup schlagen absolute Occupancy. Die operative Frage ist „vor oder hinter dem, wo dieses Datum sein sollte“, nicht „wie voll bin ich heute“.
• Reservierungen sind probabilistisch, nicht gebucht im Sinne von sicher. Stornierungen, No-Shows und Overbooking bedeuten, dass Hotels die Netto-Nachfrage prognostizieren und gegen die erwartete Attrition bepreisen.
• Der Wert liegt in der Abweichung. Kurven existieren, um das Normale zu definieren, damit Sie das Abnormale bepreisen kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnen, ob das ein Compression Event oder ein Nachfrageschock ist.