Lire la booking curve : comment se comportent réellement les données de demande touristique

# Lire la booking curve : comment se comportent réellement les données de demande touristique

Un hôtel de 180 chambres à Barcelone est à 60 jours d'un samedi de juin. Il a vendu 22 chambres. Panique ? Non. Sa courbe historique dit qu'à 60 jours, ce samedi précis n'est généralement rempli qu'à 12 pour cent, et qu'il monte à 95 pour cent dans les trois dernières semaines. Le revenue manager maintient ses tarifs.

Cette seule décision, prise avec calme face à un calendrier d'apparence vide, n'est possible que parce que les données de demande touristique se comportent d'une manière très particulière. Comprenez le comportement de la courbe et l'essentiel de l'analytics hôtelier devient lisible.

La booking curve, définition

La booking curve (aussi appelée booking pace) est le cumul des réservations pour une seule date future, tracé en fonction du nombre de jours restants avant cette date.

L'axe des x correspond aux « days to arrival » (souvent noté DTA), en décompte. L'axe des y porte les chambres vendues, le taux d'occupation ou le revenu.

On lit une date à la fois. Chaque samedi futur, chaque mardi, chaque jour férié a sa propre courbe. C'est le premier changement de perspective : vous ne suivez pas « les ventes de la semaine ». Vous suivez la trajectoire de remplissage de centaines de dates futures individuelles, qui vieillissent chacune de leur côté.

À quoi ressemble une vraie courbe

Une courbe typique n'est pas une droite. Elle ressemble le plus souvent à une montée lente qui s'accentue vers la fin :

• De 90 à 45 jours : un filet. Premiers réservataires loisirs, quelques blocs groupes, offres advance-purchase.
• De 45 à 14 jours : accélération. La demande loisirs monte.
• De 14 à 0 jour : la partie raide. Voyageurs d'affaires, loisirs de dernière minute et réservations en tarif flexible s'accumulent.

La forme change selon le segment. Un resort aux Maldives se réserve bien plus tôt (le loisir long-courrier se planifie des mois à l'avance). Un hôtel d'aéroport proche d'un centre de congrès peut rester plat jusqu'à une ruée corporate à 10 jours. Même axe, courbes totalement différentes.

Pourquoi les données du voyage ne sont pas des données retail

Si vous venez du retail, de l'ecommerce ou de la CPG, vos réflexes vont vous égarer ici. Quatre propriétés distinguent les données de demande touristique.

1. Elles sont périssables

Une chambre invendue le mardi soir est perdue à minuit. Vous ne pouvez pas la stocker, la remiser la semaine suivante ni l'expédier dans un autre magasin. Les économistes parlent d'actif périssable : sièges d'avion, nuitées d'hôtel, cabines de croisière et voitures de location expirent tous à une date fixe, avec une valeur résiduelle nulle.

D'où l'agressivité tarifaire à mesure que le DTA approche de zéro. Une chambre valant 200 euros à trois semaines peut valoir 89 euros à 18h le soir même, parce que 89 vaut mieux que zéro.

2. Elles se dégradent dans le temps

La valeur d'un point de donnée dépend du moment où il est arrivé. Une réservation prise à 60 jours ne dit pas la même chose qu'une réservation prise à 2 jours.

Les réservations précoces sont un signal sur la demande de base. Les tardives sont un signal sur le pouvoir de fixation des prix et la tension du marché. Les mélanger sans respecter le DTA fait perdre l'essentiel de l'information.

3. Elles regardent vers l'avant, pas vers l'arrière

Les données transactionnelles du retail sont surtout l'enregistrement de ce qui s'est déjà produit. Les données de réservation touristique sont une crcrLe pourcentage de visiteurs ou de prospects qui réalisent une action attendue (achat, inscription, formulaire de contact), calculé en divisant les conversions par le nombre total d'opportunités.Voir la définition complète →éance sur l'avenir. Chaque réservation aujourd'hui à l'inventaire est une promesse sur une nuit qui n'a pas eu lieu, et elle peut encore être annulée.

Cela rend les données du voyage probabilistes. « On the books » n'est pas « encaissé ».

4. Elles sont dépendantes d'une référence

Un chiffre ne signifie rien sans sa courbe historique. « 22 chambres vendues » n'a aucun sens. « 22 chambres vendues alors qu'on est normalement à 12 à ce stade » est une décision. Chaque observation doit être comparée au pace : la même date l'an dernier, le même profil de jour de semaine, la même position en lead time.

Le framework de référence du secteur vient de STR (groupe CoStar), dont les métriques comme l'occupation, l'ADR et le RevPAR structurent l'essentiel du benchmarking. STR publie un glossaire des termes de performance hôtelière accessible, à garder en favori.

Les trois chiffres que tout le monde suit

Trois métriques dominent les discussions revenue. Définissez-les une fois, vous les retrouverez partout.

• ADR (Average Daily Rate) : revenu chambres total divisé par les chambres vendues. Le prix moyen des chambres que vous avez effectivement remplies.
• Occupation : chambres vendues divisées par chambres disponibles.
• RevPAR (Revenue Per Available Room) : revenu chambres divisé par chambres disponibles. Autrement dit, ADR multiplié par l'occupation.

C'est le RevPAR qui compte le plus, parce qu'il capture l'arbitrage. Vous pouvez augmenter l'ADR en tarifant haut et en vendant peu, ou pousser l'occupation en remisant. Le RevPAR pose la question : sur l'ensemble des chambres que vous aviez à vendre, combien avez-vous gagné ? Il vous interdit de tricher sur un levier en ignorant l'autre.

Le pace, pas le niveau

Comme les données regardent vers l'avant, la question utile est rarement « à quel point sommes-nous remplis ? ». C'est « où en sommes-nous par rapport à où nous devrions être ? ».

C'est le pickup : le nombre net de nouvelles réservations gagnées sur une fenêtre définie (disons les 7 derniers jours) pour une date d'arrivée donnée. Un pickup positif, en avance sur le pace, signifie que vous pouvez pousser le tarif. Un pickup faible signale une demande molle, et maintenir le tarif fait courir le risque de ne rien vendre.

Une façon simple de le voir en termes de données :

# 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)  # nouveau net sur les 7 derniers snapshots

# comparaison à la courbe historique moyenne du même jour de semaine
pace["vs_ly"] = pace["otb"] - pace["otb_last_year"]

Deux colonnes, pickup_7d et vs_ly, pilotent l'essentiel des décisions tarifaires quotidiennes. Notez qu'il n'y a pas de chiffre unique de « ventes ». Tout est relatif à une courbe.

🎬 [VIDEO: "Hotel Revenue Management Explained" - youtube.com/results?search_query=hotel+revenue+management+booking+pace - une courte introduction à la façon dont pace et pickup alimentent les décisions de prix]

Le problème des annulations

C'est ici que les données du voyage deviennent vraiment délicates. Une réservation n'est pas un revenu définitif. Annulations, no-shows et modifications érodent le book.

Les hôtels prévoient donc la demande nette, pas brute. Deux établissements avec un nombre identique de chambres on the books peuvent avoir des positions réelles très différentes si l'un détient surtout des tarifs non remboursables et l'autre des tarifs flexibles.

D'où l'overbooking : confirmer délibérément plus de réservations que de chambres disponibles, calibré sur les annulations attendues. Un établissement anticipant 8 pour cent d'attrition sur une date peut vendre jusqu'à 105 ou 106 pour cent, en pariant que le nombre de walk-ins reste proche de zéro. Trompez-vous dans l'estimation et vous laissez des chambres vides, ou vous « délogez » des clients vers un autre hôtel à vos frais. Le calcul est de la probabilité appliquée pure, et il tient entièrement à la propreté des données d'annulation par segment et par lead time.

Pourquoi la courbe casse (et ce que cela enseigne)

Les courbes sont stables jusqu'à ce qu'elles ne le soient plus. Les moments instructifs sont les ruptures.

Événements de compression. Un grand congrès, un concert ou un marathon tire la courbe de tout le marché vers l'avant et vers le haut. La demande se « comprime » sur quelques dates. Le booking pace s'accentue des semaines plus tôt que d'habitude, et le geste discipliné consiste à relever les tarifs tôt plutôt que de se faire prendre à vendre de l'inventaire pas cher à 40 jours.

Chocs. Météo, grèves et perturbations peuvent aplatir une courbe du jour au lendemain. La pandémie de 2020 en est le cas extrême : les fenêtres de réservation se sont effondrées et les lead times ont fortement raccourci, les voyageurs refusant de s'engager longtemps à l'avance. Des années plus tard, les analystes notent largement que les fenêtres de réservation sont restées plus courtes et plus volatiles que les normes d'avant 2020. Traitez tout chiffre précis ici comme une estimation, car cela varie beaucoup selon le marché et le segment.

La leçon : une booking curve est un échafaudage de prévision, pas une garantie. Elle vous dit ce qui est normal pour que vous puissiez détecter ce qui ne l'est pas. La valeur est dans l'écart.

Mise en pratique : une décision

Retour à Barcelone. Le revenue manager voit 22 chambres on the books, au-dessus des 12 habituelles pour ce lead time. Le pickup des 7 derniers jours est solide. Un festival est en ville. La courbe historique dit que la partie raide est encore à venir.

Conclusion : cette date chauffe. Relever le tarif, resserrer les catégories tarifaires les moins chères et protéger de l'inventaire pour la demande affaires de dernière minute. Rien de tout cela n'est visible depuis le seul chiffre brut d'occupation. Cela n'apparaît que face à la courbe.

Points clés

• Une booking curve suit une date future à la fois, en traçant le cumul des réservations contre les days to arrival. Les niveaux ne veulent rien dire sans la courbe comme référence.
• Les données de demande touristique sont périssables, dégradées par le temps, tournées vers l'avant et dépendantes d'une référence. Les réflexes retail sur le stock et les « ventes à date » vous égareront.
• Le pace et le pickup l'emportent sur l'occupation absolue. La question opérationnelle est « en avance ou en retard par rapport à ce que cette date devrait être », pas « à quel point suis-je rempli aujourd'hui ».
• Les réservations sont probabilistes, pas acquises. Annulations, no-shows et overbooking impliquent que les hôtels prévoient la demande nette et tarifent en fonction de l'attrition attendue.
• La valeur est dans l'écart. Les courbes existent pour définir le normal, afin que vous puissiez tarifer l'anormal, événement de compression comme choc de demande.