Platform hotel commerce SiteMinder meluncurkan Dynamic Commerce Engine untuk mengatasi kesenjangan pelaksanaan (execution gap) dalam upaya hotel untuk memaksimalkan pendapatan melalui berbagai strategi komersial, termasuk penetapan harga, dan juga distribusi.
Selama ini, hotel masih terbatas pada teknologi yang hanya memberikan rekomendasi harga berdasarkan permintaan. Dynamic Commerce Engine dari SiteMinder melangkah lebih jauh dengan memanfaatkan machine learning (ML) dan kecerdasan buatan (AI) untuk mengidentifikasi dan menerapkan rekomendasi optimasi di berbagai aspek komersial hotel, baik pada penetapan harga maupun pada fondasi distribusi.
Pada aspek distribusi, berbagai masalah mendasar dapat secara signifikan membatasi potensi pendapatan hotel. Masalah tersebut meliputi koneksi saluran distribusi yang terputus dan tipe kamar yang tidak terpetakan, yang sering kali terlewatkan dan berkontribusi pada biaya peluang senilai miliaran dolar bagi hotel.
Mesin ini akan memanfaatkan skala data dan kemampuan distribusi SiteMinder yang luas di industri perhotelan. Selama 20 tahun, platform SiteMinder telah digunakan oleh pelaku industri perhotelan, termasuk pengelola 56.000 properti individu. Saat ini, platform tersebut mengelola 2,6 juta kamar hotel, 140 juta pemesanan, dan 300 juta malam menginap setiap tahun. Model ML yang terintegrasi dalam platform akan memanfaatkan hampir 4 miliar sinyal availability, rates, and inventory (ARI) untuk mengidentifikasi peluang optimasi bagi setiap properti dan memberikan rekomendasi yang paling relevan. Dirancang sebagai platform berbasis AI yang tetap berada di bawah kendali pengelola hotel, platform ini memungkinkan pengguna meninjau dan menyetujui setiap perubahan yang direkomendasikan sebelum perubahan tersebut dijalankan oleh mesin.
Dynamic Commerce Engine hadir di tengah perubahan lanskap industri perhotelan dan meningkatnya kebutuhan hotel untuk memastikan informasi mereka di kanal online tetap akurat dan konsisten. Penelitian terbaru SiteMinder terhadap lebih dari 12.000 wisatawan di 14 negara termasuk Indonesia menunjukkan bahwa lebih dari setengah responden (51,4%) pernah membatalkan pemesanan hotel secara online karena pengalaman yang buruk. Sebanyak 26,5% responden mengatakan keputusan tersebut dipengaruhi oleh ulasan, foto, atau informasi mengenai hotel yang dianggap tidak dapat dipercaya.
Salah satu pelanggan hotel, Kamilia Rudolf, membagikan pengalamannya saat mencari dan memesan hotel, “Ketika informasi di internet tidak lengkap atau foto yang ditampilkan tidak menggambarkan kondisi hotel yang sebenarnya, saya menghabiskan banyak waktu untuk mencari ulasan atau video tur kamar dari wisatawan lain sebelum memutuskan apakah akan memesan.”
Sankar Narayan, CEO dan Managing Director SiteMinder menyatakan, “Hotel ingin mengikuti perkembangan lanskap pariwisata yang terus berubah, namun mereka tidak selalu memiliki waktu atau sumber daya untuk melakukannya. Akibatnya, tetap tersedia secara online sering kali menjadi pilihan paling sederhana. Pilihan ini telah dilakukan oleh terlalu banyak hotel dalam waktu yang terlalu lama dan menciptakan kesenjangan antara niat dan tindakan, yaitu kesenjangan dalam pelaksanaan. Dynamic Commerce Engine dari SiteMinder menunjukkan bahwa AI tidak hanya dapat membantu hotel mengidentifikasi peluang, tetapi juga membantu menutup kesenjangan antara rekomendasi dan pelaksanaannya, dengan tetap memastikan pengelola hotel memegang kendali penuh.”
“Laporan dan asisten AI saja tidak lagi cukup. Hotel perlu mengetahui peluang mana yang benar-benar penting tanpa harus terus-menerus meminta sistem mereka untuk menemukannya, sekaligus memiliki kemampuan untuk mengubah peluang tersebut menjadi pendapatan. Inilah yang kami wujudkan. Penetapan harga tidak boleh menjadi satu-satunya fokus. Perhatian yang sama perlu diberikan pada fondasi distribusi di bawahnya karena hal tersebut berdampak langsung pada pengalaman tamu. Dengan distribusi yang dioptimalkan, tamu dapat mengetahui ketersediaan kamar dan menemukan harga yang sesuai dengan keinginan mereka,” tutup Sankar.
