A Two-Stage Optimization Algorithm for Booking Allocation in Short-Term Group Apartment Rentals: A Case Study

في عالم الأعمال، غالبًا ما تبدو إدارة فندق أو عقار للإيجار وكأنها لعبة من ألعاب التوازن عالية المخاطر. يتعين على الملاك اتخاذ قرارات بشأن من سيقيم، ومتى يصلون، وكم يتقاضون، كل ذلك مع محاولة ملء كل سرير متاح دون ترك مساحات فارغة تهدر الأموال. لعقود من الزمن، ركز الخبراء بشدة على السعر، مستخدمين رياضيات معقدة لتحديد السعر المثالي لغرفة في ليلة معينة. ومع ذلك، هناك جانب آخر لهذا اللغز لا يقل أهمية ولكنه غالبًا ما يتم تجاهله، وهو الفعل المادي المتمثل في إدخال الأشخاص في الغرف. تخيل مبنى سكنيًا كبيرًا يضم عشرات الأسرّة الموزعة عبر العديد من الوحدات. عندما تصل مجموعة من المسافرين، قد يحتاجون إلى عشرة أسرة، ولكن هذه الأسرة قد تكون مبعثرة عبر ثلاث شقق مختلفة. التحدي لا يقتصر فقط على تحديد السعر، بل في معرفة أي الشقق يجب استخدامها، وضمان بقاء المجموعة معًا في مبنى واحد، والتأكد من عدم تخصيص نفس المساحة لمجموعتين في وقت واحد. هذه مشكلة تخصيص، وهي لغز توافقي يهدف إلى حشر الأشخاص في المساحة المتاحة بأكبر قدر ممكن من الكثافة والكفاءة. وبينما تمتلك الشركات الكبيرة برمجيات باهظة الثمن لحل هذه الألغاز، تعاني الشركات الأصغر غالبًا باستخدام الجداول الحسابية والتخمين اليدوي، مما يترك أموالاً ضائعة ويستهلك وقتًا ثمينًا.

هذه هي قصة شركة تأجير صغيرة في تل أبيب تدعى "Our Place" والباحثين الذين ساعدوها في حل هذا اللغز المحدد. تدير الشركة عادةً بضعة مبانٍ على مدار العام، ولكن خلال الصيف، تتوسع لتشمل حوالي عشرة مبانٍ لاستضافة مجموعات منظمة من المسافرين الشباب. على عكس حجوزات الفنادق القياسية، لا تملك هذه المجموعات قائمة أسعار ثابتة؛ بدلاً من ذلك، تقترح كل مجموعة سعرها الخاص لكل سرير لإقامتها، إلى جانب تواريخها المحددة وعدد الأشخاص في مجموعتها. لسنوات، قضى المدير العملياتي للشركة أسابيع في كل موسم وهو يفرز يدويًا هذه المقترحات المتداخلة، ويقرر أي المجموعات يقبل وأي الشقق يخصصها لها. كانت عملية بطيئة ومرهقة، وغالبًا ما تؤدي إلى تأخير الرد على العملاء وتعتمد كليًا على التقدير البشري تحت الضغط. ولتحسين ذلك، عملت باحثة تدعى هانا تزور مباشرة مع الشركة لبناء نظام جديد. وبدلاً من محاولة تغيير الأسعار، ركز النظام بالكامل على مشكلة التخصيص: اختيار أفضل مزيج من المقترحات وتسكينهم في الشقق المتاحة لتحقيق أقصى قدر من إجمالي الدخل.

الحل الذي بنوه هو عملية مكونة من خطوتين تحاكي طريقة تفكير البشر، ولكن بسرعة ودقة الكمبيوتر. الخطوة الأولى هي المحرك الرئيسي؛ فهي تنظر في جميع الطلبات الواردة والقواعد الصارمة للعمل - مثل إجمالي عدد الأسرّة المتاحة في كل شقة وقاعدة عدم جواز تقسيم المجموعة الواحدة عبر مبانٍ مختلفة. تستخدم هذه الخطوة طريقة رياضية تسمى "البرمجة الصحيحة" (integer programming)، وهي في الأساس وسيلة لاختبار ملايين التبديلات الممكنة لإيجاد الترتيب الأفضل الوحيد الذي يستوفي جميع القواعد. تحدد هذه الخطوة أي المجموعات يتم قبولها وأيها يتم رفضها لضمان تحقيق الشركة لأكبر قدر ممكن من المال. بمجرد اختيار المجموعات الأفضل، تتولى الخطوة الثانية المهمة؛ حيث لا تغير هذه المرحلة هوية المقيمين، بل تعمل على ضبط مكان نومهم بدقة. تبحث هذه المرحلة عن تحسينات صغيرة، مثل وضع مجموعة في شقق متجاورة أو ضمان وجود أقل وقت ممكن من الفراغ بين مغادرة مجموعة وصول المجموعة التالية. تم تصميم هذه الخطوة الثانية لجعل العملية تسير بسلاسة أكبر وتقليل الفجوات المحرجة في التقويم.

اختبر الباحثون هذا النظام الجديد باستخدام بيانات الحجز الفعلية للشركة من عام 2023. قاموا بتشغيل الخوارزمية على نفس مجموعة الطلبات التي تعامل معها المدير البشري في العام السابق وقارنوا النتائج. أنتج مخطط الكمبيوتر دخلًا أكبر بنسبة 3.5% تقريبًا من القرارات اليدوية. وبالمال الحقيقي، كان هذا يعني 139,000 شيكل إسرائيلي إضافي لذلك الموسم الواحد. وبعيدًا عن المال، غير النظام سير العمل بالكامل. فما كان يستغرق من المدير أسابيع من العمل المكثف، تقلص إلى عملية تستغرق جزءًا بسيطًا من الوقت، مما قلل وقت التخصيص بنحو 90%. سمح ذلك للشركة بالاستجابة للعملاء بشكل أسرع وتفريغ وقت المدير لمهام أخرى. بُني النظام باستخدام منصة "low-code"، وهي نوع من البرمجيات يسمح للأشخاص ببناء تطبيقات دون كتابة أكواد معقدة من الصفر، وكان يعمل على خادم سحابي يعمل فقط عند الحاجة، مما أبقى التكلفة منخفضة للغاية، بنحو 200 شيكل شهريًا، مما جعل التحسين المتقدم متاحًا لشركة صغيرة لا يمكنها أبدًا تحمل تكلفة البرمجيات التجارية الباهظة.

ومع ذلك، كان الباحثون حذرين في الإشارة إلى أن هذا النجاح جاء مع مقايضات وقيود محددة. لم يكن النظام مثاليًا، وفي إحدى الحالات، أدى خطأ صغير في كيفية كتابة البرنامج إلى أن جزءًا من خطوة الضبط الدقيق لم يعمل كما هو مخطط له. ولحسن الحظ، نظرًا لأن الهدف الرئيسي كان تعظيم الإيرادات وكان الخطأ يؤثر فقط على تفضيل ثانوي يتعلق بتقارب الشقق من بعضها البعض، فإن النتيجة الإجمالية ظلت قوية. كما أجرى الباحثون عمليات محاكاة باستخدام بيانات وهمية لمعرفة كيفية أداء النظام تحت ظروف مختلفة. ووجدوا أنه كلما زاد الطلب على الغرف وأصبحت المنافسة على المساحة أكثر حدة، نمت ميزة استخدام الكمبيوتر على الإنسان بشكل كبير. في السيناريوهات الأكثر ازدحامًا، أدت قدرة الكمبيوتر على حشر المجموعات بكفاءة إلى تحسينات في الإيرادات تجاوزت 65% مقارنة بالطريقة البسيطة غير المحسنة. وهذا يشير إلى أنه كلما ازداد السوق ازدحامًا، زادت قيمة هذا النوع من التخصيص الذكي.

كما سلطت الدراسة الضوء على درس أوسع للشركات الصغيرة؛ فقد أثبتت أنك لست بحاجة إلى فريق من علماء البيانات أو ميزانية ضخمة لحل المشكلات اللوجستية المعقدة. فمن خلال استخدام الأدوات مفتوحة المصدر والحوسبة السحابية البسيطة، يمكن لمشغل صغير تحقيق نتائج كانت متاحة سابقًا للشركات الكبيرة فقط. وثق الباحثون العملية بأكملها، بما في ذلك الأخطاء والحلول البديلة، لإظهار أن هذا النهج قابل للتطبيق للآخرين. ووجدوا أن الجزء الأهم من النظام كان ببساً حشر المجموعات في الأسرّة المتاحة بأكبر قدر ممكن من الكثافة. أما الميزات الأخرى الرائعة، مثل التأكد من وجود المجموعات في غرف متجاورة، فكانت جيدة ولكنها لم تكن ضرورية تمامًا لتحقيق الربح المالي الرئيسي. وهذا يعني أن نسخة بسيطة جدًا من النظام يمكن أن توفر معظم الفوائد.

في النهاية، تعيد هذه الورقة صياغة طريقة تفكيرنا في إدارة الإيجارات قصيرة الأجل. فهي تظهر أن الشركات التي تتعامل مع حجوزات المجموعات، غالبًا ما تكمن أكبر فرصة للنمو ليس في تغيير الأسعار، بل في تحسين عملية التخصيص المادي للمساحة. كان المدير البشري في "Our Place" ماهراً وذا خبرة، لكن العدد الهائل من المتغيرات المتعلقة بالتواريخ المتداخلة وأحجام المجموعات المتفاوتة جعل من المستحيل على البشر رؤية كل التبديلات الممكنة. لم يحل الكمبيوتر محل حكم المدير، بل أعطاه ببساطة أداة لرؤية الصورة الكاملة. وكانت النتيجة شركة تحقق مالاً أكثر، وتستجيب للعملاء بشكل أسرع، وتعمل بضغط أقل. وللمشغلين الصغار الآخرين الذين يواجهون تحديات مماثلة، تقدم هذه الحالة الدراسية مسارًا واضحًا للمضي قدمًا: ابدأ بالقيود الصعبة، واستخدم أدوات بسيطة لإيجاد أفضل ملاءمة، واترك البيانات تتعامل مع التعقيد الذي لا يمكن للعقل البشري استيعابه بسهما.