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

In der Welt der Wirtschaft fühlt sich das Management eines Hotels oder einer Mietimmobilie oft wie ein Spiel mit hohem Einsatz beim Jonglieren an. Eigentümer müssen entscheiden, wer übernachtet, wann die Ankunft erfolgt und wie viel sie berechnen, während sie gleichzeitig versuchen, jedes verfügbare Bett zu füllen, ohne leere Plätze zu lassen, die Geld kosten. Jahrzehntelang haben sich Experten stark auf den Preis konzentriert und komplexe Mathematik verwendet, um den perfekten Preis für ein Zimmer an einem bestimmten Abend zu ermitteln. Es gibt jedoch eine andere Seite dieses Puzzles, die ebenso kritisch, aber oft übersehen wird: der physische Akt, Menschen in Räume einzupassen. Stellen Sie sich ein großes Apartmentgebäude mit Dutzenden von Betten, die über viele Einheiten verteilt sind vor. Wenn eine Reisegruppe ankommt, benötigt sie vielleicht zehn Betten, aber diese Betten könnten über drei verschiedene Apartments verstreut sein. Die Herausforderung besteht nicht nur darin, einen Preis festzulegen, sondern herauszufinden, welche spezifischen Apartments zu verwenden sind, sicherzustellen, dass die Gruppe in einem Gebäude bleibt, und sicherzustellen, dass nicht zwei Gruppen gleichzeitig denselben Raum beanspruchen. Dies ist ein Problem der Allokation, ein kombinatorisches Puzzle, bei dem das Ziel darin besteht, Menschen so dicht und effizient wie möglich in den verfügbaren Raum zu packen. Während große Konzerne teure Software besitzen, um diese Rätsel zu lösen, kämpfen kleinere Unternehmen oft mit Tabellenkalkulationen und manuellem Raten, wodurch sie Geld liegen lassen und wertvolle Zeit verschwenden.

Dies ist die Geschichte eines kleinen Vermietungsunternehmens in Tel Aviv namens „Our Place“ und der Forscher, die ihnen halfen, genau dieses spezielle Puzzle zu lösen. Das Unternehmen verwaltet normalerweise das ganze Jahr über einige Gebäude, aber im Sommer erweitert es seinen Bestand auf etwa zehn Gebäude, um organisierte Gruppen junger Reisender unterzubrauchen. Im Gegensatz zu Standard-Hotelbuchungen haben diese Gruppen keine feste Preisliste. Stattdessen schlägt jede Gruppe ihren eigenen Preis pro Bett für ihren Aufenthalt vor, zusammen mit ihren spezifischen Daten und der Anzahl der Personen in ihrer Gruppe. Jahrelang verbrachte der operative Leiter des Unternehmens jede Saison Wochen damit, manuell durch diese sich überschneidenden Vorschläge zu sortieren, zu entscheiden, welche Gruppen angenommen werden und welche Apartments ihnen zugewiesen werden. Es war ein langsamer, erschöpfender Prozess, der oft die Antworten an Kunden verzögerte und vollständig auf menschlichem Urteilsvermögen unter Druck basierte. Um dies zu verbessern, arbeitete eine Forscherin namens Hana Tzur direkt mit dem Unternehmen zusammen, um ein neues System aufzubauen. Anstatt zu versuchen, die Preise zu ändern, konzentrierte sich das System ausschließlich auf das Allokationsproblem: die Auswahl der besten Mischung aus Vorschlägen und das Einpassen dieser in die verfügbaren Apartments, um den Gesamtumsatz zu maximieren.

Die Lösung, die sie entwickelten, ist ein zweistufiger Prozess, der die Art und Weise nachahmt, wie ein Mensch denken könnte, aber mit der Geschwindigkeit und Präzision eines Computers. Der erste Schritt ist der Hauptakteur. Er betrachtet alle eingehenden Anfragen und die harten Regeln des Geschäfts – wie etwa die Gesamtzahl der verfügbaren Betten in jedem Apartment und die Regel, dass eine Gruppe nicht auf verschiedene Gebäude aufgeteilt werden darf. Er nutzt eine mathematische Methode namens ganzzahlige Programmierung (Integer Programming), was im Wesentlichen eine Art ist, Millionen möglicher Kombinationen zu testen, um die eine beste Anordnung zu finden, die alle Regeln erfüllt. Dieser Schritt entscheidet, welche Gruppen angenommen und welche abgelehnt werden, um sicherzustellen, dass das Unternehmen den meisten Umsatz erzielt. Sobald die besten Gruppen ausgewählt sind, übernimmt der zweite Schritt. Diese Phase ändert nicht, wer bleibt; stattdin verfeinert sie, wo sie schlafen. Sie sucht nach kleinen Verbesserungen, wie zum Beispiel die Platzierung einer Gruppe in Apartments, die direkt nebeneinander liegen, oder stellt sicher, dass es sehr wenig Leerlaufzeit zwischen der Abreise einer Gruppe und der Ankunft der nächsten Gruppe gibt. Dieser zweite Schritt ist darauf ausgelegt, den Betrieb reibungsloser zu gestalten und weniger ungeschickte Lücken im Kalender zu hinterlassen.

Die Forscher testeten dieses neue System unter Verwendung der tatsächlichen Buchungsdaten des Unternehmens aus dem Jahr 2023. Sie ließen den Algorithmus über denselben Satz von Anfragen laufen, den der menschliche Manager im Vorjahr bearbeitet hatte, und verglichen die Ergebnisse. Der Plan des Computers generierte etwa 3,5 % mehr Umsatz als die manuellen Entscheidungen. In echtem Geld ausgedrückt bedeutete dies einen zusätzlichen Gewinn von 139.000 israelischen Schekel für diese einzige Saison. Über das Geld hinaus veränderte das System den Arbeitsablauf komplett. Was früher Wochen intensiver Arbeit des Managers beanspruchte, wurde auf einen Prozess reduziert, der nur einen Bruchteil der Zeit dauerte, was die Allokationszeit um etwa 90 % verkürzte. Dies ermöglichte es dem Unternehmen, viel schneller auf Kunden zu reagieren, und gab die Zeit des Managers für andere Aufgaben frei. Das System wurde mit einer Low-Code-Plattform gebaut, einer Art von Software, die es ermöglicht, Anwendungen zu erstellen, ohne komplexe Codes von Grund auf neu schreiben zu müssen, und es lief auf einem Cloud-Server, der nur bei Bedarf aktiviert wurde. Dies hielt die Kosten unglaublich niedrig, bei etwa 200 Schekel pro Monat, wodurch fortschrittliche Optimierung für ein kleines Unternehmen zugänglich wurde, das sich teure kommerzielle Software niemals hätte leisten können.

Die Forscher stellten jedoch vorsichtig fest, dass dieser Erfolg mit spezifischen Kompromissen und Einschränkungen einherging. Das System war nicht perfekt, und in einem Fall führte ein kleiner Fehler in der Art und Weise, wie die Software geschrieben wurde, dazu, dass ein Teil des Verfeinerungsschritts tatsächlich nicht wie beabsichtigt funktionierte. Glücklicherweise war das Hauptziel die Maximierung des Umsatzes, und der Fehler betraf nur eine untergeordnete Präferenz bezüglich der Nähe der Apartments zueinander, sodass das Gesamtergebnis dennoch stark blieb. Die Forscher führten auch Simulationen mit fiktiven Daten durch, um zu sehen, wie das System unter verschiedenen Bedingungen abschneiden würde. Sie fanden heraus, dass mit steigender Nachfrage nach Zimmern und intensiverem Wettbewerb um den Platz der Vorteil der Nutzung des Computers gegenüber einem Menschen signifikant wuchs. In den am stärksten ausgelasteten Szenarien führte die Fähigkeit des Computers, Gruppen effizient zu packen, zu Umsatzverbesserungen von über 65 % im Vergleich zu einer einfachen, nicht optimierten Methode. Dies deutet darauf hin, dass in einem stärker belebten Markt die Art dieser intelligenten Allokation umso wertvoller wird.

Die Studie hob auch eine breitere Lektion für kleine Unternehmen hervor. Sie bewies, dass man kein Team von Datenwissenschaftlern oder ein riesiges Budget benötigt, um komplexe logistische Probleme zu lösen. Durch die Verwendung von Open-Source-Tools und einfachem Cloud-Computing kann ein kleiner Betreiber Ergebnisse erzielen, die zuvor nur großen Konzernen vorbehalten waren. Die Forscher dokumentierten den gesamten Prozess, einschließlich der Fehler und der Workarounds, um zu zeigen, dass dieser Ansatz für andere praktikabel ist. Sie fanden heraus, dass der wichtigste Teil des Systems einfach darin bestand, die Gruppen so dicht wie möglich in die verfügbaren Betten zu packen. Die anderen schicken Funktionen, wie etwa sicherzustellen, dass Gruppen in benachbarten Zimmern sind, waren zwar nett zu haben, aber für den eigentlichen finanziellen Gewinn nicht zwingend erforderlich. Dies bedeutet, dass selbst eine sehr einfache Version des Systems den Großteil der Vorteile bieten könnte.

Letztendlich definiert dieses Paper die Art und Weise, wie wir das Management von Kurzzeitmieten betrachten, neu. Es zeigt, dass bei Geschäften, die mit Gruppenbuchungen zu tun haben, die größte Wachstumschance oft nicht in der Preisänderung liegt, sondern darin, besser bei der physischen Zuweisung von Raum zu werden. Der menschliche Manager bei „Our Place“ war geschickt und erfahren, aber die schiere Anzahl der Variablen, die mit sich überschneidenden Daten und variierenden Gruppengrößen einhergehen, machte es einem Menschen unmöglich, jede mögliche Kombination zu erfassen. Der Computer ersetzte nicht das Urteilsvermögen des Managers; er gab ihm lediglich ein Werkzeug an die Hand, um das gesamte Bild zu sehen. Das Ergebnis war ein Unternehmen, das mehr Geld verdiente, schneller auf Kunden reagierte und mit weniger Stress arbeitete. Für andere kleine Betreiber, die vor ähnlichen Herausforderungen stehen, bietet diese Fallstudie einen klaren Weg nach vorn: Beginnen Sie mit den harten Randbedingungen, nutzen Sie einfache Werkzeuge, um die beste Passform zu finden, und überlassen Sie die Komplexität, die der menschliche Geist nicht leicht halten kann, den Daten.