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

Nel mondo del business, gestire un hotel o una proprietà in affitto spesso sembra un gioco di equilibrismo ad alto rischio. I proprietari devono decidere chi può soggiornare, quando arrivare e quanto far pagare, il tutto cercando di riempire ogni letto disponibile senza lasciare spazi vuoti che fanno perdere denaro. Per decenni, gli esperti si sono concentrati pesantemente sul prezzo, usando una matematica complessa per calcolare la tariffa perfetta da applicare a una camera in una specifica notte. Tuttavia, c'è un altro lato di questo puzzle che è altrettanto critico ma spesso trascurato: l'atto fisico di inserire le persone nelle stanze. Immaginate un grande edificio residenziale con decine di letti distribuiti in molte unità. Quando arriva un gruppo di viaggiatori, potrebbero aver bisogno di dieci letti, ma questi letti potrebbero essere sparsi in tre appartamenti diversi. La sfida non è solo stabilire un prezzo, ma capire quali appartamenti specifici utilizzare, garantire che il gruppo rimanga insieme in un unico edificio e assicurarsi che non due gruppi siano assegnati allo stesso spazio contemporaneamente. Questo è un problema di allocazione, un puzzle combinatorio dove l'obiettivo è incastrare le persone nello spazio disponibile nel modo più stretto ed efficiente possibile. Mentre le grandi corporazioni hanno software costosi per risolvere questi enigmi, le piccole imprese spesso lottano con fogli di calcolo e tentativi manuali, lasciando soldi sul tavolo e sprecando tempo prezioso.

Questa è la storia di una piccola società di affitti a Tel Aviv chiamata "Our Place" e dei ricercatori che li hanno aiutati a risolvere questo specifico enigma. L'azienda gestisce solitamente alcuni edifici tutto l'anno, ma durante l'estate si espande a circa dieci edifici per ospitare gruppi organizzati di giovani viaggiatori. A differenza delle prenotazioni alberghiere standard, questi gruppi non hanno un listino prezzi fisso. Invece, ogni gruppo propone il proprio prezzo per letto per il proprio soggiorno, insieme alle date specifiche e al numero di persone nel gruppo. Per anni, il direttore operativo dell'azienda ha trascorso settimane ogni stagione a smistare manualmente queste proposte sovrapposte, decidendo quali gruppi accettare e quali appartamenti assegnare loro. È stato un processo lento ed estenuante che spesso ritardava le risposte ai clienti e si affidava interamente al giudizio umano sotto pressione. Per migliorare questo aspetto, una ricercatrice di nome Hana Tzur ha lavorato direttamente con l'azienda per costruire un nuovo sistema. Inveve di cercare di cambiare i prezzi, il sistema si è concentrato interamente sul problema dell'allocazione: selezionare il miglior mix di proposte e incastrarle negli appartamenti disponibili per massimizzare il guadagno totale.

La soluzione che hanno costruito è un processo in due fasi che imita il modo in cui un essere umano potrebbe pensare, ma con la velocità e la precisione di un computer. Il primo passaggio è il lavoro pesante. Esamina tutte le richieste in arrivo e le regole rigide dell'attività — come il numero totale di letti disponibili in ogni appartamento e la regola per cui un gruppo non può essere diviso tra diversi edifici. Utilizza un metodo matematico chiamato programmazione intera, che è essenzialmente un modo per testare milioni di possibili combinazioni per trovare l'unica disposizione migliore che rispetti tutte le regole. Questo passaggio decide quali gruppi accettare e quali rifiutare per garantire che l'azienda incassi il massimo denaro possibile. Una volta selezionati i migliori gruppi, subentra la seconda fase. Questa fase non cambia chi soggiorna; invece, perfeziona dove dormono. Cerca piccoli miglioramenti, come collocare un gruppo in appartamenti che siano vicini tra loro o garantire che ci sia pochissimo tempo vuoto tra la partenza di un gruppo e l'arrivo del gruppo successivo. Questo secondo passaggio è progettato per far funzionare l'operazione in modo più fluido e lasciare meno vuoti imbarazzanti nel calendario.

I ricercatori hanno testato questo nuovo sistema utilizzando i dati di prenotazione reali dell'azienda del 2023. Hanno eseguito l'algoritmo sullo stesso set di richieste che il manager umano aveva gestito l'anno precedente e hanno confrontato i risultati. Il piano del computer ha generato circa il 3,5% di entrate in più rispetto alle decisioni manuali. In termini di denaro reale, ciò ha significato 139.000 shekel israeliani extra per quella singola stagione. Oltre al denaro, il sistema ha cambiato completamente il flusso di lavoro. Quello che prima richiedeva al manager settimane di lavoro intenso è stato ridotto a un processo che ha richiesto solo una frazione del tempo, tagliando il tempo di allocazione di circa il 90%. Ciò ha permesso all'azienda di rispondere ai clienti molto più velocemente e ha liberato il tempo del manager per altre attività. Il sistema è stato costruito utilizzando una piattaforma low-code, ovvero un tipo di software che consente alle persone di costruire applicazioni senza scrivere codice complesso da zero, ed è stato eseguito su un server cloud che si attiva solo quando necessario. Questo ha mantenuto i costi incredibilmente bassi, circa 200 shekel al mese, rendendo l'ottimizzazione avanzata accessibile a una piccola impresa che non avrebbe mai potuto permettersi costosi software commerciali.

Tuttavia, i ricercatori sono stati attenti a sottolineare che questo successo è arrivato con specifici compromessi e limitazioni. Il sistema non era perfetto e, in un caso, un piccolo errore nella scrittura del software ha fatto sì che una parte della fase di perfezionamento non funzionasse effettivamente come previsto. Fortunatamente, poiché l'obiettivo principale era massimizzare le entrate e l'errore riguardava solo una preferenza minore su quanto gli appartamenti fossero vicini tra loro, il risultato complessivo è rimasto solido. I ricercatori hanno anche eseguito simulazioni con dati fittizi per vedere come il sistema si sarebbe comportato in diverse condizioni. Hanno scoperto che man mano che la domanda di stanze aumentava e la competizione per lo spazio diventava più intensa, il vantaggio dell'uso del computer rispetto a un essere umano cresceva significativamente. Negli scenari più affollati, la capacità del computer di incastrare i gruppi in modo efficiente ha portato a miglioramenti delle entrate superiori al 65% rispetto a un metodo semplice e non ottimizzato. Ciò suggerisce che più il mercato è affollato, più prezioso diventa questo tipo di allocazione intelligente.

Lo studio ha inoltre evidenziato una lezione più ampia per le piccole imprese. Ha dimostrato che non è necessario un team di scienziati dei dati o un budget massiccio per risolvere problemi logistici complessi. Utilizzando strumenti open-source e un semplice cloud computing, un piccolo operatore può ottenere risultati che prima erano disponibili solo per le grandi corporazioni. I ricercatori hanno documentato l'intero processo, inclusi gli errori e le soluzioni temporanee, per mostrare che questo approccio è praticabile per altri. Hanno scoperto che la parte più importante del sistema era semplicemente incastrare i gruppi nei letti disponibili nel modo più stretto possibile. Le altre funzioni sofisticate, come assicurarsi che i gruppi siano in stanze adiacenti, erano piacevoli da avere ma non strettamente necessarie per il principale guadagno finanziario. Ciò significa che anche una versione molto semplice del sistema poteva fornire la maggior parte dei benefici.

In definitiva, questo studio ridefinisce il modo in cui pensiamo alla gestione degli affitti a breve termine. Dimostra che per le aziende che si occupano di prenotazioni di gruppo, la maggiore opportunità di crescita risiede spesso non nel cambiare i prezzi, ma nel migliorare l'assegnazione fisica dello spazio. Il manager umano di "Our Place" era esperto e competente, ma l'enorme numero di variabili coinvolte in date sovrapposte e dimensioni variabili dei gruppi rendeva impossibile per un essere umano vedere ogni possibile combinazione. Il computer non ha sostituito il giudizio del manager; gli ha semplicemente fornito uno strumento per vedere il quadro completo. Il risultato è stato un'azienda che ha guadagnato di più, ha risposto più velocemente ai clienti e ha operato con meno stress. Per altri piccoli operatori che affrontano sfide simili, questo caso studio offre una via chiara da seguire: iniziare dai vincoli rigidi, utilizzare strumenti semplici per trovare la migliore combinazione e lasciare che i dati gestiscano la complessità che la mente umana non può facilmente contenere.