2024年国庆VS暑假酒店对客服务大数据报告

蓝豆云LANDOW 2024年国庆vs.暑假 酒店对客服务大数据 2024年10月 扫猫免费中领 蓝豆云LANDOW酒店体验运 营大数据洞亲 蓝皮书2C24 国庆对比暑假酒店对客服务大数据一核心发现 服务人力分析 物品需求分析 1.服务人力缺口普遍存在2.人力缺口与客群类型相关 ：在多个城市的商务型和度·不同城市和酒店类型的服假型酒店中，尤其在凌晨务人力配置存在差异 时段（0点-6点），存在·商务型和度假型酒店在不 明显的服务人力缺口同时间段的服务人力缺口不同，需要针对性的人力 配置策略 国庆期间的需求率高于署假，表明长假期间服务需 求增加 ，国庆期间的服务并发率比否假更高，尤其是矿泉水 成人拖鞋、牙具等物品的 ·国庆期间的高耗时服务项及服务用时与否假基本一 致 ，开门服务是所有城市酒店中客人容忍度最低的服务 项 国庆期间商务型酒店儿童 并发需求增长 特殊布置、加床、拆床 类物品需求增加，表明亲子游客群比例可能有所提 婴儿床等服务需求耗时较 长 3.高频服务需求率增长4.服务需求并发率增长5.高耗时服务需求相对稳定6.对开门服务容忍最低 升 服务人力编制及客人需求的分析模型 01 Analysismodelforcustomerneedsandservicestaffing 目录 02服务人力编制分析 Analysisofservicestaffing 客人服务需求分析 03 Customerservicedemandanalysis 01服务人力编制及客人需求的分析模型BA6-M00 Analysismodelforcustomerneedsandservicestaffing 蓝豆云LANDOW酒店达给 普大数据洞亲 蓝皮书2C24 服务人力分析模型 酒店利用服务人力分析模型可以更好地分配人力资源，控制人力缺口或能减少潜在的住客投诉 工作日、周未、假期的开房数（新入住+续住） 服·工作日、周末、假期各时段服务工单数量&需求率 ·酒店服务标准耗时酒店平约服务耗时 各时段服务人力编制 ·工作日、周未、假期各时段服务人力需求·人力编制低 工作日、周未、假期时段实际服务人力统计服务标准过严高 ：工作日，周未，假期各的段服务人力需求缺口！·服务工单数量过多 ·并发服务单的平均耗时分布 务人力编制 高并发时服务人力编制·各时段服务需求井发率 各时段服务需求2单及3单的并发数量及占比 各时段服务人力缺口模型 各时段的服务人力缺口：统计各个时段服务工单耗时与客房人力资源之间的差值，帮助酒店发现服务盲点 。预测服务人力：综合计算酒店的服务单数、平均服务耗时和开房数，可以预测各个时段需要的服务人力 。实际服务人力：统计酒店各个时段的实际排班人数 各时段的服务人力缺口预测服务人力一实际服务人力 预测每百开房服务人力×开房数100 服务单数×平均服务耗时（分钟）+60+开房数×100 5 扫猫免费申锁 蓝豆云LANDOW酒店体验运 营大数据润察 蓝皮书2024 暑假期间各时段每百开房服务人力系数表 酒店可以利用系数表计算出适用于自已的预测服务人力，公式为：预测每百开房服务人力*开房数/100 示例：某商务型酒店位于广州，暑假期间平均每日开房数为300，则其21点的预测服务人力=0.36*300/100=1.08，即该时段预计需要 大约1个人力来提供服务 小时 0 一线城市商务型 0.10 一线城市度假型 0.19 新一线城市商务型 0.14 新一线城市度假型 0.16 二线城市商务型 0.15 二线城市度假型 0.19 三线城市商务型 0.06 三线城市度假型 0.12 1 0.05 0.06 0.06 0.06 0.08 0.06 0.03 0.05 3 0.01 0.01 0.01 0.02 0.02 0.01 0.01 0.01 4 0.01 0.01 0.01 0.01 0.01 0.01 0.01 0.01 0.01 0.00 0.01 0.01 0.01 0.01 0.01 0.00 56 0.02 0.02 0.02 0.04 0.03 0.04 0.01 0.02 7 0.08 0.16 0.10 0.20 0.14 0.20 0.08 0.15 0.17 0.46 0.22 0.56 0.23 0.46 0.15 0.35 9 0.19 0.64 0.25 0.62 0.24 0.50 0.19 0.45 10 0.18 0.70 0.25 0.63 0.23 0.52 0.17 0.48 11 0.17 0.68 0.22 0.57 0.20 0.50 0.16 0.47 12 0.18 0.66 0.22 0.73 0.22 0.53 0.14 0.51 13 0.19 0.77 0.26 0.73 0.22 0.62 0.14 0.58 14 0.21 0.97 0.26 0.91 0.23 0.82 0.16 0.65 15 0.20 1.12 0.26 1.01 0.23 1.01 0.17 0.73 16 0.19 1.03 0.26 0.87 0.23 0.92 0.17 0.69 17 0.18 0.86 0.23 0.78 0.23 0.82 0.16 29'0 18 0.18 0.71 0.20 0.68 0.23 0.70 0.14 0.60 19 0.20 0.86 0.21 0.77 0.26 0.74 0.16 0.64 20 0.26 1.16 0.32 0.98 0.38 1.16 0.23 0.85 21 0.36 1.47 0.49 1.29 0.53 1.39 0.32 1.13 22 0.38 1.35 0.48 1.01 0.53 1.12 0.31 0.99 23 0.25 0.67 0.29 0.51 0.27 0.56 0.14 0.41 注：数据统计时间： 6 20.030.020.030.030.030.020.020.02 2024/07/01-2024,08/31 蓝豆云LANDOW 国庆期间各时段每百开房服务人力系数表 酒店可以利用系数表计算出适用于自已的预测服务人力，公式为：预测每百开房服务人力*开房数/100 示例：某度假型酒店位于广州，国庆期间平均每日开房数为300，则其21点的预测服务人力=1.97★300/100=5.91，即该时段预计需要 大约6个人力来提供服务 扫满免费中锁 ✲店体验运营大数据润察 蓝皮书2024 小时 线城市商务型 一线城市度假型 新一线城市商务型 新一线城市度假型 二线城市商务型 二线城市度假型 三线城市商务型 三线城市度假型 0.14 0.22 0.20 0.16 0.14 0.18 0.09 0.14 1 0.06 0.05 0.07 0.05 0.06 0.04 0.05 0.05 2 0.04 0.03 0.03 0.010.030.020.02 3 0.01 0.01 0.02 0.02 0.01 0.01 0.01 0.01 4 0.02 0.01 0.01 0.01 0.01 0.00 0.01 0.00 0.01 0.01 0.01 0.01 0.01 0.01 0.01 0.01 6 0.03 0.03 0.03 0.04 0.03 0.03 0.02 0.02 7 0.10 0.18 0.11 0.18 0.19 0.20 0.12 0.22 8 0.27 0.63 0.34 0.52 0.35 0.49 0.28 0.50 9 0.31 0.87 0.43 0.60 0.3B 0.61 0.37 0.66 10 0.28 0.88 0.40 0.60 0.35 0.70 0.30 0.65 11 0.24 0.86 0.34 0.52 0.26 0.67 0.23 0.63 12 0.23 0.79 0.28 0.59 0.26 0.72 0.18 0.78 13 0.25 0.93 0.33 0.69 0.30 0.75 0.21 0.84 14 0.29 1.14 0.39 0.98 0.34 0.94 0.25 0.87 15 0.28 1.42 0.40 0.97 0.39 1.12 0.28 1.02 16 0.28 1.56 0.92 0.37 1.07 0.27 0.93 17 0.27 1.11 0.38 0.76 0.36 0.98 0.25 0.93 18 0.24 1.01 0.30 0.70 0.36 0.92 0.22 0.82 19 0.29 0.99 0.36 0.77 0.44 1.06 0.25 0.91 20 0.42 1.55 0.63 66'0 0.73 1.44 0.41 1.27 21 0.60 1.97 0.87 1.12 0.96 1.38 0.59 1.48 22 0.60 1.52 0.80 0.96 0.79 1.08 0.53 1.28 0.03 230.340.720.460.470.350.530.260.46 注：数据统计时间： 7 2024/10/012024/10/07 扫猫免费申领 蓝豆云LANDOW《酒店体验运 大数据洞察 蓝皮书2024 【应用案例】某酒店通过填补服务人力缺口减少潜在的客户不满 某商务型酒店位于新一线城市，每日平均开房数为383间 根据服务人力模型测算，酒店在0-6点、17点和20-22点均存在服务人力缺口（见下表红色字体和下图蓝色方框区域），其中晚上20-21点缺口约为2-3个人力 为了更好地服务客人，该酒店管理层决定采取新措施：①晚间启用送物机器人；②调整工程部值班人员的工作职能，在高峰时段配合送物 小时 服务单数 预测服务人力 实际服务人力 服务人力缺口 小时 服务单数 预测服务人力 实际服务人力 服务人力缺口 0 236 0.9 0.0 0.9 12 403 1.5 26.5 25.0 1 81 0.3 0.0 0.3 13 489 1.8 26.5 24.6 2 39 0.1 0.0 0.1 14 665 2.5 26.5 24.0 3 17 0.1 0.0 0.1 15 870 3.2 28.0 -24.8 11 0.0 0.0 0.04 16 822 3.1 4.2 -1.1 19 0.1 0.0 0.1 17 612 2.3 1.8 0.5 55 0.2 1.1 0.2 18 463 1.7 1.8 -0.1 224 0.8 26.5 0.2 19 487 1.8 1.8 0.01 375 1.4 26.5 -25.1 20 914 3.4 1.8 1.6 4 5 6 7 8 93831.426.5-25.02112644.71.82.9 10 426 1.6 26.5 24.9 22 1287 4.8 1.8 3.0 11 368 1.4 26.5 -25.1 23 606 2.3 2.3 -0.1 30实际服务人力4 实服务人力缺口3 20 2 0910111213141516 时段 0 17:181920212223 8 蓝豆云LANDOW 客人需求分析模型 营大数据洞亲 蓝皮书2C24 酒店利用客人需求分析模型可以进一步获悉细节，合理配置房间物品、库存数量，以及评估酒店的物品服务标准是否符合客人期望 诊断维度OMS数据指标常见原因 高频服务需求·高频服务项的工单数量·香群的特殊性 ·高频服务项X房型分布·房配套客用品或设施设备等产品配置标准不合适 ·高频/高井发服务项X时段分布·未能质估到某些物品的客人需求 客高并发服务需求·高频/高并发服务项的平均服务耗时&日均总耗时·对于客人需求的数量及提供方式准备不充分 ·高耗时服务项X时段分布?库存物品配置数量不能及时满足需求 求 人需高耗时服务需求·高耗时服务项的工单数·存故位置不方便获版 ·高托时服务项的平均服务耗时&日均总耗时·现场服务的难度大，耗时长 低容忍度服务需求·催服务内容恩耐平均耗时