Jak by hotel u Lipna mohl s pomocí predikčního trhu cenit deštivý víkend

Když o víkendových tržbách rozhoduje počasí

Menší hotely a penziony u vody – u Lipna, na Máchově jezeře, kdekoliv, kde je návštěvnost silně závislá na počasí – řeší specifickou nejistotu. Dva týdny dopředu nikdo neví, jestli bude víkend slunečný, nebo deštivý, a recepce nebo revenue manager přesto musí dnes rozhodnout: pustit pokoje do OTA za nižší cenu, objednat víc personálu na snídaně, nebo držet cenu. Špatný odhad stojí peníze oběma směry – buď prázdné pokoje za plnou cenu, nebo sleva na víkend, který by se stejně vyprodal.

Přesně na tenhle typ rozhodnutí je predikční trh jako stvořený. Nenahrazuje předpověď počasí – bere předpověď, informace a názory ostatních a spojuje je do jednoho čísla, implikované pravděpodobnosti, které se dá rovnou dosadit do rozhodnutí o tržbách.

Dvě čísla, která hotel skutečně potřebuje

Rozhodnutí „slevnit, nebo držet cenu" se dá zredukovat na dvě čísla: očekávanou tržbu při slevě a očekávanou tržbu bez slevy, obě vážené pravděpodobností špatného počasí. Vyhrává ta možnost s vyšší očekávanou hodnotou (EV) – ne ta, která „působí bezpečněji".

Chybějícím vstupem bývá právě ta pravděpodobnost. Počasí v mobilu dá procento, ale je to jeden zdroj, aktualizovaný podle vlastního harmonogramu, bez jakékoliv ceny za to, že se spletl. Likvidní predikční trh na stejnou otázku naproti tomu agreguje víc předpovědí i lokální znalosti průběžně a cena se hýbe jen tehdy, když je někdo ochotný za svůj názor postavit reálnou pozici.

Modelový příklad: 40pokojový hotel u vody

Modelový 40pokojový hotel u Lipna, jeden zářijový víkend, cena pokoje 3 200 Kč/noc.

Pokud je víkend slunečný, obsazenost podle historie stejně vyšplhá na 90 % (36 pokojů), tedy 115 200 Kč. Slevnit na 2 700 Kč v tomhle scénáři jen doplní posledních pár pokojů, které by se prodaly beztak – obsazenost stoupne na 100 % (40 pokojů), ale tržba klesne na 108 000 Kč. Slevnit do silné poptávky je čistá ztráta.

Pokud prší, obsazenost bez slevy padá na 55 % (22 pokojů), tedy 70 400 Kč, protože mizí poptávka na poslední chvíli. Sleva na 2 700 Kč v dešti zvedne obsazenost na 80 % (32 pokojů), tedy 86 400 Kč – citelně lepší než nedělat nic.

Očekávané hodnoty jako funkce p, pravděpodobnosti deště:

• EV(držet cenu) = p × 70 400 Kč + (1 − p) × 115 200 Kč
• EV(sleva) = p × 86 400 Kč + (1 − p) × 108 000 Kč

Průsečík obou přímek vychází na p ≈ 0,31. Pod zhruba 31% pravděpodobností deště vyhrává držet cenu, nad ní vyhrává sleva. Recepční nebo revenue manager už nepotřebuje odhad „jak to vypadá venku" – potřebuje jedno číslo a pravidlo, co s ním udělat.

Odkud se pravděpodobnost bere

Princip není nový. Komoditní burzy obchodují nástroje na počasí už od roku 1999, kdy CME Group spustila futures na tzv. degree days, aby si energetické firmy, řetězce a další byznysy citlivé na počasí mohly zajistit výkyvy tržeb spojené s teplotou. Tenhle trh dál roste – CME v roce 2023 zaznamenala nárůst objemu obchodů s futures a opcemi na počasí o víc než 260 % v jediném roce, protože si víc firem chtělo zajistit expozici vůči počasí. Kontrakty tam ale stojí na teplotních indexech pro pár desítek měst, ne na konkrétním víkendu konkrétního hotelu, takže přesně tenhle kontrakt na burze nenajdete.

Retailový predikční trh tuhle mezeru vyplňuje v menším měřítku: jednoduchá, jasně vyhodnotitelná otázka typu „Naprší v [město] o tomto víkendu víc než X mm?" s živou, obchodovatelnou pravděpodobností – podobně jako otázky, které jsme popsali u zajištění rizika počasí pro venkovní akce. Stejná logika, kterou používají horská střediska při plánování podle sněhu (viz naše studie o zajištění lyžařského střediska proti nedostatku sněhu), platí pro jakýkoliv podnik závislý na počasí.

Nastavení prahu a jeho použití v praxi

Postup je jednoduchý: tabulku EV spočítáte jednou (pro daný hotel se sezónu od sezóny mění málo), najdete prahovou pravděpodobnost a při každém rozhodování porovnáte cenu na trhu s tímhle prahem. Pokud implikovaná pravděpodobnost leží citelně nad prahem, slevníte a posílíte personál na nižší marže z last-minute hostů; pokud je pod prahem, držíte cenu. Protože práh i tržní cena jsou obyčejná čísla, může tohle pravidlo konzistentně používat kdokoliv na směně – nezávisí to na tom, kdo zrovna dělá recepčního.

Kde jsou hranice tohoto přístupu

Nic z tohoto nejistotu neodstraňuje – jen ji oceňuje. Trh se může mýlit, likvidita u úzce zaměřené otázky na lokální počasí může být nízká a samotná tabulka EV stojí na historických datech o obsazenosti, která se můžou změnit. Je to rámec, jak dělat rozhodnutí o slevě za nejistoty konzistentněji, ne záruka výsledku.

Pokud chcete vidět, jak se podobné implikované pravděpodobnosti mění v reálném čase, než logiku aplikujete na vlastní čísla, na Outcomeru si trhy na počasí a události můžete sledovat a obchodovat s virtuálními penězi – bezrizikový způsob, jak si osahat chování tržní ceny dřív, než na ní postavíte skutečné rozhodnutí.