Jak hotel w Sopocie mógłby wycenić deszczowy weekend za pomocą rynku predykcyjnego

Kiedy o weekendowym przychodzie decyduje pogoda

Niezależne hotele i pensjonaty nad morzem czy nad jeziorem – w Sopocie, na Mazurach, wszędzie tam, gdzie frekwencja mocno zależy od pogody – żyją z konkretnym rodzajem niepewności. Dwa tygodnie przed weekendem nikt nie wie, czy będzie słonecznie, czy będzie padać, a mimo to recepcja albo dział revenue management musi już dziś zdecydować: puścić pokoje do OTA z rabatem, zamówić dodatkowy personel na śniadania, czy trzymać cenę. Zła decyzja kosztuje w obie strony – albo puste pokoje w pełnej cenie, albo rabat na weekend, który i tak by się wyprzedał.

To dokładnie ten typ decyzji, do którego stworzono rynki predykcyjne. Rynek nie zastępuje prognozy pogody – bierze prognozę, wiedzę lokalną i opinie wielu osób i zamienia je w jedną liczbę: implikowane prawdopodobieństwo, które można od razu podstawić do decyzji o przychodach.

Dwie liczby, których hotel naprawdę potrzebuje

Decyzję „rabat czy stała cena" da się sprowadzić do dwóch liczb: oczekiwanego przychodu przy rabacie i oczekiwanego przychodu bez rabatu, każdy ważony prawdopodobieństwem złej pogody. Wygrywa ten wariant, który daje wyższą wartość oczekiwaną (EV) – nie ten, który „wydaje się bezpieczniejszy".

Brakującym elementem zwykle jest właśnie to prawdopodobieństwo. Aplikacja pogodowa czy serwis IMGW podają procent, ale to jedno źródło, aktualizowane według własnego harmonogramu, bez żadnego kosztu za pomyłkę. Płynny rynek predykcyjny na to samo pytanie agreguje wiele prognoz i bieżących informacji, a cena porusza się tylko wtedy, gdy ktoś jest gotów postawić za swoją opinią realną pozycję.

Przykład liczbowy: 40-pokojowy hotel nad morzem

Weźmy modelowy 40-pokojowy hotel w Sopocie, jeden wrześniowy weekend, cena pokoju 550 zł/noc.

Jeśli weekend jest słoneczny, obłożenie i tak sięga historycznie 90% (36 pokoi), czyli 19 800 zł. Obniżenie ceny do 470 zł w tym scenariuszu dopełnia jedynie ostatnie pokoje, które sprzedałyby się i tak – obłożenie rośnie do 100% (40 pokoi), ale przychód spada do 18 800 zł. Rabat przy silnym popycie to czysta strata.

Jeśli pada, obłożenie bez rabatu spada do 55% (22 pokoje), czyli 12 100 zł, bo znika popyt z ostatniej chwili. Rabat do 470 zł przy deszczu podnosi obłożenie do 80% (32 pokoje), czyli 15 040 zł – wyraźnie lepiej niż nic nie robić.

Wartości oczekiwane jako funkcja p, prawdopodobieństwa deszczu:

• EV(stała cena) = p × 12 100 zł + (1 − p) × 19 800 zł
• EV(rabat) = p × 15 040 zł + (1 − p) × 18 800 zł

Punkt przecięcia obu prostych wychodzi przy p ≈ 0,25. Poniżej mniej więcej 25% szansy na deszcz wygrywa stała cena, powyżej – rabat. Recepcjonista czy revenue manager nie potrzebuje już przeczucia „jak to wygląda za oknem" – potrzebuje jednej liczby i reguły, co z nią zrobić.

Skąd bierze się to prawdopodobieństwo

Sama idea nie jest nowa. Giełdy towarowe handlują instrumentami na pogodę od 1999 roku, kiedy CME Group uruchomiła kontrakty terminowe na tzw. degree days, by firmy energetyczne, sieci handlowe i inne biznesy wrażliwe na pogodę mogły zabezpieczać wahania przychodów związane z temperaturą. Ten rynek dalej rośnie – w 2023 roku CME odnotowała wzrost wolumenu obrotu kontraktami i opcjami na pogodę o ponad 260% w jednym roku, bo coraz więcej firm chciało zabezpieczyć swoją ekspozycję na pogodę. Kontrakty tam opierają się jednak na indeksach temperatury dla kilkudziesięciu miast, a nie na konkretnym weekendzie konkretnego hotelu, więc dokładnie takiego kontraktu na giełdzie nie znajdziemy.

Detaliczny rynek predykcyjny wypełnia tę lukę w mniejszej skali: proste, jednoznacznie rozstrzygalne pytanie typu „Czy w [miasto] w ten weekend spadnie więcej niż X mm deszczu?" z żywym, handlowanym prawdopodobieństwem – podobnie jak pytania opisane w naszym tekście o zabezpieczaniu ryzyka pogodowego dla imprez plenerowych. Ta sama logika, jaką stosują ośrodki narciarskie planujące wokół opadów śniegu, sprawdza się w każdym biznesie zależnym od pogody – podobnie jak sezonowe wahania popytu opisane w naszym artykule o popycie w Black Friday.

Ustawienie progu i działanie w praktyce

Praktyczny sposób działania jest prosty: tabelę EV liczy się raz (dla danego hotelu zmienia się niewiele z sezonu na sezon), znajduje się prawdopodobieństwo progowe, a przy każdej decyzji porównuje się cenę rynkową z tym progiem. Jeśli implikowane prawdopodobieństwo leży wyraźnie powyżej progu, wprowadza się rabat i wzmacnia personel pod gości last-minute o niższej marży; jeśli jest poniżej – trzyma się cenę. Ponieważ zarówno próg, jak i cena rynkowa to zwykłe liczby, tę regułę może konsekwentnie stosować każdy na zmianie, niezależnie od tego, kto akurat jest na recepcji.

Ograniczenia tego podejścia

Nic z tego nie usuwa niepewności – jedynie ją wycenia. Rynek może się mylić, płynność przy wąsko sprofilowanym pytaniu o lokalną pogodę bywa niska, a sama tabela EV opiera się na historycznych danych o obłożeniu, które mogą się zmieniać. To rama do podejmowania decyzji o rabacie w warunkach niepewności w bardziej spójny sposób, a nie gwarancja wyniku.

Jeśli chcesz zobaczyć, jak takie implikowane prawdopodobieństwa zmieniają się w czasie rzeczywistym, zanim zastosujesz tę logikę do własnych liczb, na Outcomerze możesz śledzić i handlować rynkami pogodowymi i wydarzeniowymi za wirtualne pieniądze – bezpieczny sposób, by poczuć zachowanie ceny rynkowej, zanim oprzesz na niej realną decyzję.