旅館營收管理：期末作業參考範本

P1. 專案封面與摘要

轉型時刻：城市商務旅館的數位賦能策略

結合商業模式畫布(BMC)與數位工具導入

組別：第一組

指導教授：OOO 教授

旅館營收管理課程 1 / 6

P2. 專案背景與痛點分析

選定個案：某城市商務旅館

主要挑戰：
  • 需求不確定性：後疫情時代，國際商務客減少，國內旅遊需求波動大。
  • 通路成本高：過度依賴 OTA (Online Travel Agency)，佣金侵蝕利潤。
  • 人力缺口：櫃檯重複性回覆工作過多，無法專注於高價值服務。

專案目標：透過數位工具（ChatBot）優化服務流程，並導入商業模式畫布重新定位。

現況分析 2 / 6

P3. 商業模式畫布 (BMC) 分析

運用 Osterwalder (2010) 之架構：

  • 價值主張 (Value Proposition)：從單純住宿轉向「城市旅遊樞紐」，提供在地體驗與24小時數位管家服務。
  • 目標客群 (Customer Segments)：由國際商務客轉向「數位遊牧民族」與「國內深度旅遊者」。
  • 關鍵活動 (Key Activities)：數位行銷內容產出、ChatBot 腳本優化。
  • 收益流 (Revenue Streams)：客房收入外，增加「在地選物」與「體驗行程」分潤。
理論應用 3 / 6

P4. 數位工具導入：ChatBot 策略

設計邏輯：

  • 解決痛點：自動回覆常見問題（停車、設施、早餐時間），釋放櫃檯人力。
  • 導流策略：在對話中置入「官網訂房優惠」連結，降低 OTA 依賴。
  • 關鍵字優化：針對「附近景點」、「美食」設定圖文回覆，提升顧客滿意度。

預期效益：提升直客訂房佔比 5%，降低人工客服時間 20%。

執行方案 4 / 6

P5. 營收管理策略：總體 RevPAR 提升

績效指標設定：

  • RevPAR (平均客房收益)：透過數位工具提升住房率 (ORR)。
  • GOPPAR (平均客房營運毛利)：透過降低 OTA 佣金與人力成本來提升。
具體作法：

利用 ChatBot 推播「平日晚鳥優惠」或「餐飲加購」，填補離峰時段需求，提升 Total RevPAR。

財務預測 5 / 6

P6. 結論與心得

  • 策略總結：商業模式的創新必須搭配科技工具（如 ChatBot）才能落地。
  • 學習反思：
    • 了解旅館營收不僅是「調價」，更包含通路成本控管與顧客關係管理。
    • 從六福萬怡的案例中學習到，大型企業的數位轉型需要跨部門協作。
  • 未來建議：持續收集 ChatBot 數據，進行精準的分眾行銷。
結論 6 / 6

P1. 模擬競賽決策報告

旅館營收管理模擬系統：第三季決策分析

基於 HBMRP 決策模擬系統之實證

組別：第二組

指導教授：OOO 教授

旅館營收管理課程 1 / 6

P2. 競賽環境與參數設定

環境參數：

  • 景氣指數：本季指數由 6 上升至 8（需求增加）。
  • 市場指數 (季節性)：進入旅遊旺季，指數為 9。
  • 價格彈性：商務客房彈性較低 (2)，休閒客房彈性較高 (8)。
初始狀態： 前一季 RevPAR 落後競爭對手，主要原因為定價過於保守，且 OTA 通路成本過高。
環境分析 2 / 6

P3. 營收管理決策：定價與通路

定價策略 (Pricing Strategy)：

  • 依據 Leoni et al. (2020) 的價格函數，考量本季景氣指數上升，我們將豪華客房價格調漲 15%。
  • 針對高價格彈性的「休閒客群」，採取平日促銷、假日高價的動態定價。

通路配銷 (Distribution)：

  • 降低 OTA 代售比例（原 70% 降至 50%），提高官網行銷預算（關鍵字廣告），以優化 GOPPAR。
決策過程 3 / 6

P4. 服務與行銷投入分析

服務品質設定：

  • 人員與訓練：將人員配置提升至 110% (基礎員工數之上)，並增加培訓費用，以支撐高房價策略的服務水準。

行銷投入：

  • 針對「商務客」，加強網路廣告投放 (參數設定 5 -> 8)。
  • 針對「家庭客」，增加社群媒體 (FB/IG) 的廣告預算，因為其對視覺行銷較敏感。
資源配置 4 / 6

P5. 模擬結果：KPI 分析

績效表現：
  • RevPAR：成長 18%。雖然住房率 (ORR) 微幅下降，但平均房價 (ADR) 大幅提升，總營收增加。
  • GOPPAR：成長 25%。成功降低 OTA 佣金支出，利潤率優於競爭對手。

落差分析：餐飲部門營收未如預期，主因為翻桌率設定過低，且變動成本控制不佳。

結果分析 5 / 6

P6. 決策反思與修正

  • 系統反饋：價格彈性高的房型，過度漲價會導致需求斷崖式下跌，需更細緻的微調。
  • 理論印證：證實了 Schwartz et al. (2017) 提出 RevPAR 與 GOPPAR 的連動關係，單看營收不足以反映獲利。
  • 下季計畫：調整餐飲的固定成本率與定價，並在淡季時利用「小羅特餐」類型的促銷策略提升周轉率。
總結 6 / 6

P1. 餐飲與房型貢獻度分析

菜單工程與產品矩陣分析：以日式拉麵店為例

應用 Menu Engineering Matrix 於營收管理

組別：第三組

指導教授：OOO 教授

旅館營收管理課程 1 / 6

P2. 理論架構：工程矩陣分析

雙軸分析法 (Dual-Axis Analysis)：

  • X 軸 - 受歡迎程度 (Popularity)：銷售量百分比 (是否高於 70% 的預期組合)。
  • Y 軸 - 邊際貢獻 (Contribution Margin)：售價減去變動成本 (High/Low)。
四個象限：
  • Star (星)：高人氣、高利潤。
  • Plow Horse (耕牛)：高人氣、低利潤。
  • Puzzle (謎題)：低人氣、高利潤。
  • Dog (狗)：低人氣、低利潤。
分析方法 2 / 6

P3. 數據收集與計算

個案數據 (以美濃屋為例)：

品項售價成本CM銷量
喜多方拉麵190123.566.5高
煎餃1207842高
炒青菜1207842低

分割點計算：

  • 平均邊際貢獻 (Weighted CM) = 總邊際貢獻 / 總銷量。
  • 受歡迎程度標準 = (100% / 品項數) * 0.7。
數據呈現 3 / 6

P4. 矩陣落點分析

分析結果：

  • Star (明星商品)：無 (理想狀態應有主力產品)。
  • Plow Horse (耕牛)：喜多方拉麵。銷量極高 (72.5% Popularity)，但食材成本率高達 65% 以上，導致 CM 相對較低。
  • Puzzle (謎題)：山珍海味炒麵。CM 高 (87.5)，但銷量低 (8%)。
  • Dog (狗)：炒青菜。銷量低且利潤低。
矩陣分析 4 / 6

P5. 營收優化策略

針對不同象限的策略：

  • 針對 Plow Horse (拉麵)：不能輕易漲價以免流失客源。策略為「降低食材成本」或「共同採購」，或設計套餐搭配高利潤小菜。
  • 針對 Puzzle (炒麵)：加強行銷推廣（如 FB 貼文、ChatBot 推播），增加曝光度以提升銷量。
  • 針對 Dog (炒青菜)：考慮減少進貨量、重新定價，或直接從菜單移除，改推其他高利潤小菜。
策略建議 5 / 6

P6. 結論與應用延伸

  • 結論：單看「營業額」容易產生盲點，必須分析「邊際貢獻」才能真實掌握獲利能力。
  • 旅館業應用延伸：此模型同樣適用於「房型分析」。
    • 例如：豪華客房可能是 Plow Horse (好賣但毛利低)，需控制備品成本。
    • 行政套房可能是 Puzzle (難賣但毛利高)，需加強精準行銷。
  • 總結：營收管理是動態調整的過程，需定期檢視產品矩陣。
總結 6 / 6