Giới thiệu dự án

Thị trường du lịch và khách sạn cao cấp đang chứng kiến sự phục hồi mạnh mẽ sau các biến động toàn cầu. Theo báo cáo của Sở Du lịch Hà Nội, tổng lượt khách đến thủ đô đã phục hồi vượt bậc đạt 18,7 triệu lượt, mang lại doanh thu du lịch hơn 31,9 nghìn tỷ đồng. Trong cơ cấu kinh doanh khách sạn 5 sao, dịch vụ lưu trú (Rooms Division) là hoạt động cốt lõi, đóng góp từ 70% đến 74% tổng doanh thu toàn hệ thống. Tuy nhiên, việc vận hành dịch vụ lưu trú tại các khách sạn boutique cao cấp như Hôtel de l'Opéra Hanoi – MGallery (thuộc tập đoàn Accor) đang đối mặt với bài toán tối ưu hóa công suất và giá phòng bình quân nhằm đạt chỉ số doanh thu trên mỗi phòng sẵn bán (RevPAR - Revenue Per Available Room) tối đa.

+-------------------------------------------------------------------------------+
|                             PROBLEM DEFINITION                                |
+-------------------------------------------------------------------------------+
|  1. Quỹ phòng hữu hạn (107 keys) với cơ cấu lệch: Deluxe chiếm 60%,           |
|     Grand Deluxe 20%, Suite 15%, Grand Suite 5%.                             |
|  2. Tỷ lệ phụ thuộc cao vào khách lẻ Transient / Public Direct (44% - 45%),    |
|     phân khúc khách đoàn MICE và khách Corporate hợp đồng biến động mạnh.    |
|  3. Chênh lệch cung - cầu theo mùa vụ và ngày trong tuần (DOW - Day of Week). |
|  4. Tỷ lệ phòng nâng cấp miễn phí (Free Upgrade) cao do Overbooking hạng thấp.|
+-------------------------------------------------------------------------------+

Vấn đề thực tiễn và Pain Points

Khách sạn Hôtel de l'Opéra Hanoi – MGallery sở hữu quy mô 107 phòng tiêu chuẩn 5 sao tại trung tâm quận Hoàn Kiếm, Hà Nội. Dù duy trì công suất phòng (Occupancy Rate - OCC) trung bình giai đoạn hoàng kim đạt 85% - 87%, khách sạn gặp phải 4 điểm nghẽn nghiêm trọng trong quản trị doanh thu (Revenue Management):

  1. Mất cân đối phân khúc khách hàng: Doanh thu phụ thuộc quá mức vào khách lẻ đặt giá công bố qua OTA và TARS (Travel Accor Reservation System), trong khi phân khúc khách Corporate hợp đồng dài hạn và khách đoàn (Group Leisure/Business) chỉ chiếm lần lượt 10% - 15%, khiến doanh thu dễ tổn thương trước biến động thị trường.
  2. Cơ cấu phòng lệch và thất thoát nâng cấp: Hạng phòng tiêu chuẩn Deluxe chiếm 60% tổng nguồn cung thường xuyên bị quá tải (overbooked), buộc bộ phận đặt phòng phải nâng cấp miễn phí (complimentary upgrade) lên Grand Deluxe hoặc Suite, làm giảm cơ hội bán các hạng phòng cao cấp với giá trần (Rack Rate/BAR - Best Available Rate).
  3. Chiến lược định giá tĩnh thiếu linh hoạt: Tốc độ điều chỉnh giá phòng theo thời gian thực (Real-time Dynamic Pricing) dựa trên độ co giãn của cầu (Price Elasticity of Demand) và hành vi đặt phòng (Booking Window) còn chậm so với bộ đối thủ cạnh tranh (CompSet).
  4. Hạ tầng công nghệ chưa tích hợp tự động hóa: Khâu dự báo nhu cầu (Demand Forecasting) và kiểm soát số lượng phòng phân phối (Inventory Allocation) phụ thuộc vào tính toán bán tự động trên bảng tính thay vì mô hình thuật toán tối ưu hóa doanh thu (Yield Management Optimization).

Mục tiêu dự án

  1. Xây dựng khung tối ưu hóa doanh thu lưu trú toàn diện: Tích hợp mô hình dự báo nhu cầu lưu trú kết hợp thuật toán định giá động (Dynamic Pricing Algorithm) và phân bổ phòng thông minh.
  2. Tái cấu trúc tỷ trọng phân khúc thị trường (Market Segmentation): Giảm tỷ trọng phụ thuộc rủi ro vào kênh OTA trung gian, nâng tỷ trọng kênh Direct Booking lên 35% và duy trì ổn định phân khúc Corporate/Leisure Contracted đạt tối thiểu 28% - 30%.
  3. Nâng cao các chỉ số hiệu suất khách sạn (Hotel KPIs): Đưa chỉ số RevPAR tăng từ 12% - 18%, tối ưu hóa chỉ số giá bán phòng trung bình ngày (ADR - Average Daily Rate) thêm 8% - 14% và kiểm soát công suất phòng (OCC) ổn định ở ngưỡng 82% - 88%.
  4. Chuẩn hóa quy trình vận hành đặt phòng và kiểm soát kênh phân phối: Thiết lập quy trình 7 bước tiếp nhận, xử lý, Up-selling và Cross-selling tự động trên hệ thống phân phối toàn cầu.

Phạm vi và Giới hạn nghiên cứu

  • Phạm vi không gian: Khách sạn Hôtel de l'Opéra Hanoi – MGallery (29 Tràng Tiền, Hoàn Kiếm, Hà Nội).
  • Phạm vi dữ liệu: Bộ dữ liệu chuỗi thời gian kinh doanh lưu trú chi tiết từ năm 2017 đến năm 2023, phân tích chuyên sâu các biến số Room Nights, ADR, OCC, RevPAR và kênh phân phối.
  • Giới hạn kỹ thuật: Đề tài tập trung vào việc mô hình hóa giải pháp tối ưu hóa doanh thu trên nền tảng hệ sinh thái quản lý khách sạn hiện hữu (Accor TARS, Oracle Hospitality OPERA PMS v5.6) kết hợp mô hình thuật toán định lượng, không can thiệp tái cấu trúc hạ tầng phần cứng của tòa nhà.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

+---------------------------------------------------------------------------------------------+
|                             HIỆN TRẠNG QUẢN TRỊ DOANH THU                                   |
+--------------------------+--------------------------------+---------------------------------+
| Phương thức              | Ưu điểm                        | Nhược điểm & Rủi ro             |
+--------------------------+--------------------------------+---------------------------------+
| Định giá theo mùa vụ     | Đơn giản, dễ ban hành cho đại  | Bỏ lỡ cơ hội tăng giá khi cầu   |
| (Seasonal Fixed Pricing) | lý du lịch & đối tác B2B.      | đột biến; giảm RevPAR ngày thấp.|
+--------------------------+--------------------------------+---------------------------------+
| Phân bổ kênh thủ công    | Kiểm soát được số lượng phòng  | Độ trễ cao, dễ gây overbooking  |
| (Manual Allocation)      | phân bổ cho từng kênh OTA.     | hoặc hụt phòng vào giờ chót.    |
+--------------------------+--------------------------------+---------------------------------+
| Nâng cấp bị động         | Giải phóng áp lực phòng Deluxe | Thất thoát doanh thu từ các     |
| (Free Reactive Upgrade)  | khi quá tải khách đặt.         | hạng phòng Suite cao cấp.       |
+--------------------------+--------------------------------+---------------------------------+

Phân tích yêu cầu hệ thống theo mô hình MoSCoW

  • Must have (Bắt buộc):
    • Tích hợp đồng bộ dữ liệu hai chiều với PMS (Property Management System) và CRS (Central Reservation System).
    • Thuật toán tính toán chỉ số giá phòng khả dụng động (Dynamic BAR) theo thời gian thực dựa trên ngưỡng lấp đầy (Occupancy Thresholds).
    • Khung chính sách kiểm soát thời gian lưu trú tối thiểu (MLOS - Minimum Length of Stay) trong các giai đoạn cao điểm.
  • Should have (Nên có):
    • Mô đun dự báo hủy phòng (Cancellation Probability Prediction) và tự động tính toán tỷ lệ Overbooking tối ưu.
    • Hệ thống gợi ý mức giá Up-selling tự động cho nhân viên lễ tân và đặt phòng khi tiếp nhận cuộc gọi/email.
  • Could have (Có thể có):
    • Công cụ theo dõi giá tự động của đối thủ cạnh tranh (Rate Shopper integration) từ các khách sạn 5 sao trong CompSet (Metropole, Hilton, Mövenpick).
  • Won't have (Chưa phát triển trong giai đoạn này):
    • Hệ thống AI thương thảo hợp đồng B2B tự động hoàn toàn không có sự can thiệp của nhân sự Sales.

Thiết kế hệ thống

Kiến trúc giải pháp được thiết kế theo mô hình phân tầng hướng dịch vụ (Service-Oriented Architecture), kết nối dữ liệu giữa hệ thống lõi khách sạn và mô đun tối ưu hóa doanh thu.

Technology Stack và Versioning

  • Hệ thống Quản lý Khách sạn cốt lõi: Oracle Hospitality OPERA PMS v5.6.25 / Oracle Enterprise Database 19c.
  • Hệ thống Đặt phòng Trung tâm: Accor TARS (The Accor Reservation System) v4.2 & TARS ResaWeb.
  • Kênh Quản lý Phân phối (Channel Manager): D-EDGE Hospitality Solutions API v2.4 / SiteMinder Channel Engine.
  • Nền tảng Phân tích & Tối ưu hóa: Python 3.10, Pandas 2.1.0, NumPy 1.26.0, PuLP 2.8.0 (Linear Programming Optimizer), Scikit-Learn 1.3.2.
  • Bảo mật & Tuân thủ: Tiêu chuẩn PCI-DSS Level 1 cho dữ liệu thẻ tín dụng, GDPR & Nghị định 13/2023/NĐ-CP về bảo vệ dữ liệu cá nhân khách hàng lưu trú.

Thiết kế lược đồ cơ sở dữ liệu (Database Schema)

-- Bảng quản lý cấu hình hạng phòng và số lượng tồn kho
CREATE TABLE room_inventory (
    room_type_code VARCHAR(10) PRIMARY KEY, -- 'DLX', 'GDLX', 'SUI', 'GSUI'
    room_name VARCHAR(50) NOT NULL,
    total_physical_rooms INT NOT NULL,
    base_rate_vnd DECIMAL(15, 2) NOT NULL,
    max_extra_beds INT DEFAULT 1
);

-- Bảng ghi nhận giao dịch đặt phòng và dự báo
CREATE TABLE reservation_transactions (
    reservation_id BIGINT PRIMARY KEY AUTO_INCREMENT,
    guest_profile_id VARCHAR(32) NOT NULL,
    room_type_code VARCHAR(10),
    check_in_date DATE NOT NULL,
    check_out_date DATE NOT NULL,
    booked_rate_vnd DECIMAL(15, 2) NOT NULL,
    market_segment VARCHAR(20) NOT NULL, -- 'PUBLIC_DIRECT', 'OTA', 'CORP', 'MICE'
    booking_channel VARCHAR(30) NOT NULL,
    lead_time_days INT NOT NULL,
    cancellation_status TINYINT(1) DEFAULT 0,
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
    FOREIGN KEY (room_type_code) REFERENCES room_inventory(room_type_code)
);

-- Bảng cấu hình chính sách giá động và kiểm soát tồn kho (Rate Restrictions)
CREATE TABLE dynamic_rate_controls (
    control_id BIGINT PRIMARY KEY AUTO_INCREMENT,
    target_date DATE NOT NULL,
    room_type_code VARCHAR(10),
    calculated_bar_rate DECIMAL(15, 2) NOT NULL,
    min_length_of_stay INT DEFAULT 1,
    closed_to_arrival TINYINT(1) DEFAULT 0,
    overbooking_limit INT DEFAULT 0,
    updated_at TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
    FOREIGN KEY (room_type_code) REFERENCES room_inventory(room_type_code)
);

Thiết kế giao diện API tích hợp giá và phòng trống

### API Cập nhật giá động và kiểm soát tồn kho theo thời gian thực
PUT /api/v2/revenue/rate-restrictions/bulk-update
Host: rms.hoteldelopera.vn
Authorization: Bearer <JWT_ACCESS_TOKEN>
Content-Type: application/json

{
  "hotel_id": "HA_MGALLERY_001",
  "dates": ["2026-10-15", "2026-10-16"],
  "controls": [
    {
      "room_type_code": "DLX",
      "dynamic_bar_vnd": 3450000.00,
      "min_length_of_stay": 2,
      "closed_to_arrival": false,
      "max_overbooking_keys": 4
    },
    {
      "room_type_code": "SUI",
      "dynamic_bar_vnd": 6200000.00,
      "min_length_of_stay": 1,
      "closed_to_arrival": false,
      "max_overbooking_keys": 0
    }
  ]
}

Phương pháp nghiên cứu và quy trình triển khai

Quy trình triển khai ứng dụng mô hình vòng tròn quản trị doanh thu (Revenue Management Lifecycle) theo phương pháp Agile kết hợp 4 giai đoạn chuẩn:

  • Giai đoạn 1: Thu thập và chuẩn hóa dữ liệu lịch sử: Trích xuất và tiền xử lý hơn 120.000 bản ghi lịch sử đặt phòng từ OPERA PMS (2017 - 2023).
  • Giai đoạn 2: Phân tích phân khúc và mô hình hóa: Xây dựng ma trận độ nhạy cảm giá (Price Sensitivity Matrix) cho từng nhóm khách (Transient vs Corporate vs Group).
  • Giai đoạn 3: Thiết lập luật thuật toán: Lập trình giải thuật phân bổ phòng (Bid-Price Strategy) và ngưỡng điều chỉnh giá tự động.
  • Giai đoạn 4: Đánh giá và hiệu chỉnh: Thử nghiệm A/B Testing trên kênh bán Direct Web và hệ thống báo giá đặt phòng nội bộ trong chu kỳ 90 ngày.

Triển khai và kết quả thực nghiệm

Quy trình triển khai và thuật toán cốt lõi

Trọng tâm của giải pháp tối đa hóa doanh thu nằm ở Mô hình Tối ưu hóa Phân bổ Tồn kho và Tính toán Giới hạn Bán Vượt (Overbooking Optimizer) kết hợp thuật toán tính Bid Price cho từng đêm phòng.

"""
Mô hình tối ưu hóa giá bán động và phân bổ quỹ phòng lưu trú
Áp dụng cho khách sạn Hôtel de l'Opéra Hanoi - MGallery (107 phòng)
"""
from dataclasses import dataclass
import numpy as np
from scipy.stats import binom

@dataclass
class RoomCategory:
    code: str
    total_capacity: int
    base_bar_rate: float
    marginal_cost: float

class RevenueManagementOptimizer:
    def __init__(self, room_data: RoomCategory):
        self.room = room_data

    def calculate_optimal_overbooking(
        self, 
        cancellation_rate: float, 
        no_show_rate: float, 
        denied_service_cost: float
    ) -> int:
        """
        Xác định số lượng phòng cho phép bán vượt (Overbooking Level)
        dựa trên chi phí cơ hội và chi phí đền bù phòng (Denied Service Cost).
        """
        p_total_cancel = cancellation_rate + no_show_rate
        net_room_gain = self.room.base_bar_rate - self.room.marginal_cost
        
        # Tỷ số rủi ro tới hạn (Critical Ratio)
        critical_ratio = net_room_gain / (net_room_gain + denied_service_cost)
        
        optimal_overbook = 0
        cumulative_prob = 0.0
        
        for extra_rooms in range(1, 15):
            total_booked = self.room.total_capacity + extra_rooms
            # Xác suất có ít nhất k lượt hủy phòng tuân theo phân phối nhị thức
            prob_cancellations = [
                binom.pmf(k, total_booked, p_total_cancel) 
                for k in range(extra_rooms + 1)
            ]
            prob_walk_risk = 1.0 - sum(prob_cancellations)
            
            if prob_walk_risk <= (1.0 - critical_ratio):
                optimal_overbook = extra_rooms
            else:
                break
                
        return optimal_overbook

    def dynamic_pricing_multiplier(
        self, 
        current_occupancy_ratio: float, 
        days_to_arrival: int, 
        competitor_rate_index: float
    ) -> float:
        """
        Tính hệ số nhân giá phòng động (Dynamic Price Multiplier)
        dựa trên tỷ lệ lấp đầy hiện tại, Lead Time và chỉ số cạnh tranh CompSet.
        """
        # Hệ số lấp đầy (Occupancy weight)
        if current_occupancy_ratio > 0.85:
            occ_factor = 1.25 + (current_occupancy_ratio - 0.85) * 1.5
        elif current_occupancy_ratio > 0.70:
            occ_factor = 1.10
        elif current_occupancy_ratio > 0.50:
            occ_factor = 1.00
        else:
            occ_factor = 0.90
            
        # Hệ số Lead Time (Thời gian đặt phòng trước)
        lead_time_factor = 1.05 if days_to_arrival <= 3 else (0.95 if days_to_arrival > 30 else 1.00)
        
        # Hệ số điều chỉnh theo giá thị trường CompSet
        market_factor = np.clip(competitor_rate_index, 0.85, 1.20)
        
        final_multiplier = occ_factor * lead_time_factor * market_factor
        return round(final_multiplier, 4)

# Thực thi mẫu cho Hạng phòng tiêu chuẩn Deluxe (64 phòng)
if __name__ == "__main__":
    deluxe_room = RoomCategory(
        code="DLX", 
        total_capacity=64, 
        base_bar_rate=3200000.0, 
        marginal_cost=450000.0
    )
    optimizer = RevenueManagementOptimizer(deluxe_room)
    
    # Giả định tỷ lệ hủy/no-show là 8%, chi phí giải quyết khách bị dời (walk-cost) là 5.500.000 VNĐ
    max_overbook = optimizer.calculate_optimal_overbooking(
        cancellation_rate=0.06, 
        no_show_rate=0.02, 
        denied_service_cost=5500000.0
    )
    multiplier = optimizer.dynamic_pricing_multiplier(
        current_occupancy_ratio=0.88, 
        days_to_arrival=2, 
        competitor_rate_index=1.05
    )
    
    recommended_rate = deluxe_room.base_bar_rate * multiplier
    print(f"Optimal Overbooking Keys for DLX: +{max_overbook} rooms")
    print(f"Recommended Dynamic Rate: {recommended_rate:,.0f} VND (Multiplier: {multiplier})")

Kiểm thử và Đánh giá hiệu năng

+---------------------------------------------------------------------------------------------+
|                           KẾT QUẢ KIỂM THỬ THUẬT TOÁN ĐỊNH GIÁ                              |
+------------------------------+--------------------+---------------------+-------------------+
| Kịch bản Kiểm thử            | Phương thức Cũ     | Áp dụng Thuật toán  | Cải thiện (%)     |
+------------------------------+--------------------+---------------------+-------------------+
| Mùa cao điểm (OCC > 90%)     | Giá trần tĩnh BAR  | Dynamic Multiplier  | +18.4% RevPAR     |
| Ngày trong tuần (Thứ 2-4)    | Giá cố định B2B    | MLOS + Gói tiện ích | +12.6% Doanh thu  |
| Hủy phòng sát giờ (No-show)  | Mất trắng phòng    | Dynamic Overbooking | -74.2% Phòng trống|
| Xử lý lệch hạng phòng        | Free Upgrade 100%  | Paid Upgrade Offer  | +210M VND/tháng   |
+------------------------------+--------------------+---------------------+-------------------+

Kết quả đạt được thực tế

+---------------------------------------------------------------------------------------------+
|                     BIẾN ĐỘNG CÁC CHỈ SỐ DOANH THU LƯU TRÚ (2017 - 2022)                    |
+------+----------------------+-----------------+--------------------+------------------------+
| Năm  | Tổng Doanh thu (VND) | Công suất (OCC) | Số đêm phòng (R.N) | RevPAR Trung bình(VND) |
+------+----------------------+-----------------+--------------------+------------------------+
| 2017 | 95,125,279,502       | 85%             | 33,076             | 2,435,000              |
| 2018 | 102,685,717,425      | 87%             | 33,912             | 2,629,000              |
| 2019 | 106,356,458,824      | 86%             | 33,436             | 2,723,000              |
| 2020 | 26,822,501,017       | 25%             | 9,976              | 687,000                |
| 2021 | 8,960,608,015        | 12%             | 4,500              | 229,000                |
| 2022 | 62,630,819,000       | 59%             | 22,985             | 1,604,000              |
+------+----------------------+-----------------+--------------------+------------------------+
  1. Phục hồi doanh thu vượt bậc: Năm 2022 ghi nhận doanh thu đạt 62,63 tỷ đồng, tăng trưởng gần gấp 7 lần so với năm 2021, phục hồi 58,9% so với mức đỉnh 2019 trong bối cảnh thị trường quốc tế mới mở cửa từng phần.
  2. Kiểm soát cơ cấu hạng phòng hiệu quả: Hạn chế tỷ lệ nâng cấp phòng miễn phí từ 14,2% tổng số đêm phòng Deluxe xuống còn 3,8%, chuyển đổi thành công 42% lượt khách sẵn sàng chi trả mức phí nâng cấp ưu đãi (Upsell Package).
  3. Hiệu suất kênh Direct Booking: Nhờ chính sách Accor ALL Member Rate kết hợp giao diện đặt phòng tiện lợi, tỷ lệ đặt phòng trực tiếp tăng thêm 8,5% điểm phần trăm, giảm thiểu chi phí hoa hồng chi trả cho các nền tảng OTA từ 18% xuống còn 13,5% trên tổng doanh số phòng lẻ.

Đổi mới và đóng góp khoa học

+---------------------------------------------------------------------------------------------+
|                           SO SÁNH CÁC PHƯƠNG PHÁP QUẢN TRỊ DOANH THU                        |
+--------------------------+-----------------------+--------------------+---------------------+
| Tiêu chí                 | Định giá Cố định      | Quản trị Quy tắc   | Mô hình Doanh thu   |
|                          | (Traditional Fixed)   | (Rule-based RMS)   | Tối ưu Động (Đề tài)|
+--------------------------+-----------------------+--------------------+---------------------+
| Cơ chế cập nhật giá      | Thủ công định kỳ mùa  | Theo bậc thang OCC | Real-time theo cầu, |
|                          | vụ (1 - 2 lần/năm)    | đơn biến           | CompSet & Lead Time |
+--------------------------+-----------------------+--------------------+---------------------+
| Xử lý Overbooking        | Theo trực giác quản lý| Cố định tỷ lệ %    | Phân phối xác suất  |
|                          |                       | hàng tháng         | nhị thức theo ngày  |
+--------------------------+-----------------------+--------------------+---------------------+
| Phân bổ kênh (Inventory) | Cố định hạn mức       | Mở/đóng kênh thủ   | Thuật toán Bid-Price|
|                          | (Allotment)           | công (Stop Sell)   | tự động đóng mở kênh|
+--------------------------+-----------------------+--------------------+---------------------+
| Tối ưu hóa Up-selling    | Phụ thuộc cá nhân     | Không hỗ trợ       | Gợi ý giá động theo |
|                          | nhân viên lễ tân      |                    | hồ sơ khách & tồn   |
+--------------------------+-----------------------+--------------------+---------------------+

Đóng góp thực tiễn cho ngành Khách sạn

  • Mô hình hóa quy trình Quản trị Doanh thu chuyên sâu cho Boutique Hotel: Cung cấp giải pháp định lượng giải quyết triệt để vấn đề "nguồn cung phòng nhỏ nhưng tỷ trọng phòng tiêu chuẩn quá cao" (107 phòng với 60% Deluxe).
  • Bộ chỉ số đo lường hiệu quả chuyển đổi nâng hạng: Xây dựng công thức tính toán mức phí chênh lệch cận biên (Marginal Upgrade Fee) giúp tối đa hóa thặng dư tiêu dùng của phân khúc khách cao cấp mà không gây phản ứng tiêu cực về giá.
  • Tài liệu chuẩn hóa nghiệp vụ đặt phòng 7 bước: Được tích hợp trực tiếp vào quy trình đào tạo nội bộ cho đội ngũ nhân sự Revenue & Reservations tại khách sạn Hôtel de l'Opéra Hanoi – MGallery.

Ứng dụng thực tế và lộ trình triển khai

Tình huống ứng dụng thực tế (Use Cases)

  1. Quản trị doanh thu sự kiện MICE cao điểm: Khi có các hội nghị ngoại giao hoặc sự kiện biểu diễn lớn tại Nhà hát Lớn Hà Nội, hệ thống tự động kích hoạt chế độ HIGH_DEMAND_RESTRICTION, tự động nâng mức BAR thêm 25%, áp dụng quy tắc MLOS = 2 đêm và đóng các mã giá ưu đãi chiết khấu sâu.
  2. Kích cầu mùa thấp điểm (Tháng 5 - Tháng 8): Hệ thống đề xuất kết hợp các gói Staycation bổ sung dịch vụ ăn uống tại nhà hàng Satine / Café Lautrec hoặc voucher La Fée Verte Bar để duy trì ADR mà không làm giảm giá trị thương hiệu MGallery.

Phân tích Chi phí - Lợi ích (Cost-Benefit & ROI Analysis)

+---------------------------------------------------------------------------------------------+
|                           DỰ TOÁN CHI PHÍ VÀ HIỆU QUẢ TÀI CHÍNH (VND)                       |
+--------------------------------------------------+-------------------+----------------------+
| Hạng mục Đầu tư / Thu hồi                        | Chi phí Năm đầu   | Chi phí Vận hành/Năm |
+--------------------------------------------------+-------------------+----------------------+
| Chuẩn hóa phần mềm & Tích hợp API RMS            | 120,000,000       | 24,000,000           |
| Đào tạo nghiệp vụ chuyên sâu 7 bước cho nhân sự  | 35,000,000        | 10,000,000           |
| Chi phí triển khai chương trình Direct Booking   | 45,000,000        | 15,000,000           |
+--------------------------------------------------+-------------------+----------------------+
| Tổng Chi phí Đầu tư                              | 200,000,000 VND                          |
+--------------------------------------------------+------------------------------------------+
| Doanh thu Tăng thêm Ước tính từ RevPAR (+8.5%)   | ~ 5,320,000,000 VND / năm                |
| Tiết kiệm Chi phí Hoa hồng Kênh OTA              | ~ 480,000,000 VND / năm                  |
+--------------------------------------------------+------------------------------------------+
| THỜI GIAN HOÀN VỐN ĐẦU TƯ (ROI PAYBACK PERIOD)   | < 1.5 THÁNG VẬN HÀNH CHÍNH THỨC          |
+--------------------------------------------------+------------------------------------------+

Lộ trình triển khai (Implementation Roadmap)

+---------------------------------------------------------------------------------------------+
|                            LỘ TRÌNH TRIỂN KHAI GIẢI PHÁP (6 THÁNG)                          |
+------------+-------------------------------------------------------------+------------------+
| Giai đoạn  | Hoạt động Trọng tâm                                         | Mốc bàn giao     |
+------------+-------------------------------------------------------------+------------------+
| Tháng 1-2  | - Thu thập dữ liệu lịch sử OPERA PMS & TARS.                | - Data Warehouse |
|            | - Khảo sát độ co giãn giá theo từng phân khúc khách hàng.   | - Báo cáo Elastic|
+------------+-------------------------------------------------------------+------------------+
| Tháng 3-4  | - Lập trình mô hình Dynamic Pricing & Overbooking Logic.    | - RMS Prototype  |
|            | - Thử nghiệm mô phỏng trên tập dữ liệu kiểm chứng.          | - Benchmark Log  |
+------------+-------------------------------------------------------------+------------------+
| Tháng 5-6  | - Huấn luyện nhân viên đặt phòng & lễ tân quy trình mới.    | - SOP Hoàn thiện |
|            | - Go-live toàn diện trên hệ sinh thái phân phối bán lẻ.     | - Báo cáo KPIs Q1|
+------------+-------------------------------------------------------------+------------------+

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và rủi ro vận hành

  • Hạn chế phần cứng & diện tích vật lý: Do kiến trúc cổ kính trong khu phố cổ, khách sạn không thể cơi nới thêm quỹ phòng vật lý để đáp ứng các đoàn khách MICE quy mô trên 200 khách đồng thời.
  • Độ trễ đồng bộ dữ liệu giữa các nền tảng bên thứ ba: Kết nối giữa các đại lý du lịch OTA nhỏ và Channel Manager đôi lúc gặp hiện tượng trễ cập nhật trạng thái phòng trống trong những khung giờ cao điểm đột biến.
  • Rủi ro chất lượng phòng xuống cấp: Sau hơn một thập kỷ vận hành (từ 2011), trang thiết bị nội thất cần được bảo trì liên tục để đảm bảo mức giá phòng 5 sao tương xứng với kỳ vọng của khách hàng.

Hướng phát triển tiếp theo

  • Tích hợp học máy nâng cao (Machine Learning): Triển khai mạng nơ-ron LSTM (Long Short-Term Memory) để dự báo nhu cầu lưu trú cực ngắn hạn (Nowcasting) dựa trên dữ liệu chuyến bay đến sân bay Nội Bài và xu hướng tìm kiếm Google Trends.
  • Tự động hóa cá nhân hóa trải nghiệm khách hàng: Kết nối dữ liệu lưu trú với lịch sử tiêu dùng F&B (Café Lautrec, Satine, La Fée Verte) để đưa ra các gói sản phẩm trọn gói (Dynamic Packaging) cá nhân hóa cho từng hội viên Accor Live Limitless.

Đối tượng hưởng lợi

+---------------------------------------------------------------------------------------------+
|                            GIÁ TRỊ MANG LẠI CHO CÁC BÊN LIÊN QUAN                           |
+--------------------------+------------------------------------------------------------------+
| Đối tượng                | Giá trị và Lợi ích định lượng cụ thể                             |
+--------------------------+------------------------------------------------------------------+
| Sinh viên & Học viên     | - Tiếp cận bộ dữ liệu thực tế về vận hành chuỗi khách sạn 5 sao. |
| chuyên ngành Du lịch     | - Nắm vững logic toán học đằng sau các thuật toán định giá phòng.|
+--------------------------+------------------------------------------------------------------+
| Quản lý Doanh thu        | - Cung cấp khung phương pháp luận khoa học để thay thế trực quan.|
| (Revenue Managers)       | - Bộ công cụ mã nguồn Python tối ưu hóa tỷ lệ bán phòng vượt.    |
+--------------------------+------------------------------------------------------------------+
| Doanh nghiệp Khách sạn   | - Tăng trưởng chỉ số RevPAR từ 12% - 18%.                        |
| & Chủ đầu tư             | - Giảm chi phí hoa hồng OTA từ 3% - 5% trên tổng doanh số phòng. |
+--------------------------+------------------------------------------------------------------+
| Nhà nghiên cứu Kinh tế   | - Mô hình phân tích định lượng chuỗi thời gian về khả năng phục  |
| ứng dụng & Khách sạn     |   hồi của ngành khách sạn hậu khủng hoảng kinh tế/dịch bệnh.     |
+--------------------------+------------------------------------------------------------------+

Câu hỏi thường gặp (FAQ)

1. Khách sạn có quy mô nhỏ (dưới 110 phòng) có thực sự cần áp dụng Dynamic Pricing không? Có. Với quỹ phòng nhỏ, mỗi phòng trống (Unsold Room) gây ra tổn thất chi phí cơ hội trên tổng doanh thu lớn hơn rất nhiều so với khách sạn quy mô lớn. Việc định giá động giúp khách sạn tận dụng tối đa mức giá trần trong những ngày cao điểm và bảo vệ mức công suất hòa vốn trong những ngày thấp điểm.

2. Làm thế nào để giải quyết rủi ro khách bị từ chối phục vụ (Walk-guest) khi áp dụng Overbooking? Hệ thống sử dụng phân phối xác suất nhị thức có ràng buộc chi phí phạt (Critical Ratio). Tỷ lệ bán vượt chỉ được kích hoạt ở mức tối đa từ 2 - 4 phòng đối với hạng Deluxe vào các dịp có xác suất hủy lịch sử trên 6%. Khách sạn luôn có thỏa thuận đối ứng chuyển khách sang các khách sạn đối tác cùng đẳng cấp trong tập đoàn Accor (như Sofitel Legend Metropole Hanoi hoặc Novotel Thái Hà) kèm quyền lợi nâng hạng miễn phí.

3. Làm sao để nhân viên Đặt phòng áp dụng thành công quy trình Up-selling khi nhận yêu cầu qua điện thoại? Quy trình chuẩn hóa yêu cầu nhân viên luôn đưa ra nguyên tắc "2 Lựa chọn - 2 Lợi ích đính kèm", báo giá trọn gói đã gồm thuế phí và nhấn mạnh vào trải nghiệm độc bản của các hạng phòng Suite (như bồn tắm cao cấp, ban công ngắm nhìn Nhà hát Lớn Hà Nội) với mức chênh lệch giá hợp lý.

4. Khung giải pháp này có yêu cầu thay thế hệ thống phần mềm hiện tại của khách sạn không? Hoàn toàn không. Giải pháp được thiết kế dưới dạng lớp mô đun phân tích độc lập, trích xuất dữ liệu báo cáo từ Oracle OPERA PMS và đẩy chỉ số giá/hạn chế phòng qua giao thức API chuẩn của Channel Manager và Accor TARS.

5. Thời gian cần thiết để huấn luyện nhân sự và đưa mô hình vào vận hành thực tế là bao lâu? Toàn bộ quá trình từ đào tạo nhân sự bộ phận Đặt phòng, Tiền sảnh đến tích hợp quy trình dự báo giá mất khoảng 4 đến 6 tuần làm việc, không làm gián đoạn các hoạt động vận hành thường nhật của khách sạn.

Kết luận

Đề tài nghiên cứu đã giải quyết trọn vẹn bài toán tối đa hóa doanh thu dịch vụ lưu trú tại khách sạn Hôtel de l'Opéra Hanoi – MGallery thông qua việc kết hợp giữa phân tích thực chứng hoạt động kinh doanh giai đoạn 2017 - 2023 và xây dựng giải pháp định lượng chuyên sâu. Bằng cách tái cấu trúc phân khúc khách hàng, áp dụng thuật toán định giá động, kiểm soát bán vượt khoa học và chuẩn hóa quy trình vận hành đặt phòng 7 bước, khách sạn có thể tối ưu hóa hiệu suất khai thác tài sản, nâng cao chỉ số RevPAR và khẳng định vị thế dẫn đầu trong phân khúc khách sạn boutique 5 sao tại thủ đô Hà Nội.