Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Understanding customer's online booking intentions using hotel big data analysis

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F25619161%3A_____%2F22%3AN0000004" target="_blank" >RIV/25619161:_____/22:N0000004 - isvavai.cz</a>

  • Nalezeny alternativní kódy

    RIV/25619161:_____/22:N0000063

  • Výsledek na webu

    <a href="https://journals.sagepub.com/doi/10.1177/13567667221122107" target="_blank" >https://journals.sagepub.com/doi/10.1177/13567667221122107</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1177/13567667221122107." target="_blank" >10.1177/13567667221122107.</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Understanding customer's online booking intentions using hotel big data analysis

  • Popis výsledku v původním jazyce

    The presented article focuses on the issue of customer segmentation in the hospitality industry and its use for price optimisation. To identify the market segments article uses the Two-Step cluster analysis. The analysis was based on the seven variables (length of stay, average room rate, distribution channel, reservation day, day of arrival, lead time and payment conditions). Six clusters were identified as following segments: Corporates, Early Bird Bookers, Last Minute Bookers, Product Seekers, Values Seekers and Last Minute Bookers. To optimise the price for these segments, article works with the coefficient of price elasticity of demand for the presented market segments. The price elasticity of demand is measured by the log-log regression analysis. Data were colected from the four-star hotel in Prague, Czech Republic and analysis is based on more than 9000 transactions. Last minute bookers segment was the only one with the positive coefficient of price elasticity and has the lowest value of lead time (9,27 in average). Product seekers have the highest coefficient of price elasticity (−3,413) and highest average room rate (3573 CZK in average). Early bird bookers, Long time stayers, Corporates and Value seekers was identified as pricely inelastic.

  • Název v anglickém jazyce

    Understanding customer's online booking intentions using hotel big data analysis

  • Popis výsledku anglicky

    The presented article focuses on the issue of customer segmentation in the hospitality industry and its use for price optimisation. To identify the market segments article uses the Two-Step cluster analysis. The analysis was based on the seven variables (length of stay, average room rate, distribution channel, reservation day, day of arrival, lead time and payment conditions). Six clusters were identified as following segments: Corporates, Early Bird Bookers, Last Minute Bookers, Product Seekers, Values Seekers and Last Minute Bookers. To optimise the price for these segments, article works with the coefficient of price elasticity of demand for the presented market segments. The price elasticity of demand is measured by the log-log regression analysis. Data were colected from the four-star hotel in Prague, Czech Republic and analysis is based on more than 9000 transactions. Last minute bookers segment was the only one with the positive coefficient of price elasticity and has the lowest value of lead time (9,27 in average). Product seekers have the highest coefficient of price elasticity (−3,413) and highest average room rate (3573 CZK in average). Early bird bookers, Long time stayers, Corporates and Value seekers was identified as pricely inelastic.

Klasifikace

  • Druh

    J<sub>imp</sub> - Článek v periodiku v databázi Web of Science

  • CEP obor

  • OECD FORD obor

    50204 - Business and management

Návaznosti výsledku

  • Projekt

  • Návaznosti

    N - Vyzkumna aktivita podporovana z neverejnych zdroju

Ostatní

  • Rok uplatnění

    2022

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název periodika

    Journal of Vacation Marketing

  • ISSN

    1356-7667

  • e-ISSN

  • Svazek periodika

    13

  • Číslo periodika v rámci svazku

    1

  • Stát vydavatele periodika

    US - Spojené státy americké

  • Počet stran výsledku

    4

  • Strana od-do

    135-138

  • Kód UT WoS článku

    000847837600001

  • EID výsledku v databázi Scopus

    2-s2.0-85138314586