Top 5 This Week

Related Posts

SiteMinder Luncurkan Mesin AI untuk Optimalkan Distribusi dan Pendapatan Hotel

Jakarta, propertyandthecity.com — SiteMinder meluncurkan Dynamic Commerce Engine, sistem berbasis kecerdasan buatan yang dirancang untuk membantu hotel mengoptimalkan penetapan harga, ketersediaan kamar, dan distribusi melalui kanal pemesanan daring.

Produk tersebut tidak hanya menghasilkan rekomendasi harga berdasarkan perubahan permintaan. SiteMinder menyatakan teknologi ini juga dapat mengidentifikasi masalah pada fondasi distribusi hotel, seperti koneksi kanal yang terputus dan tipe kamar yang belum terpetakan dengan benar.

Masalah tersebut dapat menyebabkan kamar tidak muncul di kanal tertentu, informasi ketersediaan tidak akurat, atau harga kamar gagal ditampilkan kepada calon tamu.

Dynamic Commerce Engine menggunakan machine learning dan kecerdasan buatan untuk menganalisis data ketersediaan, harga, dan inventaris kamar. Sistem kemudian memberikan rekomendasi optimasi yang dapat ditinjau oleh pengelola hotel.

Setiap perubahan tidak langsung diterapkan secara otomatis. Pengguna tetap dapat memeriksa dan menyetujui rekomendasi sebelum sistem menjalankannya.

CEO dan Managing Director SiteMinder, Sankar Narayan, mengatakan hotel menghadapi perubahan kondisi pasar yang cepat, tetapi tidak selalu memiliki sumber daya untuk menyesuaikan strategi komersial secara berkelanjutan.

“Hotel ingin mengikuti perkembangan lanskap pariwisata yang terus berubah, namun mereka tidak selalu memiliki waktu atau sumber daya untuk melakukannya,” kata Sankar dalam keterangan tertulis, Senin (29/9/2026).

Menurut dia, keterbatasan tersebut menimbulkan kesenjangan antara strategi yang ingin dijalankan hotel dan tindakan yang benar-benar dapat diterapkan.

“Dynamic Commerce Engine dari SiteMinder menunjukkan bahwa AI tidak hanya dapat membantu hotel mengidentifikasi peluang, tetapi juga membantu menutup kesenjangan antara rekomendasi dan pelaksanaannya, dengan tetap memastikan pengelola hotel memegang kendali penuh,” ujarnya.

Analisis Hampir 4 Miliar Sinyal Data

SiteMinder menyebut model machine learning dalam platformnya akan menganalisis hampir empat miliar sinyal mengenai availability, rates, and inventory atau ARI.

Data tersebut digunakan untuk mengidentifikasi peluang optimasi yang dinilai relevan bagi setiap properti.

Menurut keterangan perusahaan, platform SiteMinder telah digunakan oleh pengelola sekitar 56.000 properti. Sistemnya disebut mengelola sekitar 2,6 juta kamar, 140 juta pemesanan, dan 300 juta malam menginap setiap tahun.

Skala data tersebut menjadi fondasi bagi Dynamic Commerce Engine untuk mengenali pola permintaan, perubahan ketersediaan kamar, dan kendala pada koneksi distribusi.

Sankar mengatakan pengembangan teknologi komersial hotel selama ini terlalu banyak berfokus pada penetapan harga. Padahal, distribusi menjadi bagian penting karena menentukan apakah calon tamu dapat menemukan kamar, memperoleh informasi yang tepat, dan melihat harga yang tersedia.

“Penetapan harga tidak boleh menjadi satu-satunya fokus. Perhatian yang sama perlu diberikan pada fondasi distribusi di bawahnya karena hal tersebut berdampak langsung pada pengalaman tamu,” katanya.

Ia menambahkan, distribusi yang terkelola dengan baik membantu calon tamu mengetahui ketersediaan kamar dan menemukan harga yang sesuai dengan kebutuhannya.

Baca Juga: Perjalanan Dinas Bisa Diselingi Liburan, Perhatikan Tiga Hal Ini!

Informasi Tidak Akurat Picu Pembatalan

Peluncuran Dynamic Commerce Engine dilakukan ketika konsistensi informasi hotel di kanal daring semakin memengaruhi keputusan calon tamu.

Berdasarkan penelitian SiteMinder terhadap lebih dari 12.000 wisatawan di 14 negara, termasuk Indonesia, sebanyak 51,4 persen responden mengaku pernah membatalkan pemesanan hotel secara daring karena mengalami proses pencarian atau pemesanan yang buruk.

Sebanyak 26,5 persen responden menyatakan keputusan pembatalan dipengaruhi oleh ulasan, foto, atau informasi hotel yang dianggap tidak dapat dipercaya.

Salah seorang pelanggan hotel, Kamilia Rudolf, mengatakan informasi yang tidak lengkap membuat calon tamu harus mencari sumber pembanding sebelum mengambil keputusan.

“Ketika informasi di internet tidak lengkap atau foto yang ditampilkan tidak menggambarkan kondisi hotel yang sebenarnya, saya menghabiskan banyak waktu untuk mencari ulasan atau video tur kamar dari wisatawan lain sebelum memutuskan apakah akan memesan,” kata Kamilia.

Temuan tersebut menunjukkan bahwa optimalisasi distribusi hotel tidak hanya berkaitan dengan jumlah kanal penjualan. Akurasi informasi, pemetaan tipe kamar, ketersediaan inventaris, dan kesesuaian harga juga memengaruhi pengalaman calon tamu sebelum pemesanan dilakukan.

+ posts

TINGGALKAN KOMENTAR

Silakan masukkan komentar anda!
Silakan masukkan nama Anda di sini

Popular Articles