新冠狀病毒疫情下的飯店表現(2019年~2021年)

自新型冠狀病毒發生之後,台灣的飯店從一開始的觀望,到後來隨著疫情逐漸嚴重,部分旅館轉為防疫旅館,但有不少老字號星級飯店宣布倒閉,更多的飯店則凍結或裁撤人事、關閉部分樓層,節省開銷。
現在疫情仍舊不樂觀,台灣施打疫苗的比率佔台灣人口的0.26%,何時可以迎來旅客入住,就看疫情何時可以結束。

在這麼艱困的期間,我們來看看台灣哪些飯店仍舊表現相對亮眼,比其他業者獲得更多房間訂單。

2019年房間營收排名前20的飯店
2020年房間營收排名前20的飯店
2021年房間營收排名前20的飯店

台灣的新冠肺炎疫情是從2020年1月21日發生第一起境外移入病例,而中國是在自2019年12月26日開始發生新冠肺炎疫情。因此2019年的數據可以視為正常情況下的旅遊數據,而2021年5月28日新冠肺炎疫情達到最高點,因此從數據來看,我們來比較新冠肺炎對各家五星級飯店的影響,也想知道台灣的五星級飯店在面對嚴峻的新冠肺炎疫情時,誰才是真正的經營強者。

先看2019年到2021年都名列在前20名的飯店有哪些?

2019年~2021年飯店房間營收表現較佳的前20間飯店

從圖表來看,Hotel Crowne Plaza Tainan, an IHG hotel (台南大員皇冠假日酒店)在疫情之後反而表現更好,其次為Hotel Hôtel de Ľeau (安平留飯店)、高雄國賓大飯店、台北凱達大飯店跟板橋凱撒大飯店。比較特別的是Hotel Crowne Plaza Tainan, an IHG hotel (台南大員皇冠假日酒店) 竟然可以在疫情時表現比疫情之前更好。

以疫情期間表現排名較佳的飯店,台北佔55%,高雄跟台南都是分別為15%

對於遭受新冠肺炎打擊的五星級飯店,我們也想知道為何某些飯店可以比其他五星級飯店獲得更多訂單?可能的因素包括旅遊人潮受到疫情影響而移動、網路聲量(含媒體曝光、促銷活動、新聞)等。

從房間銷售量與網路聲量關係圖來看,兩者之間沒有關聯

不過從上面的散佈圖來看,房間營業額與網路聲量並沒有相關聯。飯店的網路聲量多寡,與房間營收沒有關聯。從平均來看,每一家飯店的網路聲量都相差不多,代表每一家飯店都有在做媒體曝光,只是媒體曝光確影響不了房間的銷售營業額。

從觀光局統計資料,台南五星級飯店可分配的人潮最多。

上面圖表可以得知如果以人潮來評估,台南的五星級飯店可以分配到的人潮最多,Hotel Crowne Plaza Tainan, an IHG hotel (台南大員皇冠假日酒店)是在台南,因此觀光人潮與五星級飯店房間營收有相關。

但台南本身是一個地區範圍很大的地方,主要的五星級飯店都在市區,但主要的旅遊景點都不在市區,因此旅遊人潮無法分辨出飯店地理位置與旅遊景點之間的關聯。

旅遊人潮無法分辨出飯店地理位置與旅遊景點之間的關聯

接著我們分析飯店房價與銷售量的關係圖,由於台南的五星級飯店有不少間,我們把他們的價格整理出來,看價格是否會影響到銷售量。

從圖表來看,台南大員皇冠假日酒店的價格是最高的,跟香格里拉台南遠東國際大飯店接近,但安平留飯店的價格卻是五家飯店中最低的,故價格與銷售量無直接關係。

從圖表分析結果,Hotel Crowne Plaza Tainan an IHG hotel (台南大員皇冠假日酒店)並不是因為價格最低而獲得最多的房間銷售,Hotel Hôtel de Ľeau (安平留飯店)也不是因為價格最高而獲得次多的房間銷售,故價格高低並非影響房間銷售的主要原因。換個角度說,每一個區域的市場,價格定位已經趨於穩定,很難因為價格對消費者產生重大的影響。

台南遠東香格里拉飯店的會員關係最強烈,遠勝過其他五星級飯店。

從飯店會員關係與房間銷售量來看,兩者並無直接正相關。以台南地區的五星級飯店,香格里拉台南遠東國際大飯店的會員關係最穩固,但是在疫情期間,房間銷售量並沒有超過Hotel Crowne Plaza Tainan an IHG hotel (台南大員皇冠假日酒店)。

從飯店成立年份來看,似乎有一點關係,房間銷售量較高的飯店,都是較新的飯店。

從飯店成立時間圖表關係來看,新的飯店與較多的房間營收之間似乎是有正相關的。難道對於五星級飯店來說,消費者都會傾向去住較新的飯店嗎?從上面的分析來看,幾個我們認為較相關的因素如價格、評分、地理位置、網路聲量,透過數據分析之後卻發現並沒有產生正相關,而有正相關的因素卻是人潮趨勢跟飯店的新舊。人潮的趨勢是因為疫情關係,導致人潮從北部疫情區移往較為安全的南部區域,而飯店新舊對大部分住飯店的人來說,如果付出一樣的價錢,大部分旅客會考慮住較新的飯店,而舊飯店似乎對旅客而言就失去了吸引力。這次的分析只是針對新冠肺炎疫情期間的各家飯店表現,由於新冠肺炎疫情只是特殊情況,在沒有新冠肺炎疫情的情況下,消費者的選擇又會不同,人潮流動也會不同。因此這篇文章只是當作一個數據分析的範例,供大家參考。分析過程中有許多數據不全的問題,但從大數據角度來看,數據不全是正常的,因為是從整體數據來挖掘有用的資訊,並非要100%正確的數據。