一、预测方法概览
酒店市场需求，即酒店客房需求预测的方法多种多样。根据预测方法的严谨程度，可以分为非正式预测和正式预测两大类。
（一）非正式预测方法
非正式预测是以直觉或主观判断为依据进行预测的方法。用这种方法进行预测的结果常常容易出现两种极端——要么很准确，要么与实际情况偏差很大。因此，使用非正式预测进行客房需求预测，存在很大的风险。
（二）正式预测方法
与非正式预测相反，正式预测是以深入的市场调查与全面的意见征集或充分的数据收集、科学的预测模型为基础的，是更具科学性、严谨性的预测方法。由于以足够的数据资料为支持，且预测过程更加客观严谨，正式预测的结果通常比非正式预测更加可靠。当然，由于影响客源市场的因素很多，所收集的数据资料也不可能完全理想，且参与预测的人或使用的预测模型也不可能面面俱到，所以，正式预测的结果依然会与现实之间存在一定的偏差。尽管如此，酒店收益管理者还是应该采用正式预测替代非正式预测来进行客房需求预测。
正式预测方法包括定性预测、定量预测，以及新近兴起的大数据预测方法。
定性预测是指通过社会调查，采用已有的历史资料和现实资料，结合人们的经验加以综合分析，进而对预测的对象、内容做出判断，其本质是以市场调研为基础的判断分析法（祖长生，2021）。该方法适合在缺乏量化数据或分析过程中存在难以量化的因素时使用。例如，兴建酒店前的投资规划，可行性分析所涉及的市场需求预测，只能以市场调研和区域同行的数据为依据，通过专家的经验和分析进行定性判断。又如，新开业的酒店，没有历史运营数据，客房需求预测也往往需要借助定性的预测方法。
常用的定性预测方法有市场调查法、集合意见法、德尔菲法、类比法等。
定量预测法是以历史数据、当前数据为基础，借助数理统计原理，通过运用数学公式、建立数学模型，对预测指标进行量化推断的方法。在酒店客房需求预测中，常见的定量预测方法有因果预测、时间序列预测、基于预订进度的预测等方法。
大数据预测是大数据最核心的应用。神经网络、专家系统、信念网络、机器学习等，都是与大数据预测相关的方法。当确切的关系未知时，大数据预测具有很大的优势。但是，由于多重共线性、过拟合、偏差方差困境等的存在，大数据预测方法可能落入“拟合陷阱”——它们完美地解释了现在，但不能预测未来。此外，大数据预测也还面临着一些伦理困境，如结果预判挑战自由、信息披露挑战尊严、信息垄断挑战公平及固化标签挑战正义等。
上述这些方法（见表4-19），有其各自的优势和局限，酒店收益管理者应根据自身的实际和需要来选择合适的方法。
表4-19 预测方法概览
（三）预测方法的选择原则
一般而言，酒店客房需求预测方法的选择可从以下三个方面来综合考虑（祖长生，2016）。
一是要考虑预测方法与预测指标的适应性。不同性质的预测指标，与其对应的预测方法可能不同。例如，酒店餐厅的需求量通常受到客房预订量的影响，因此，以客房预订量为自变量，采用因果预测法来预测酒店餐厅的需求具有合理性；反之，则不然。
二是要考虑预测方法与预测周期的匹配度。按照时间长短，可将预测周期分为短期、中期和长期。即便是同一个预测指标，预测周期不同，适用的方法往往也不同。例如，客房需求量的短期预测，可采用移动平均法、基于预订进度的加法或乘法预测等。客房需求量的长期预测，二次移动平均法、二次指数平滑法、回归分析法、类比法等往往具有较好的预测效果。
三是要考虑预测方法的可行性。随着预测技术的发展，预测方法层出不穷，然而，并不是所用方法越新或者模型越复杂，预测结果就越准确。一些复杂的模型，对数据的要求往往比较高。如果不能提供符合要求的数据，采用复杂模型预测出的结果未必能达到相应的精度要求，甚至有可能得出完全错误的预测结果。如果那些简单易行的方法也能得到符合精度要求的预测结果，酒店收益管理者不妨以这些方法的结果作为决策的参考。这样，收益管理者可以把预测环节节省下来的时间，用于决策方案的制定、优选和执行，从而提高整个收益管理工作的效率。当然，如果酒店已经采用了先进的收益管理系统来进行预测，收益管理者的预测工作会轻松很多。不管怎样，对于收益管理者而言，掌握酒店需求预测的常用方法还是非常必要的。即便是在采用收益管理系统进行辅助决策的情况下，酒店收益管理者也有必要了解系统运行的内在逻辑。否则，收益管理者可能沦为软件的工具，背离了软件为管理者服务的初衷。