Hotel demand forecasting: a comprehensive literature review

• Published in: Tourism review (Association internationale d'experts scientifiques du tourisme) 2023-01, Vol.78 (1), p.218-244
• Main Authors: Huang, Liyao, Zheng, Weimin
• Format: Article
• Language: English
• Subjects: Big Data; Forecasting; Hospitality industry; Hotels & motels; Literature reviews; Research methodology; Revenue management; Seasonal variations; Tourism; Trends
• ISSN: 1660-5373; 1660-5373; 1759-8451
• DOI: 10.1108/TR-07-2022-0367

Purpose This study aims to provide a comprehensive review of hotel demand forecasting to identify its key fundamentals and evolution and future research directions and trends to advance the field. Design/methodology/approach Articles on hotel demand modeling and forecasting were identified and rigorously selected using transparent inclusion and exclusion criteria. A final sample of 85 empirical studies was obtained for comprehensive analysis through content analysis. Findings Synthesis of the literature highlights that hotel forecasting based on historical demand data dominates the research, and reservation/cancellation data and combined data gradually attracted research attention in recent years. In terms of model evolution, time series and AI-based models are the most popular models for hotel demand forecasting. Review results show that numerous studies focused on hybrid models and AI-based models. Originality/value To the best of the authors’ knowledge, this study is the first systematic review of the literature on hotel demand forecasting from the perspective of data source and methodological development and indicates future research directions. 目的 本研究旨在对酒店需求预测进行全面回顾, 以确定其关键基础和演变以及未来的研究方向和趋势, 以推动该领域的发展。 设计/方法/方法 使用严格和透明的纳入和排除的标准对酒店需求建模和预测的文章进行识别和选择。通过内容分析, 最终有 85个实证研究作为综合分析的样本。 研究结果 综合文献发现, 基于历史需求数据的酒店预测在研究中占主导地位, 近年来预订/取消数据和组合数据逐渐引起研究关注。在模型演化方面, 时间序列和基于人工智能的模型是最受欢迎的酒店需求预测模型。审查结果表明, 许多研究都集中在混合模型和基于 AI 的模型上。 原创性/价值 本研究是第一次从数据源和方法发展的角度对酒店需求预测文献进行系统回顾, 并指出未来的研究方向。 Propósito Este estudio tiene como objetivo proporcionar una revisión amplia de la previsión sobre la demanda hotelera a la hora de identificar sus fundamentos clave, la evolución y las direcciones y tendencias de investigación futuras para avanzar en el campo de estudio. Diseño/metodología/enfoque Se identificaron y seleccionaron de forma rigurosa artículos sobre modelado y previsión de la demanda hotelera utilizando criterios transparentes de inclusión y exclusión. Se obtuvo una muestra final de 85 estudios empíricos para su análisis integral a través del análisis de contenido. Hallazgos La síntesis de la literatura destaca que la previsión hotelera basada en datos históricos de demanda ha dominado la investigación, y los datos de reserva/cancelación, así como los datos combinados han atraído gradualmente en los últimos años la atención de la investigación. En términos de evolución del modelo, las series temporales y los modelos basados en IA son los modelos más populares para la previsión de l