10 ตัวเลขที่สำคัญที่ผู้บริหารโรงแรมควรเข้าใจ
10 ตัวเลขสำคัญที่เจ้าของโรงแรม
ต้องอ่านเป็น — ไม่ใช่แค่ดู
Dashboard สวยงามไม่ใช่คำตอบ ถ้าคุณยังอ่านตัวเลขไม่ออกว่ามันกำลังบอกอะไร และควรทำอะไรตอนนี้
“Dashboard สวยแต่ตัดสินใจผิด เพราะอ่านตัวเลขไม่เป็น”
— ปัญหาที่พบบ่อยที่สุดในโรงแรมอิสระขนาดเล็ก-กลางทั่วประเทศไทยในยุคที่ PMS ทุกเจ้าสร้าง Dashboard สวยงาม มี Chart เคลื่อนไหว มีสีแดง-เขียว-เหลือง Flash ตลอดเวลา เจ้าของโรงแรมจำนวนมากคุ้นเคยกับการ ดู ตัวเลข แต่ยังไม่ถนัดในการ อ่าน ตัวเลข
“ดู” คือการรับรู้ว่า Occupancy วันนี้ 72% — “อ่าน” คือการเข้าใจว่า 72% นั้น ดีหรือแย่ เมื่อเทียบกับอะไร บอกอะไรเกี่ยวกับสัปดาห์หน้า และควรทำอะไรตอนนี้
บทความนี้จะไม่พูดถึง Occupancy Rate หรือ ADR แบบพื้นฐาน แต่จะพาไปดู 10 ตัวเลขที่ซับซ้อนกว่านั้น ที่มีความเชื่อมโยงกัน มีสัญญาณเตือน และถ้าอ่านเป็น จะเปลี่ยนการตัดสินใจของคุณได้อย่างสิ้นเชิง
ตัวเลขในโรงแรมไม่ได้อยู่โดดๆ — มันเชื่อมกันเป็นระบบ และสัญญาณเตือนที่แท้จริงมักซ่อนอยู่ใน ความสัมพันธ์ระหว่างตัวเลข ไม่ใช่ตัวเลขเดี่ยวๆ
RevPAR ที่คุณเห็นใน Dashboard บอกแค่ว่า “ได้เท่าไหร่” แต่ RevPAR Efficiency บอกว่า “ได้เท่าไหร่จากที่เป็นไปได้ทั้งหมด”
วิธีอ่าน
| Efficiency | ความหมาย |
|---|---|
| < 40% | Pricing Strategy มีปัญหาร้ายแรง หรือ Rack Rate ตั้งไม่สมเหตุสมผล |
| 40–55% | ยังมี Gap ที่ปิดได้ — ตรวจ Channel Mix และ Discount Policy |
| 55–70% | อยู่ในช่วงที่โรงแรมอิสระส่วนใหญ่ทำได้ |
| > 70% | Revenue Management ทำงานดี — รักษาระดับนี้ไว้ |
เชื่อมกับตัวเลขอื่นอย่างไร
- RevPAR Efficiency ต่ำมักมาพร้อม OTA Discount Dependency สูง — โรงแรมกด Rate ใน OTA เพื่อแย่ง Ranking
- Cancellation Rate สูง ทำให้โรงแรมตอบสนองด้วยการลด Rate แบบ Reactive แทนที่จะแก้ต้นเหตุ
- ALOS สั้นกว่าปกติ — Guest ที่จ่ายน้อยมักอยู่สั้น กดค่าเฉลี่ยลงพร้อมกัน
- RevPAR Efficiency ลดลงติดต่อกัน 3 เดือน โดยที่ Occupancy ไม่ได้ลด → สัญญาณว่า Pricing กำลังถูก Erode
- Gap ระหว่าง Rack Rate กับ ADR จริง เกิน 50% → ต้อง Review Rate Structure ทันที
- Efficiency High Season ต่ำกว่า Low Season → ตั้งราคา High Season ต่ำเกินไป หรือให้ Discount ในช่วงที่ไม่ควรให้
เมื่อ Revenue เพิ่ม ไม่ได้แปลว่ากำไรจะเพิ่มในสัดส่วนเดียวกัน Flow-Through Rate บอกว่า Revenue ที่เพิ่มขึ้น 1 บาท แปลงเป็น GOP ได้เท่าไหร่
ตัวอย่าง: Revenue เพิ่ม ฿500,000 แต่ GOP เพิ่มแค่ ฿80,000 → Flow-Through = 16%
วิธีอ่าน
| Flow-Through | ความหมาย |
|---|---|
| > 60% | ยอดเยี่ยม — Cost Structure มีประสิทธิภาพสูง |
| 40–60% | ระดับที่รับได้สำหรับโรงแรมขนาดเล็ก |
| 20–40% | ต้องตรวจสอบ Fixed Cost และ Variable Cost |
| < 20% | อันตราย — Revenue โตแต่กำไรไม่โต บ่งชี้ Cost ที่ควบคุมไม่ได้ |
เชื่อมกับตัวเลขอื่นอย่างไร
- Labor Cost บาน — เปิด Revenue จากการเพิ่ม Capacity แต่ Staff ไม่ได้ Adjust ตาม Demand
- Fixed Cost Base สูงเกินไป — ค่าเช่า ค่าเสื่อม ดอกเบี้ย กิน Revenue ที่เพิ่มมาเกือบหมด
- Revenue เพิ่ม 3 เดือนติด แต่ GOP ไม่เพิ่ม หรือลด → ต้อง P&L Analysis ทันที
- Flow-Through ต่ำกว่า 30% ใน High Season ซึ่งควรเป็นช่วง Fixed Cost Absorption ดีที่สุด → ปัญหาเชิงโครงสร้าง
- Flow-Through เดือนที่ Revenue สูงต่ำกว่าเดือน Revenue ปกติ → มีต้นทุนที่โตตาม Volume แต่ยังไม่ได้แก้
CPOR คือต้นทุนทั้งหมดที่เกิดขึ้นเพื่อให้ห้องหนึ่งห้องถูก Occupied ได้หนึ่งคืน CPOR vs. ADR Spread คือ Contribution Margin ที่แท้จริงต่อห้องหนึ่งคืน
Spread = ADR − CPOR = Contribution Margin ต่อห้อง/คืน
ตัวอย่าง: โรงแรมบูทีค 30 ห้อง ADR ฿2,500
| Cost Component | ฿/คืน |
|---|---|
| ค่าแรงพนักงาน (แบ่งเฉลี่ย) | ฿480 |
| ค่าน้ำ-ไฟ-โทรศัพท์ | ฿180 |
| Amenities + Linen | ฿120 |
| OTA Commission (15%) | ฿375 |
| อาหารเช้า (Included) | ฿200 |
| CPOR รวม | ฿1,355 |
| Spread (ADR − CPOR) | ฿1,145 |
| Contribution Margin % | 45.8% |
- CPOR เกิน 55% ของ ADR → Margin บีบแคบเกินไป ต้องเลือก: ขึ้น Rate หรือลด Cost
- CPOR เพิ่มขึ้น QoQ แม้ Occupancy ไม่ได้ลด → มีต้นทุนรั่วไหลหรือ Supplier Price ขึ้น
- Spread ต่ำกว่า ฿500/คืน สำหรับโรงแรมระดับกลาง → ไม่มี Buffer สำหรับต้นทุนที่ไม่คาดคิด
Booking Pace คือการวัดว่า ณ วันนี้ โรงแรมมี Reservation สำหรับช่วงเวลาในอนาคตอยู่เท่าไหร่ เทียบกับ Same Time Last Year (STLY) Pick-Up Velocity คือ Rate ที่ Reservation เพิ่มขึ้นต่อสัปดาห์
ตัวอย่าง: Pace Report ณ วันที่ 1 กุมภาพันธ์
| Period | On-the-Books วันนี้ | STLY วันนี้ | Pace Variance |
|---|---|---|---|
| 14–21 ก.พ. | 68% | 71% | -3% |
| 22–28 ก.พ. | 42% | 55% | -13% |
- Pace ช้า + Cancellation Rate สูง = มี Booking น้อยอยู่แล้ว และที่มีก็ยังมีความเสี่ยง Cancel
- Pace เร็ว + ADR ต่ำ = ขายเร็วแต่ขายถูก → พิจารณา Close Discounted Rate รอ Demand จริง
- Pace ช้าแต่ Lead Time สั้นตามธรรมชาติ = อาจเป็นเรื่องปกติ บาง Segment จองล่วงหน้าสั้น
- Pace Variance ต่ำกว่า STLY เกิน -20% ก่อน Check-in Date 3 สัปดาห์ → เปิด Promotion หรือเพิ่ม Marketing ทันที อย่ารอ
- On-the-Books เกิน 80% แล้ว 4 สัปดาห์ล่วงหน้า → หยุด Discount ทันที เริ่ม Yield ขึ้น
- Pick-Up Velocity หยุดนิ่ง 2 สัปดาห์ติด ทั้งที่ยังมี Inventory เหลือ → ตรวจ OTA Listing, Rate Competitiveness
RevPAR ที่คุณเห็นใน PMS คือตัวเลข Gross — ยังไม่ได้หัก OTA Commission, Credit Card Fee ฯลฯ Net RevPAR คือสิ่งที่ “เข้ากระเป๋า” จริงๆ ต่อห้องพร้อมจำหน่ายหนึ่งห้อง
Net RevPAR = Net ADR × Occupancy Rate
ตัวอย่าง: โรงแรม 50 ห้อง · ADR ฿2,800 · OCC 70%
| Channel | Rooms Sold | Gross Revenue | Commission | Net Revenue |
|---|---|---|---|---|
| OTA (65% share) | 22.75 | ฿63,700 | ฿10,829 (17%) | ฿52,871 |
| Direct (35% share) | 12.25 | ฿34,300 | ฿686 (2% CC) | ฿33,614 |
| รวม | 35 | ฿98,000 | ฿11,515 | ฿86,485 |
Gross RevPAR = ฿1,960 | Net RevPAR = ฿1,730 | ส่วนต่าง ฿230/ห้อง/คืน หรือเกือบ ฿345,000/เดือน ที่จ่ายให้ Distribution Channel
- OTA Share เกิน 70% ของ Total Revenue → Dependency สูงเกินไป แทบไม่มี Pricing Power
- Gross RevPAR เพิ่ม แต่ Net RevPAR ทรงตัวหรือลด → Channel Mix เปลี่ยนไปทาง OTA ต้อง Rebalance
- Net RevPAR ต่ำกว่า CPOR → ขายห้องแล้ว “ขาดทุน” บน Operating Basis
ไม่ใช่แค่ “Cancellation Rate กี่เปอร์เซ็นต์” แต่เป็นการ Map ว่า Guest Cancel ตอนไหนของ Booking Journey
| Lead Time เมื่อ Book | Cancel ก่อน Check-in | Risk Level |
|---|---|---|
| > 60 วัน | > 30 วัน | ปกติ — Speculative Booking |
| > 60 วัน | < 7 วัน | อันตราย — มีปัญหาแน่นอน |
| < 14 วัน | < 3 วัน | ตรวจ Non-refundable Policy |
- Cancellation Rate สูง + Booking Pace ช้า = Inventory ที่ “ถูกจอง” แต่ไม่ Confirm ขาย Re-inventory ไม่ทัน
- Cancellation มาจาก OTA เป็นหลัก = Policy ใน Channel นั้น Flexible เกินไป ต้องปรับ
- Cancellation พุ่งขึ้นในช่วงเฉพาะ บ่งชี้ว่า Competitor ตัด Rate ดึง Guest → ตรวจ Rate Parity
- Cancellation Rate เกิน 25% ต่อเดือน → ต้อง Review Cancellation Policy และ Booking Terms ทันที
- Last-Minute Cancellations (< 48 ชม.) เพิ่มขึ้นกว่า 10% MoM → สัญญาณ Competitor มี Promotion รุนแรง
- Cancellation Rate ของ Channel หนึ่ง สูงกว่า Channel อื่นอย่างเห็นได้ชัด → ต้อง Review Policy ใน Channel นั้นโดยเฉพาะ
ดูแบบ แยกรายแผนก ไม่ใช่ภาพรวม เพราะแต่ละแผนกมี Benchmark ที่ต่างกัน และปัญหามักซ่อนอยู่ในแผนกเดียว ไม่ใช่ทั้งโรงแรม
Benchmark สำหรับโรงแรมบูทีคไทย
| Department | Benchmark |
|---|---|
| Rooms Division (Housekeeping + FO) | 20–28% |
| F&B Department | 28–35% |
| Engineering / Maintenance | 8–12% |
| Sales & Marketing | 5–10% |
| Total Hotel Average | 30–40% |
- Total Payroll Ratio เกิน 45% ติดต่อกัน 2 เดือน → ต้อง Workforce Planning ทันที
- Payroll ของแผนกใดแผนกหนึ่งเพิ่มขึ้น แต่ Revenue ของแผนกนั้นไม่เพิ่ม → Productivity Problem
- Payroll Ratio ต่ำผิดปกติ (< 22%) แต่ Guest Satisfaction Score ลด → Cut Staff มากเกินไปจนกระทบ Service
สัดส่วนของ In-house Guest ที่ใช้บริการ F&B ในโรงแรม — โรงแรมส่วนใหญ่เสียรายได้ส่วนนี้ไปโดยไม่รู้ตัว
RevPASH = F&B Revenue ÷ (จำนวน Seats × จำนวนชั่วโมงเปิด)
| Capture Rate | ความหมาย |
|---|---|
| < 40% | Guest ส่วนใหญ่ออกไปทานนอก — ตรวจ Food Quality, Price หรือ Awareness |
| 40–65% | ระดับปกติสำหรับโรงแรมที่ไม่ได้ Isolated |
| 65–80% | F&B ดึงดูดได้ดี — มักเกิดใน Location ห่างร้านอาหาร หรือ F&B มี Reputation |
| > 80% | สูงมาก — ตรวจว่า Guest มี Choice จริงหรือไม่ (Resort ที่อยู่โดดเดี่ยว) |
- F&B Capture Rate ลดลงเกิน 10% MoM โดยที่ Occupancy ไม่ได้ลด → มีปัญหาที่ F&B โดยตรง (Menu เบื่อ, ราคา, Service)
- Average Check Per Cover ลดลงต่อเนื่อง แม้ Capture Rate ทรงตัว → Guest มาแต่สั่งน้อยลง → ตรวจ Menu Engineering
- RevPASH ต่ำกว่า Benchmark แม้ Restaurant เต็ม → ปัญหา Table Turn Time
ตัวเลขที่บอกว่าโรงแรมทำกำไรจากการดำเนินงานได้เท่าไหร่ต่อห้องพร้อมจำหน่าย — ไม่ว่าจะขายได้หรือไม่ก็ตาม คือตัวเลขที่ รวม Revenue และ Cost Management ไว้ด้วยกัน ในตัวเดียว
GOP = Total Revenue − Total Operating Expenses (ยังไม่หัก CAPEX, ดอกเบี้ย, ภาษีเงินได้)
Benchmark ไทย — % ของ ADR
| Property Type | GOPPAR Target |
|---|---|
| Budget / Economy Hotel | 30–40% of ADR |
| Midscale Boutique | 35–45% of ADR |
| Upscale Independent | 40–50% of ADR |
| Luxury Boutique | 45–55% of ADR |
โรงแรมที่ RevPAR สูงแต่ GOPPAR ต่ำ = “ขายเก่งแต่ควบคุม Cost ไม่เป็น” GOPPAR คือผลลัพธ์รวมของตัวเลข 1–8 ทั้งหมด
- GOPPAR ลดลง QoQ แม้ RevPAR ไม่ได้ลด → Cost กำลังขยาย ต้อง Cost Audit ทันที
- GOP ติดลบ 2 เดือนติดต่อกัน → ต้องประชุม Emergency — โรงแรมกำลัง Bleed
- GOPPAR Variance vs. Budget เกิน -20% → ต้อง Reforecast และ Adjust Action Plan สำหรับ Quarter ที่เหลือ
ไม่ใช่แค่ดูว่า Guest อยู่นานกี่คืน แต่ต้องวิเคราะห์ว่า Guest ที่อยู่นานกว่า จ่าย ADR สูงกว่าหรือต่ำกว่า — และ Trade-off นั้นคุ้มค่าหรือไม่
Revenue Per Booking = ADR × ALOS
ตัวอย่าง: โรงแรม Resort ชายทะเล
| ALOS | % Bookings | ADR เฉลี่ย | Revenue Per Booking |
|---|---|---|---|
| 1 คืน | 22% | ฿3,200 | ฿3,200 |
| 2 คืน | 35% | ฿2,900 | ฿5,800 |
| 3 คืน | 28% | ฿2,700 | ฿8,100 |
| 4+ คืน | 15% | ฿2,500 | ฿10,000+ |
ADR ลดตาม ALOS แต่ Revenue Per Booking เพิ่มขึ้นมาก — บ่งชี้ว่าการดึง Guest ให้อยู่ 3–4 คืน (แม้ Rate ต่ำกว่า) ให้ Total Revenue ต่อ Booking สูงกว่าการ Maximize ADR ต่อคืน
- ALOS ต่ำกว่า 1.5 คืนในโรงแรม Resort → Marketing ดึง Segment ผิด ควรได้ Leisure แต่ได้ One-night Stopper
- ALOS เพิ่มขึ้น แต่ ADR ลดลงมากกว่า Proportional → มีการ Discount Long Stay มากเกินไป
- ALOS ลดลงพร้อมกับ Booking Pace เร่งขึ้น → อาจเกิดจาก Event Demand ระยะสั้น ต้องตรวจ Event ในพื้นที่
โรงแรมที่ดำเนินงานด้วยข้อมูลจริงจะมีความได้เปรียบเชิงการแข่งขันที่ชัดเจน เพราะทุกการตัดสินใจมี Foundation ไม่ใช่แค่ความรู้สึก
“Occupancy ดีขึ้นแล้ว น่าจะโอเค”
“Revenue เดือนนี้สูงสุดเป็นประวัติการณ์”
“ลูกค้า Cancel เยอะ ก็ช่วยไม่ได้”
“Occupancy ดีขึ้น แต่ Net RevPAR ลด เพราะ OTA Share เพิ่ม ต้องปรับ Channel Mix”
“Revenue สูงสุด แต่ Flow-Through ต่ำ แปลว่า Cost โตเร็วกว่า Revenue ต้องหาว่า Cost ตัวไหน”
“Cancellation 80% มาจาก OTA ที่ตั้ง Free Cancellation ต้องปรับ Policy และเพิ่ม Non-refundable Rate”
10 ตัวเลขนี้ไม่ใช่สิ่งที่ต้องจำ — แต่เป็นสิ่งที่ต้องฝึกอ่านทุกสัปดาห์ จนกระทั่งคุณมองเห็น Pattern และสัญญาณเตือน ก่อนที่ปัญหาจะบานปลาย
นั่นคือความแตกต่างระหว่างเจ้าของที่ “ดูตัวเลข” กับเจ้าของที่ “บริหารด้วยตัวเลข”
