影刀RPA实操指南：酒店OTA多平台房态价格同步与预订自动化
一、痛点切入：酒店OTA运营的"切屏地狱"
开过酒店的人才知道，OTA运营是门"苦力活"。
一家中等规模（100-150间房）的酒店，通常同时入驻了携程、美团、飞猪、去哪儿、同程、艺龙等6-8个平台。每天运营人员的工作循环是：
- 早上8:00 — 打开携程后台，查看昨晚的预订情况，确认今天剩余可售房数
- 打开美团后台 — 重复以上操作，手动修改剩余房数
- 打开飞猪后台 — 重复以上操作
- 打开去哪儿后台 — 重复以上操作
- ……循环，直到所有平台的房态和价格同步完毕
然后是价格调整：
- 淡季要降价促销 → 每个平台逐条修改促销价格
- 旺季要上调价格 → 每个平台逐房型调整
- 节假日特殊定价 → 设置加价规则
- 竞争酒店降价 → 跟进调整
还有预订确认——虽然系统可以自动确认，但超时未确认的订单会降低酒店排名，所以运营人员需要盯着"待确认"列表，手动加速处理。
整个流程下来，一个OTA运营人员每天花在"切屏同步"上的时间约4-6小时。而且手动操作极易出错——房态少改了1间，旺季可能导致超售引发客诉；价格小数点标错了，直接损失收入。
二、核心方法：四步构建酒店自动化运营系统
【房态同步】→ 【价格同步】→ 【预订确认】→ 【入住提醒】
↓ ↓ ↓ ↓
多平台库存 多平台价格 自动确认/ 短信/APP
[video(video-ZC1J9f8T-1785343212456)(type-csdn)(url-https://live.csdn.net/v/embed/525010)(image-https://v-blog.csdnimg.cn/asset/f4faa587144cb7070f19e8b36813806b/cover/Cover0.jpg)(title-店群矩阵自动化突破运营极限！)]
统一管理 统一调整 超时告警 自动推送
第一步：多平台房态统一管理
房态同步的核心思路：以PMS（酒店管理系统）为唯一真实数据源，影刀RPA从PMS读取实时房态 → 自动同步到各OTA平台。
# -*- coding: utf-8 -*-
"""
酒店行业 - OTA多平台房态价格同步与预订自动化
作者：林焱
"""
import pandas as pd
import time
import logging
from datetime import datetime, timedelta
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s - %(message)s')
# ========== 1. 房态数据源（PMS系统） ==========
class PMSDataReader:
"""酒店PMS系统数据读取器"""
def __init__(self, pms_type='西软'):
"""
支持的PMS系统: 西软、中软、绿云、石基等
不同PMS的导出格式不同，这里以西软为例
"""
self.pms_type = pms_type
def read_room_status(self, date=None):
"""
从PMS读取指定日期的房态数据
返回 DataFrame:
房型 | 总房数 | 已售 | 维修 | 锁定 | 可用 | 门市价
"""
if date is None:
date = datetime.now().date()
try:
# 从PMS导出的房态报表中读取
# 实际场景通过影刀操作PMS的"导出"功能自动生成Excel
file_path = f'D:/酒店数据/PMS/房态报表_{date.strftime("%Y%m%d")}.xlsx'
df = pd.read_excel(file_path, sheet_name='房态')
# 标准化列名
column_mapping = {
'房型': 'room_type',
'总房数': 'total_rooms',
'已售房数': 'sold_rooms',
'维修房数': 'maintenance_rooms',
'可用房数': 'available_rooms',
'门市价': 'rack_rate',
}
df = df.rename(columns={k: v for k, v in column_mapping.items()
if k in df.columns})
# 计算可用房数（如果PMS没有直接提供）
if 'available_rooms' not in df.columns:
df['available_rooms'] = (
df['total_rooms'] - df['sold_rooms'] - df['maintenance_rooms']
)
logging.info(f"读取PMS房态: {date} — {len(df)} 个房型")
return df
except FileNotFoundError:
logging.error(f"PMS房态文件不存在: {file_path}")
return pd.DataFrame()
except Exception as e:
logging.error(f"读取PMS房态失败: {e}")
return pd.DataFrame()
# ========== 2. OTA平台房态同步 ==========
class OTARoomSync:
"""OTA平台房态同步器"""
# 各平台配置
PLATFORMS = {
'携程': {
'login_url': 'https://hotel.ctrip.com/ebk/',
'room_mgmt_url': 'https://hotel.ctrip.com/ebk/room/manage',
'field_selectors': {
'房型选择': 'select[name="room_type"]',
'可售房数': 'input[name="available_count"]',
'价格': 'input[name="sell_price"]',
'保存按钮': 'button.save-btn',
}
},
'美团': {
'login_url': 'https://e.meituan.com/hotel/',
'room_mgmt_url': 'https://e.meituan.com/hotel/room/inventory',
'field_selectors': {
'房型选择': '.room-type-select',
'可售房数': '.available-input input',
'价格': '.price-input input',
'保存按钮': '.save-button',
}
},
'飞猪': {
'login_url': 'https://hotel.fliggy.com/ebk/',
'room_mgmt_url': 'https://hotel.fliggy.com/ebk/room/stock',
'field_selectors': {
'房型选择': '#roomType',
'可售房数': '#availableRooms',
'价格': '#sellPrice',
'保存按钮': '#saveBtn',
}
},
}
def __init__(self):
self.drivers = {} # 每个平台一个浏览器实例
def sync_rooms(self, pms_data, platforms=None, dates=None):
"""
将PMS房态同步到各OTA平台
pms_data: PMS读取的房态数据
platforms: 要同步的平台列表（默认全部）
dates: 要同步的日期列表（默认未来30天）
"""
if platforms is None:
platforms = list(self.PLATFORMS.keys())
if dates is None:
dates = [datetime.now().date() + timedelta(days=i) for i in range(30)]
results = []
for platform in platforms:
logging.info(f"开始同步 {platform} 房态...")
config = self.PLATFORMS[platform]
try:
# 打开浏览器并登录
driver = webdriver.Chrome()
driver.get(config['login_url'])
WebDriverWait(driver, 15).until(
EC.presence_of_element_located((By.TAG_NAME, 'form'))
)
# 登录操作（需要使用酒店的账号密码）
self._login_platform(driver, platform)
# 同步每个日期的房态
for date in dates:
date_str = date.strftime('%Y-%m-%d')
# 导航到房态管理页面
driver.get(f"{config['room_mgmt_url']}?date={date_str}")
time.sleep(2)
# 遍历每个房型
for _, row in pms_data.iterrows():
room_type = row['room_type']
available = int(row['available_rooms'])
price = float(row['rack_rate'])
try:
# 选择房型
room_select = driver.find_element(
By.CSS_SELECTOR, config['field_selectors']['房型选择'])
room_select.click()
time.sleep(0.5)
room_option = driver.find_element(
By.XPATH, f'//option[contains(text(), "{room_type}")]')
room_option.click()
# 填写可售房数
available_input = driver.find_element(
By.CSS_SELECTOR, config['field_selectors']['可售房数'])
available_input.clear()
available_input.send_keys(str(available))
# 填写价格
price_input = driver.find_element(
By.CSS_SELECTOR, config['field_selectors']['价格'])
price_input.clear()
price_input.send_keys(str(price))
# 保存
save_btn = driver.find_element(
By.CSS_SELECTOR, config['field_selectors']['保存按钮'])
save_btn.click()
time.sleep(1)
results.append({
'平台': platform,
'日期': date_str,
'房型': room_type,
'可售': available,
'价格': price,
'状态': '成功',
'同步时间': datetime.now().strftime('%H:%M:%S')
})
logging.info(f" {date_str} {room_type}: 可售{available} 价格{price}")
except Exception as e:
results.append({
'平台': platform,
'日期': date_str,
'房型': room_type,
'状态': f'失败: {str(e)[:50]}'
})
logging.warning(f" {room_type} 同步失败: {e}")
continue
driver.quit()
except Exception as e:
logging.error(f"{platform} 同步异常: {e}")
continue
# 保存同步日志
df = pd.DataFrame(results)
log_path = f'D:/酒店数据/同步日志_{datetime.now().strftime("%Y%m%d%H%M")}.xlsx'
df.to_excel(log_path, index=False)
success_count = len(df[df['状态'] == '成功'])
logging.info(f"房态同步完成: {success_count}/{len(df)} 成功")
return df
def _login_platform(self, driver, platform):
"""登录特定平台"""
# 实际使用酒店的账号密码
# 这里展示登录逻辑框架
try:
if platform == '携程':
driver.find_element(By.ID, 'username').send_keys('hotel_account')
driver.find_element(By.ID, 'password').send_keys('hotel_password')
driver.find_element(By.ID, 'loginBtn').click()
elif platform == '美团':
# 美团通常扫码登录
# 影刀可以通过Cookie保持登录态
pass
elif platform == '飞猪':
pass
time.sleep(3)
logging.info(f"{platform} 登录成功")
except Exception as e:
logging.error(f"{platform} 登录失败: {e}")
raise
# ========== 3. 智能价格策略 ==========
class SmartPricingEngine:
"""
智能定价引擎
根据入住率、竞品价格、节假日等因素自动调整价格
"""
def calculate_optimal_price(self, room_type, date, occupancy_rate,
competitor_prices, is_holiday=False):
"""
计算最优价格
策略：
1. 基础价 = 门市价 * 基础折扣（平日0.85，周末0.9）
2. 入住率调整：
- <30%: 降价10%抢流量
- 30-60%: 维持基础价
- 60-80%: 涨价5%
- >80%: 涨价15%
3. 竞品调整：不高于竞品均价10%
4. 节假日加价：假日系数1.3-2.0
"""
base_price = self._get_base_price(room_type, date)
# 周末判断
is_weekend = date.weekday() >= 5
weekend_factor = 1.15 if is_weekend else 1.0
# 入住率系数
if occupancy_rate < 0.3:
occupancy_factor = 0.9 # 降价
elif occupancy_rate < 0.6:
occupancy_factor = 1.0
elif occupancy_rate < 0.8:
occupancy_factor = 1.08
else:
occupancy_factor = 1.2 # 涨价
# 节假日系数
holiday_factor = 1.5 if is_holiday else 1.0
# 竞品参考封顶
if competitor_prices:
avg_competitor = sum(competitor_prices) / len(competitor_prices)
competitor_cap = avg_competitor * 1.10 # 不高于竞品均价10%
else:
competitor_cap = float('inf')
# 计算价格
optimal = base_price * weekend_factor * occupancy_factor * holiday_factor
optimal = round(optimal / 10) * 10 # 取整到10元
optimal = min(optimal, competitor_cap) # 不超过竞品上限
return optimal
def collect_competitor_prices(self, competitor_hotels, date):
"""
采集竞品酒店价格
从各OTA平台采集指定酒店+日期的价格
competitor_hotels: [{'name': 'XX酒店', 'ctrip_id': '123'}, ...]
"""
prices = []
for hotel in competitor_hotels:
try:
# 在携程/美团/飞猪搜索该酒店并提取最低价
# 这里使用简化的模拟数据
# 实际场景：浏览器自动化搜索酒店 → 提取价格
price = self._scrape_hotel_price(hotel, date)
if price:
prices.append(price)
except:
continue
return prices
def _get_base_price(self, room_type, date):
"""获取基础门市价"""
# 从PMS读取
df = pd.read_excel('D:/酒店数据/PMS/门市价表.xlsx')
match = df[(df['房型'] == room_type)]
if not match.empty:
return float(match.iloc[0]['门市价'])
return 300 # 默认值
def _scrape_hotel_price(self, hotel, date):
"""爬取指定酒店在指定日期的价格"""
# 实际实现：浏览器自动化
return None # 简化处理
# ========== 4. 预订自动确认与入住提醒 ==========
class BookingManager:
"""预订管理器"""
def auto_confirm_bookings(self, platforms=None):
"""
自动确认预订订单
规则：
- 有库存 → 自动确认
- 库存紧张 → 人工确认
- 无库存 → 自动拒绝
"""
if platforms is None:
platforms = ['携程', '美团', '飞猪']
confirmed_count = 0
for platform in platforms:
# 获取待确认订单列表
pending_orders = self._get_pending_orders(platform)
for order in pending_orders:
# 检查库存
available = self._check_room_availability(
order['房型'], order['入住日期'], order['离店日期'])
if available >= order['预订间数']:
# 库存充足，自动确认
self._confirm_order(platform, order['订单号'])
confirmed_count += 1
logging.info(f"自动确认: {platform} {order['订单号']} "
f"{order['房型']}x{order['预订间数']}")
elif available <= 0:
# 无库存，标记异常
self._flag_order_anomaly(platform, order['订单号'],
'库存不足')
else:
# 库存紧张，保留人工确认
logging.warning(f"库存紧张: {platform} {order['订单号']} "
f"需要{order['预订间数']}间, 仅剩{available}间")
return confirmed_count
def send_checkin_reminder(self, days_before=1):
"""
发送入住提醒
在入住前N天自动发送提醒短信/APP通知
提醒内容：
- 入住日期
- 酒店地址和联系方式
- 入住须知（带身份证、押金等）
"""
# 查询明天入住的订单
tomorrow = (datetime.now() + timedelta(days=days_before)).strftime('%Y-%m-%d')
# 获取订单信息
checkin_orders = self._get_checkin_orders(tomorrow)
reminders_sent = 0
for order in checkin_orders:
try:
# 构建提醒内容
message = self._build_reminder_message(order)
# 发送短信/APP通知
self._send_notification(order['手机号'], message)
reminders_sent += 1
except Exception as e:
logging.error(f"发送提醒失败: {order['订单号']} - {e}")
logging.info(f"入住提醒: 发送{reminders_sent}条")
return reminders_sent
def _get_pending_orders(self, platform):
"""获取平台待确认订单"""
# 实际从平台API或后台获取
return []
def _check_room_availability(self, room_type, checkin, checkout):
"""检查房型在指定日期段的可用房数"""
# 从PMS查询
return 10
def _confirm_order(self, platform, order_id):
"""确认订单"""
pass
def _flag_order_anomaly(self, platform, order_id, reason):
"""标记异常订单"""
pass
def _build_reminder_message(self, order):
"""构建入住提醒消息"""
return (
f"【入住提醒】尊敬的{order['姓名']}，您预订的"
f"{order['酒店名']}（{order['房型']}）将于{order['入住日期']}入住。"
f"酒店地址：{order['地址']}，电话：{order['电话']}。"
f"请携带身份证办理入住。祝您入住愉快！"
)
# ========== 5. 运营日报自动生成 ==========
def generate_daily_report(pms_data, sync_log, bookings):
"""
自动生成每日运营报表
报表内容：
- 当日入住率
- 各渠道预订量占比
- 平均房价（ADR）
- 每间可售房收入（RevPAR）
- 房态同步成功率
- 异常订单列表
"""
today = datetime.now().strftime('%Y-%m-%d')
# 计算关键指标
total_rooms = pms_data['total_rooms'].sum()
sold_rooms = pms_data['sold_rooms'].sum()
occupancy_rate = (sold_rooms / total_rooms * 100) if total_rooms > 0 else 0
# 平均房价
if bookings:
total_revenue = sum(b['金额'] for b in bookings)
adr = total_revenue / len(bookings) if bookings else 0
else:
adr = 0
# RevPAR
revpar = (adr * occupancy_rate / 100) if adr else 0
# 渠道占比
channel_stats = {}
if bookings:
for b in bookings:
channel = b.get('渠道', '未知')
channel_stats[channel] = channel_stats.get(channel, 0) + 1
# 同步成功率
sync_success = len(sync_log[sync_log['状态'] == '成功']) if not sync_log.empty else 0
sync_total = len(sync_log) if not sync_log.empty else 0
# 生成报告
report = f"""
========================================
酒店运营日报 - {today}
========================================
【核心指标】
入住率: {occupancy_rate:.1f}%
平均房价: ¥{adr:.0f}
RevPAR: ¥{revpar:.0f}
已售客房: {sold_rooms} 间
可售客房: {total_rooms} 间
【房态同步】
同步成功: {sync_success}/{sync_total}
【渠道分析】
"""
for channel, count in sorted(channel_stats.items(), key=lambda x: x[1], reverse=True):
pct = count / len(bookings) * 100 if bookings else 0
report += f" {channel}: {count}单 ({pct:.1f}%)\n"
report += """
========================================
自动生成 | 影刀RPA
========================================
"""
# 保存报告
report_path = f'D:/酒店数据/日报/运营日报_{today}.txt'
with open(report_path, 'w', encoding='utf-8') as f:
f.write(report)
logging.info(f"运营日报已生成: {report_path}")
print(report)
return report
三、常见问题速查（FAQ）
Q1: 房态同步后OTA平台显示的可售数不对？
现象：PMS显示大床房还剩5间，携程后台同步完显示3间。
原因：（1）平台有自己的预留/锁房逻辑，不是PMS写多少就是多少；（2）各平台的关房时间不同——有的提前24小时，有的当天关。
解决方式：（1）在同步时设置"保留房"——PMS可用15间，给携程分配8间、美团分配5间、飞猪分配2间，通过保留房机制避免超售；（2）每个平台设置不同的关房规则，在PMS中标注各平台的库存分配。
Q2: 多平台同时预订导致超售怎么办？
现象：携程和美团几乎同时接到同一个房型的预订，导致库存变负。
原因：RPA同步有延迟——在你读取PMS到写入OTA的几秒内，另一个平台可能已经产生了订单。
解决方式：（1）缩短同步频率——从每天1次改为每30分钟1次，减少时间窗口；（2）启用PMS的"直连"功能——如果PMS支持与OTA直连，通过接口同步比网页同步延迟小得多；（3）设置保留房——给每个平台的分配数始终小于实际可售数。
Q3: 美团/飞猪的登录需要扫码怎么办？
现象：美团酒店后台登录需要打开APP扫码，自动化流程被中断。
原因：美团为保障安全，网页版登录强制手机扫码。
解决方式：（1）首次登录扫码一次后，使用影刀的"Cookie保持"功能保存登录状态，后续运行直接加载Cookie，可以保持5-7天免登录；（2）在Cookie过期前一天的自动流程中加入"告警通知"，提醒运营人员手动扫码续期；（3）使用影刀的"手动接管"模式——当检测到需要扫码时暂停流程并弹窗提醒。
Q4: 节假日价格策略不精准？
现象：节假日按固定系数1.5倍调价，结果发现隔壁酒店涨了3倍还满房了。
原因：固定系数无法反映真实供需——热门节假日（春节、国庆）和普通节假日（端午、中秋）的价值完全不同。
解决方式：（1）建立历史数据模型——分析过去3年各节假日的实际出租率和ADR，用历史数据推算合理价格区间；（2）采集周边竞品酒店节假日价格，作为调价参考；（3）分阶段调价——提前30天先挂高价，入住前7天根据预订率动态调整。
Q5: 同一个OTA平台有多个酒店账号怎么管理？
现象：一个运营人员管理3家酒店的携程账号。
temu店群自动化报活动案例
原因：连锁酒店或酒店管理公司通常管理多家门店。
解决方式：（1）为每家酒店创建独立的影刀流程文件，避免账号混用；（2）在Excel管理表中维护"门店-平台-账号-Cookie文件"的映射关系；（3）各酒店的同步流程串行或分时段运行，避免IP风险。
Q6: 平台页面改版后流程大面积失效？
现象：携程后台改版了，之前的所有元素选择器都找不到了。
原因：OTA平台的后台系统会不定期迭代更新。
解决方式：（1）使用影刀的"图像识别"而非"元素选择器"作为备用方案——图像识别的鲁棒性更高，但速度稍慢；（2）关注各平台的"商家公告"栏目，提前预知即将上线的改版；（3）每周运行一次自动化测试流程，用测试数据在各平台走一遍完整流程，提前发现问题。
四、推荐资源
- 携程/美团/飞猪酒店商家帮助中心：各平台的后台操作手册和API文档
- 酒店PMS系统接口文档：西软、中软、绿云等主流PMS的数据导出接口
- 影刀RPA"图像识别"教程：应对页面改版的备用方案
- 收益管理（Revenue Management）入门：理解定价策略的理论基础
- 携程ebooking API文档：如果酒店有技术能力，直连接口比网页同步更稳定
五、内容标签
酒店行业 RPA 影刀 OTA运营 房态管理 价格同步 预订自动化 收益管理 Python 酒店PMS
作者：林焱
影刀RPA深度使用者，两年以上实操经验，专注RPA在各行业的落地应用
扫一扫
224
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
