arriba


Nota metodológica

El presente análisis pretende establecer cuál es el tipo de relación entre la percepción del visitante, el tipo de alojamiento y precio del mismo y que esta relación llegase al grado de granularidad del servicio/departamento específico el alojamiento. Se trata de un motor de ayuda para alojamientos que valoren modificar sus precios, dando como resultado cuáles de estos servicios pueden verse afectados a nivel de expectativa por el viajero, con el fin de que la variación de precio pueda indicar la necesidad de refuerzo/promoción de determinados elementos de manera que se mantenga un nivel alto en la percepción.

Cuadros de mando

  • Valoraciones de Hotel por Destino y Categoría:

1. Gráfico muestra el histórico del índice (HSi) por años y categoría.  

2. Gráfico que proyecta cómo será la percepción del turista si los precios son medios.

3. Gráfico de líneas que muestra cómo sería con precios máximos, esos precios son calculado según el histórico.

4. Gráfico de líneas que muestra cómo sería con precios mínimo, esos precios son calculado según el histórico.

5. Gráfico con los precios para que los hoteleros puedan calcular su ADR. 

  • Predicción Valoración por Categoría: se proyectan los índices hoteleros por meses según el nivel de precios que tenga el alojamiento. Todos los datos se pueden filtrar por destino turístico.
  • Valoraciones de Hotel por Departamento: para confección del análisis se tuvieron en cuenta los indicadores de percepción HSi derivados de la plataforma Mabrian que se han desagregado en base a departamentos y ordenados por las variables definidas en los filtros de tipo de alojamiento. Estas variables además se agrupan por fechas con el fin de establecer una relación entre las valoraciones, los servicios, las fechas y el tipo de alojamiento, generando un dataset válido para la extensión de los modelos de regresión utilizados.

Caso práctico

  • Valoraciones de Hotel por Destino y Categoría: soy un hotel de la ciudad de València y estoy planteándome mi estrategia de Revenue Management para el verano. Según los precios máximos y mínimos debo de calibrar donde está el límite para que la percepción de mi calidad no se reduzca. Sabiendo que en el verano suele descender la percepción de calidad de los alojamientos.
  • Predicción Valoración por Categoría: soy un hotel de la de Benidorm y quiero que la percepción de la calidad de mi alojamiento aumente considerablemente, ya que hasta ahora los comentarios y puntuaciones que tengo en las plataformas de reservas no son las deseadas.
    Gracias a la predicción que realiza la herramienta puedo conocer el momento adecuado para rebajar, mantener o subir los precios para que la percepción de la calidad aumente. Parece que esta estrategia tendría mayor sentido aplicarla en otoño e invierno.
  • Valoraciones de Hotel por Departamento: contando que soy un hotel y quiero reformular mi estrategia hacia un nicho de mercado como puede ser el familiar. Sabiendo que preferencias tiene el turismo familiar con los informes de Inteligencia Turística del Invat·tur, puedo aumentar la inversión y esfuerzos en los departamentos que me indica la herramienta.

Aplicación de algoritmos de Inteligencia Artificial

Se utilizó un modelo de regresión para evaluar la influencia o importancia de diferentes variables, dentro de las que se encuentra el precio como factor determinante en el par expectativa/percepción. Se utilizó un algoritmo IA muy efectivo para el manejo de series temporales y la resolución de problemas de regresión lineal, logística, etc. El algoritmo se basa en la conocida estrategia de Gradient Boosting con árboles de decisión. Se hicieron varios entrenamientos para diferentes ajustes en los parámetros, los cuales permitieron que fuese seleccionado el modelo con mejores resultados. El modelo se puede utilizar para hacer predicciones, y se integra sin dificultad alguna en la plataforma