RESERVAS HOTELERAS: CÓMO MAXIMIZARLAS

RESERVAS HOTELERAS: CÓMO MAXIMIZARLAS

Como ya estamos todos cerca del momento de descanso estival, esta semana he elegido un ejemplo que han desarrollado los chicos de Conento en el mundo de las reservas hoteleras.

El objetivo era entender el comportamiento de las reservas hoteleras, en dos importantes ciudades de dos países distintos, de forma que se aprendiese no solo a nivel país, sino también sobre las posibles sinergias y/o diferencias entre países.

Además, se pretendía contrastar y cuantificar las posibles palancas que activan las reservas, así como medir el retorno de las inversiones en medios (ROI).

Todo ello con el fin de recomendar acciones concretas que permitiesen aumentar el volumen de reservas en el futuro.

Dentro de las palancas, distinguimos entre:

  • Palancas accionables: Publicidad, Promociones, Precio y Satisfacción.
  • Palancas no accionables: Estacionalidades y Competencia.

Y también se analizaron por separado el segmento Consumidor del segmento Empresa, al entender que en ambos casos la forma en que las palancas afectan a las reservas hoteleras podía ser diferente.

En total se construyeron 2 Países x 2 Segmentos = 4 Modelos.

Los pasos que se siguieron en el análisis fueron los mostrados en la Fig1, cada uno de los cuales aportó una información interesante.

Fig1_Pasos en el análisis

Para detectar posibles relaciones entre las reservas hoteleras y las palancas de negocio, aplicamos modelos de regresión lineal.

Con este tipo de modelos encontramos las relaciones que existen entre las variables que queremos explicar (Reservas) y las variables que pueden influir sobre ellas (Precio, Publicidad, etc.).

Una de las primeras conclusiones que se obtuvieron es que, en la serie histórica analizada, el 40% de las reservas venían de las acciones de publicidad en el caso de la Ciudad A y 30% en el caso de la Ciudad B.

Ahora bien, el hecho de que una variable haya aportado más o menos en el pasado depende tanto de la eficacia de la variable como del apoyo que hayamos dado a la misma.

Para quedarnos solo con la eficacia de la variable, calculamos la elasticidad: cuánto incrementan las reservas si incrementamos un 1% cada variable (Fig2).

Fig2_Elasticidad

En el ejemplo de la Ciudad A vemos como las palancas más eficaces son el nivel de satisfacción (detrás entendemos que están un montón de otras palancas pero, en conjunto, se trata del producto en sí mismo) y las búsquedas pagadas de Google. Las mismas dos principales palancas lo fueron para la Ciudad B.

También vemos que la publicidad que hace la competencia y, sobre todo los incrementos de nuestro precio, hacen que decrezca el número de reservas.

El siguiente paso es calcular el retorno de la inversiones en publicidad: cuántas reservas consigo por cada 1000 euros que invierto.

Lo interesante en este caso es poder comparar por ciudades/países. En el caso que nos ocupa, para la Ciudad A obteníamos un ROI de 60,92. Mientras que para la Ciudad B el ROI era de 25,22.

Cuanto más a nivel agregado se desarrollen este tipo de modelos, mayor rentabilidad se les podrá sacar. Solo en un país, podemos decidir cómo invertir entre diferentes medios. Pero, si además podemos ver el ROI de cada medio en cada país, podremos optimizar todavía más.

Obtenemos también las curvas que nos indican los niveles de inversión recomendados para cada medio (Fig3 – Ejemplo Paid Search).

Fig3_Curvas de Eficacia

Los aportes de la publicidad no crecen de forma proporcional a la inversión realizada en medios.

A medida que la presión publicitaria incrementa, los medios comienzan a saturarse y se generan retornos decrecientes.

A partir de los aportes publicitarios calculados en el modelo, es posible determinar la curva que mejor describe este comportamiento, para cada uno de los medios analizados.

Por último, a través de la optimización del mix de medios, podemos medir las reservas hoteleras incrementales que podríamos tener, en el caso que nos ocupa un 5,6% más (Fig4).

Fig4_Optimización del Mix

Este tipo de modelos se caracterizan por dar mucha información en todo lo referente a los medios, su eficacia y eficiencia, pero además en este caso descubrimos algunas cosas más, también importantes:

  • Momento óptimo de hacer la publicidad si el objetivo es la reserva
  • Cuándo realizar las promociones y qué cuantía
  • Cuál es el precio óptimo para maximizar reservas

Por último, los modelos sirven para aprender y para poder hacer predicciones a futuro en base a aquello que vayamos a hacer (Fig5).

Fig5_Predicciones

Comentarios

  1. Macarena, me parece muy interesante tu post.
    Quería hacerte unas preguntas, por si tienes un hueco:

    – Cuando calculas la elasticidad de las reservas frente a otra variable para ver cuánto incrementan las reservas si incrementamos un 1% cada variable..¿cómo se establece esa relación?, ¿es una regresión lineal entre ambas variables?, ¿algún otro tipo de relación?.

    – Dado que tienes una serie temporal de valores, ¿estableces la relación anterior en un momento del tiempo?. Es decir si obtenemos un 1% de elasticidad, ¿es referida a una fecha concreta?. No sé si la relación la estableceís en el tiempo y hay una serie temporal con ambos valores y es sobre la serie temporal donde se ve la influencia de una variable sobre otra, algo similar a los modelos econométricos.

    Gracias,

    1. Gracias por el comentario Juan. Te cuento: Lo que hacemos es aplicar el modelo al pasado y luego incrementamos un 1% la variable de que se trate y comparamos. Imagina que en el pasado invertimos 100 en publicidad. Pues ahora hacemos un escenario de invertir 101 y vemos qué Reservas saldrían. Resto de variables, iguales.

      Espero haberte aclarado. Si no, me dices e intento darte más detalles.

  2. Gracias Macarena,
    Entiendo entonces que el modelo obtenido es sobre la serie histórica y tiene la relación entre las reservas y el resto de variables. ¿Está relación se obtiene a lo largo del tiempo o en un momento dado?. Es decir, obtengo la relación para los datos del último mes o la obtengo para la serie histórica de un año?. Imagino que es largo de contar, pero es por hacerme una idea del tipo de relación que se establece.
    Gracias

  3. A veces usamos modelos multiplicativos pero no nos gustan porque son difíciles de explicar a los clientes y en general preferimos trabajar el nivel explicativo, más que el predictivo. Usamos modelos aditivos pero con transformaciones no lineales de las variables. Calculamos la elasticidad de esta manera también para que el cliente sepa cómo se hace la comparativa y pueda decidir en base a esta forma de hacerlo. El modelo ha pasado la diagnosis, con lo que las estimaciones sí son creíbles. Gracias por los comentarios.

Dejar un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *