Contenido
Los algoritmos están más presentes de lo que pensamos, influenciando nuestra vida en gran medida. En la actualidad, cada rastro que dejamos online está siendo controlado por un algoritmo. Tras desgranar la información de lo qué hacemos, son aprovechados después con muchos fines. Entre otros, comerciales. Gracias a ellos y a sus instrucciones secuenciales, es posible manejar un volumen de información muy amplio (inputs), para poder obtener un resultado (outputs).
Podemos decir, por tanto, que detrás de cada toma de decisión los algoritmos están muy presentes. Centrándonos en el mundo del Revenue Management hotelero y con los tiempos que corren, es crucial la interacción con sistemas RMS (Revenue Management Systems). Gracias a ellos y a sus algoritmos, podemos establecer una estrategia adecuada. analizando la sensibilidad de la demanda a las variaciones de precios y, por tanto, anticiparnos a esa demanda en busca de la optimización.
Los algoritmos son también utilizados por los diferentes canales de distribución, entre otros, para analizar la conversión en el embudo de reservas. No podemos imaginar la distribución actual sin un algoritmo. Sin embargo, ¿qué ha pasado con ellos durante el cierre hotelero y cómo actúan tras la crecida demanda actual? Lo analizamos.
Descubre el algoritmo a lo largo del tiempo
En 1972, un analista de British Airways, Kenneth Littlewood, planteó un modelo matemático que calculaba la previsión de demanda y cómo afectaba a las ventas de los billetes de avión. Su teoría «Forecasting and control of passenger bookings» se adelantaba a su tiempo. Exponía que, cuando existen dos precios para un mismo producto, éste se debía vender al precio más bajo hasta que la probabilidad de venderlo al precio alto sea mayor que la relación entre el precio bajo y el alto.
Efectivamente estábamos ante el primer cálculo de optimización de la demanda denominado «Littlewood´s Rule», que fue la base fundamental del desarrollo de los algoritmos en la industria de los viajes. En los sucesivos años se produjeron avances en este sentido. En 1985, American Airlines, liderado por Robert Crandall, aplicó un sistema automatizado que incorporaba la fórmula de Littlewood, ofreciendo diferentes opciones de precio en base a la antelación de la reserva, siendo a finales de los años 80 cuando estos algoritmos llegaron al mundo hotelero.
Estos avances en la historia reciente revolucionaron la industria hotelera, aunque en los comienzos costó imaginar que un mismo producto tuviera distinto precio dependiendo de su demanda. En 2014 tuve la oportunidad de ser seleccionado para participar en la creación en Boston de un sistema de Revenue Management para Starwood Hotels & Resorts llamado ‘ROS’ (Revenue Optimization System), que posteriormente se aplicó en más de 1.100 hoteles en todo el mundo. Fue en ese momento, al profundizar en el asunto, cuando me di cuenta del gran impacto que tienen los algoritmos en nuestra industria hotelera.
El impacto de ROS (Revenue Optimization System)
Mi aportación se enfocó en la diferenciación de los hoteles vacacionales en comparación a los hoteles de ciudad, donde no cabe duda que el comportamiento y parámetros son totalmente diferentes. Pues bien, tuvimos que cambiar los algoritmos y añadir nuevas instrucciones al «input» más propias de un hotel vacacional, para que el «output» diera resultados óptimos.
Creamos diferentes temporadas para agrupar demandas distintas y adecuar cada algoritmo a patentes similares; adecuamos el pricing al número de personas real, siendo mayor en los Resorts, para poder asociar correctamente la estrategia de precios con la competencia; modificamos parámetros por temporadas en la antelación de la reserva y cancelación y extrapolamos esta misma inteligencia a las diferentes demandas para obtener resultados por segmento más precisos.
Tras seis meses de constantes cambios y verificaciones, nació ‘ROS’. La solución pasó por añadir filtros extras a una configuración inicial para adecuar el cálculo de los algoritmos. Esto permitía que el mismo «cerebro» actuara de manera diferente atendiendo a las peculiaridades de cada hotel. No hay duda, por tanto, que conceptos como inteligencia artificial o machine learning, business intelligence y Big data han transformado completamente la manera de gestionar el Revenue Management hotelero actual para la toma de decisiones.
Sin embargo, estos sistemas que actúan de manera correcta gracias a una demanda estable, se vieron amenazados por un cambio brusco de la demanda cuando llegó el Covid-19. Pasamos en tan solo una semana al cero turístico, desordenando completamente estos algoritmos. Tras este parón inicial se produjo la reapertura hotelera, pasando por un período de demanda muy escasa hasta la creciente demanda actual en el sector vacacional. Estos han producido una variación en los inputs sin precedentes, nunca antes experimentados, y difícilmente soportables por los RMS.
¿Cómo se comportan los RMS tras un cambio tan drástico en la demanda?
No cabe duda que los algoritmos empleados por los sistemas de RMS no están preparados para cambios tan bruscos y repentinos de la demanda. Los datos históricos y las tendencias ya no eran válidos para predecir una demanda cero tras el cierre hotelero. Es cierto que los RMS incorporan algoritmos que excluyen datos atípicos y van aprendiendo de la situación actual modificando sus outputs adecuadamente, pero incluso en este caso actúan con lentitud, no adecuándose a la velocidad del cambio.
En un primer momento, a pesar de la demanda cero, los algoritmos mostraron estimaciones positivas por la influencia de los datos históricos. Si a esto le añadimos las cancelaciones inminentes futuras y que nuestro RMS no consideraba, de poco servían los RMS en ese momento. Podemos decir por tanto que la realidad iba por otro lado y nos preguntábamos, ¿dónde está mi algoritmo?
Los RMS y sus algoritmos cedieron su liderazgo a la acción humana, siendo fundamental considerar otras variables que todavía no habían sucedido. Poco importaba en ese momento las estimaciones de los RMS debido al cierre hotelero y su duración impredecible. Posteriormente, tras la tímida apertura hotelera, no solo se tuvieron que hacer predicciones complejas para ajustar el forecast y poder estimar una cuenta de resultados, sino que hubo que ajustar el algoritmo para que los outputs se adaptaran a la nueva tendencia, dejando más aislados los datos históricos.
¿Qué hemos aprendido y que nos depara el futuro?
Aunque se han reprogramado los algoritmos, en la actualidad, diversos sistemas incorporan un nuevo algoritmo combinando datos históricos como Booking window, estancia media, días de llegada, evolución del pick up, actividad en la web e incluso variaciones de precio de los competidores. Los sistemas RMS con sus algoritmos son una ayuda indispensable para la toma de decisiones, analizando toda la información que nos llega de una manera muy precisa. Hacen el trabajo de cálculo que por nosotros mismos nunca podríamos hacer en nuestro día a día. Son, por tanto, ¡imprescindibles!
Sin embargo, en mi opinión, nunca deberían sustituir por completo la labor humana, especialmente porque dentro del Revenue Management Hotelero hay muchas otras variables que cierran el círculo de la optimización y que deben gestionarse en su conjunto. Como por ejemplo las estrategias enfocadas al canal directo, los diferentes canales de distribución, marketing online, estrategia de grupos, smart contracting, etc. Un RMS por sí solo no puede considerar todas las variables externas y cambios estratégicos a medio o corto plazo.
Como conclusión, no cabe duda que estamos en constante evolución y con avances tecnológicos sin precedentes. En el futuro, entraremos en el mundo de las computadoras cuánticas, que serán capaces de resolver algoritmos más complejos de una manera infinitamente más rápida. El día en que los RMS incorporen esta tecnología entraremos en una Nueva Era. Viajaremos aprendiendo y avanzando de la mano tecnológica, y añadiendo nuevos retos al apasionante mundo del Revenue Management Hotelero.
Imágenes cedidas: Nubelson Fernandes en Unsplash, Michael Dziedzic en Unsplash, Artturi Jalli en Unsplash