(enlace al video a pie de página)

Los Revenue Management Systems se han vuelto una de las herramientas más vitales para los departamentos de Revenue en los hoteles gracias a cuánto puede llegar a facilitar la gestión de datos, permitiendo así una mejor toma de decisiones. Ahora, gracias al avance inminente de la Inteligencia Artificial (IA), los RMS pueden potenciar su utilidad y capacidad de gestión de datos. Esta semana conversamos sobre el futuro de la IA en los RMS con Rafael Gómez: Director de Revenue Management en Minor Hotels & Resorts.

Para comenzar, por favor cuéntanos quién eres y qué te apasiona.

Soy de Bilbao, Técnico de Empresas y Actividades Turísticas de la Universidad de Deusto, canario de adopción y una persona con bastantes inquietudes. Cada día intento aprender algo nuevo. No concibo la vida sin aplicar cierta pasión en todo lo que hacemos.

En mi trabajo, en el sector hotelero, vivo con intensidad el mundo del Revenue Management, donde comencé en el año 2001 de la mano de la multinacional americana Starwood Hotels & Resorts, que entonces lideraba el cambio. Tenían un programa de aprendizaje muy innovador y atractivo con estrategias muy novedosas que hoy en día se siguen aplicando. En este sentido, he colaborado a nivel regional en proyectos para Resorts. Además, y a nivel particular, fundé en 2019 www.revenueresort.com, una web orientada a la formación y la opinión que plasma mis inquietudes profesionales.

Asimismo, colaboro con artículos de opinión en la revista TecnoHotel y formo parte del claustro de profesores del Máster MBA del Instituto Canario de Turismo. Y por supuesto, todo ello compatibilizado con mis funciones como Director de Revenue Management en Minor Hotels & Resorts. Aunque parece que está todo inventado, lo cierto es que no paramos de evolucionar en este mundo. Yo siempre digo que seguimos pedaleando porque el día que dejemos de pedalear simplemente nos caeremos.

Hablemos sobre los Revenue Management Systems (RMS). ¿Qué son y cómo funcionan?

Un RMS es el corazón de cualquier hotel desde donde se toman muchas decisiones. Para tratar de definir lo que hace, imaginemos todos los datos en crudo que existen en cada transacción de reserva, que llamamos “INPUT”, por ejemplo: fecha de llegada y salida, número de personas, segmento, tipo de habitación, fecha de reserva o antelación, día de la semana, precio, condiciones, gasto en F&B, precio de los competidores, etc. Una infinidad de datos que nunca podríamos ordenar por nosotros mismos y que, sin embargo, un RMS recopila transformando todos estos “INPUTs”, devolviéndonos unos “OUTPUTs” ordenados, tales como la previsión de demanda por día, por tipo de habitación, segmentos, recomendaciones de precio en base a un grupo competitivo, etc.

¿Cuáles son las ventajas de los RMS para la gestión del Revenue en hoteles?

Son fundamentales. Cuando hablamos de Revenue Management siempre hablamos de datos que son esenciales para poder tomar decisiones y establecer estrategias. Por ello necesitamos un sistema que ordene toda esta información. Lo mismo que ocurre con cualquier tipo de aplicación, necesitamos hacernos la vida más fácil. Sería impensable hoy en día realizar nuestras tareas de manera eficiente sin un dato correcto. Entre las ventajas destaco:

  • Ahorrar tiempo.
  • Forecast más realista.
  • Poder optimizar la demanda y precios.
  • Anticipar estrategias que ayuden a la generación de ingresos.
  • Crear reportes a la carta.
  • Anticipar momentos de menor demanda para hacer las acciones necesarias.

¿Qué diferencias consideras entre los RMS creados por una cadena hotelera internacional y los RMS genéricos existentes?

Existe una gran diferencia. Un RMS genérico está diseñado para poder integrarse en los distintos sistemas hoteleros. Sin embargo, un RMS propio de una cadena hotelera se centra en sus propios sistemas, por lo que pueden hacer desarrollos más avanzados.

En este sentido, tuve la oportunidad de participar en 2014 en la creación de un RMS en Boston que era revolucionario, con una inversión millonaria y que después de un año se implementó en más de 1.100 hoteles en todo el mundo. Incluía parámetros que incluso hoy en día no he visto en otros RMS.

Por ejemplo, un RMS genérico, por lo general, permite configurar un grupo competitivo de hoteles, pero habitualmente los considera iguales para las recomendaciones de precio. Nosotros teníamos un sistema que comparaba a cada hotel competidor de manera diferente, algo que hace que las recomendaciones de precio sean más realistas en base al “product-quality” y posicionamiento real en el mercado.

Otro ejemplo son los algoritmos más complejos que añadimos para determinar la sensibilidad de la demanda al precio (“price sensitivity”). Consideraba el impacto histórico del pick up tras las variaciones de precio en base a parámetros similares de demanda, otorgando a cada día futuro un nivel de riesgo ante la variación de precio, que se mostraba en varios niveles, sensibilidad al precio baja, media o alta. Conceptos inéditos y en mi opinión esenciales a la hora de establecer una estrategia de pricing.

No es más importante cuánto subimos el precio por la recomendación de un RMS, sino el impacto que esta subida de precio genera en la demanda o incluso en los diferentes segmentos, ya que pudiera tener el efecto contrario al deseado. Y si hablamos de Resorts en destinos turoperados la flexibilidad al cambio del precio es más bien escasa, pero esto es otro debate.

¿Cómo beneficia la aplicación de la IA en la gestión del revenue?

Lo que conocemos hasta ahora de IA es solo la punta del iceberg, comienza a dar sus primeros pasos y los algoritmos no tardarán en incorporar datos provenientes de la IA, que seguro nos ayudarán en la toma de decisiones. Por poner unos ejemplos prácticos, los algoritmos de predicción de demanda podrían incorporar algunos de los siguientes parámetros:

  • Factores socioeconómicos: Evolución del consumo y predicciones futuras de empleo, previsión de IPC, situación económica y evolución de los precios de los productos por cada país emisor.
  • Impacto de la demanda por factores de cambio climático o políticas llevadas por los distintos países emisores en este sentido. Estrategias de líneas aéreas, costes asociados, nuevas tecnologías en aras de reducir la huella de carbono y su impacto en el consumo y en el devenir del transporte aéreo.
  • Cambios de rutas aéreas a nivel mundial, y en especial por conflictos internacionales que varíen la demanda entre destinos, anticipando posibles cambios de rutas por el resurgimiento de conflictos. Hoy en día podemos observar variaciones de pick up por este motivo, pero buscamos la anticipación de manera precisa y global con datos proporcionados por la IA.
  • Incluso modelos de comportamiento por el cambio generacional que está afectando a la industria hotelera, donde el uso de las redes sociales expone nuestro negocio. Buscamos un modelo que asocie el RPI (Revenue Performance Index), frente a un grupo competitivo en base a medidas de adaptación anticipada de este cambio generacional, considerando factores provenientes de la reputación online.

¿Cómo beneficia la IA a la previsión de la demanda?

Sin duda tendremos modelos predictivos de demanda mucho más exactos en base a toda esa información adicional que ahora no podemos gestionar, pero lo más importante es que anticiparemos los posibles cambios de demanda por motivos externos antes de que sea apreciable en nuestro pick up. Esto nos ayudará a ser más ágiles y anticipar las estrategias. Y si además de incorporar datos internos añadimos los datos externos, la previsión de la demanda será más exacta y podremos tomar mejores decisiones.

¿Qué desafíos se podrían encontrar al implementar IA en estos sistemas?

El desafío al que se enfrenta la IA es a la veracidad de la información que inunda las redes, y que es de donde se nutre. En nuestro caso concreto podrían ser datos no contrastados. Quizás la búsqueda de esos “INPUTs” que aporten valor sea el mayor desafío para los RMS. En la medida que todo pueda ordenarse, el futuro de los RMS es prometedor. Estoy convencido que, si hoy participara en la creación de un nuevo RMS, seguro que incluiría datos provenientes de la IA.

¿Cómo podría aplicar un hotel pequeño, no una cadena hotelera, el uso de un RMS y de la IA? ¿Es posible?

Todo es posible. Esta es siempre la gran pregunta que tengo en los cursos y Máster que imparto, pero ya no solo cuando hablamos de la IA, sino de los RMS o de estrategias de Revenue Management. En ocasiones un hotel pequeño no cuenta con un responsable de ingresos que pueda optimizar el GOP (Gross Operating Profit o beneficio bruto operativo), porque desde el Revenue ya no hablamos de ingresos, sino analizar desde el GOP o incluso desde la perspectiva del EBITDA para no solo vender correctamente, sino hacerlo de la manera más rentable.

Mi recomendación sería apostar por el Revenue Management, tener un RMS y una persona que pueda hacer un uso adecuado del sistema, es la base de la generación de ingresos. No tendría sentido en un hotel pequeño poner un RMS o cualquier sistema si después no hay nadie que lo gestione.

Finalmente, ¿qué consejos darías a otros hoteleros sobre este tema?

El consejo que puedo dar es que nunca nos asustemos por la evolución de los sistemas. En este sentido, la IA ha llegado para quedarse y es un paso adicional muy importante también en nuestra industria.

Por otro lado, considero que hay que dar mucha importancia a la formación. Es imprescindible seguir formándonos para estar actualizados y mantener una visión de perspectiva global de negocio. El aprendizaje constante es vital en todos los sectores y más en un mundo tan tecnológico como el actual.

 

Ir al contenido