Revenue Management para hoteles ubicados fuera de núcleos turísticos

Abstract

La gestión de precios en hoteles ubicados fuera de los principales centros turísticos presenta desafíos particulares, dada la variabilidad de la demanda y la ausencia de estrategias avanzadas de revenue management. En este trabajo se desarrolla un modelo predictivo orientado a optimizar los ingresos de un hotel en Pilar, Buenos Aires, Argentina, enfocado en el segmento de huéspedes individuales durante fines de semana y feriados. Se utilizaron datos históricos de estadías, tarifas, eventos y feriados para construir modelos de predicción de demanda. Inicialmente, se aplicó una regresión lineal múltiple con método Bootstrap para robustecer las estimaciones; posteriormente, se reemplazó por un modelo de Random Forest, optimizado mediante Grid Search. La evaluación de los modelos se realizó utilizando datos no vistos de 2023 y 2024. Los resultados muestran que, al aplicar el modelo de Random Forest optimizado, el hotel podría haber generado ingresos significativamente superiores en comparación con la política actual de precios. En particular, se estimó que un aumento más moderado de tarifas (alrededor del 12%) hubiera maximizado el revenue total, superando ampliamente al incremento fijo del 30% que se implementa actualmente. Esta estrategia habría permitido captar una mayor cantidad de huéspedes, generando un incremento del 34% en los ingresos por habitaciones en 2023 y del 21% en 2024, en comparación con los ingresos obtenidos bajo la política vigente. Este impacto económico se amplifica si se consideran los ingresos asociados a servicios complementarios como Alimentos y Bebidas, Health & Spa y otros consumos vinculados a una mayor ocupación. El análisis reveló que la política actual de aumentos de precios basada en umbrales de ocupación podría ser subóptima. Modelos más sofisticados permiten identificar estrategias de precios dinámicos que capturan mejor la elasticidad de la demanda, generando mayores ingresos tanto por alojamiento como por consumos asociados (Alimentos y Bebidas, Health & Spa, entre otros). Los resultados obtenidos refuerzan el potencial del uso de técnicas analíticas avanzadas en la industria hotelera, incluso en establecimientos de menor escala, y plantean recomendaciones concretas de mejora en la política de precios y en la gestión estratégica de la información.