¿Estamos llevando la segmentación al extremo o es simplemente el Revenue Management llevado a la perfección?

El objetivo del Revenue Management siempre ha sido “vender la habitación adecuada al cliente adecuado, al precio adecuado, a través del canal adecuado, en el momento adecuado y con la eficiencia de costes adecuada”.

Para conseguirlo, la clave siempre ha sido contar con la mayor cantidad y calidad posible de datos y variables para determinar la mejor estrategia.

Hasta ahora, las estrategias de pricing, aunque dinámicas, se han construido principalmente alrededor de segmentos definidos: Corporate, Leisure, Groups, Wholesale, etc.

Pero ¿qué ocurre cuando la tecnología nos permite ir más allá de la segmentación tradicional?

La Inteligencia Artificial está aportando una capacidad de computación y procesamiento de datos sin precedentes al Revenue Management. Ya estamos viendo cómo los algoritmos pueden procesar un número cada vez mayor de variables en tiempo real, adaptándose a la demanda, el comportamiento del mercado, la actividad de la competencia y los factores macroeconómicos.

Pero ¿qué pasaría si, además de entender el mercado y el segmento, pudiéramos entender al cliente individual?

¿Y si un algoritmo pudiera combinar cientos de señales, como el historial de reservas, el comportamiento de navegación, el estado dentro del programa de fidelización, el dispositivo, el canal, las preferencias y otros datos disponibles legalmente, para estimar la Willingness to Pay de un individuo?

Y quizá, aún más importante, ¿qué pasaría si pudiéramos entender el valor que cada cliente representa para la empresa, más allá de una única transacción?

Porque el one-to-one pricing no tendría necesariamente que consistir únicamente en conocer cuánto está dispuesto a pagar un cliente. También podría significar entender el valor a largo plazo de ese cliente para la compañía.

Un cliente frecuente que reserva varias veces al año, participa en un programa de fidelización y compra habitualmente servicios adicionales puede tener un valor muy diferente para el hotel que un cliente que reserva una sola vez, incluso aunque ambos tengan una disposición a pagar similar por la habitación en ese momento.

Esto podría permitir al Revenue Management pasar de simplemente optimizar el precio de una reserva a optimizar el valor de la relación con el cliente.

¿Y si, basándose en toda esta información, el sistema pudiera determinar no solo el precio, sino también las condiciones, los atributos de la habitación o los servicios adicionales con mayor probabilidad de conversión?

¿Sería ese el sueño del Yield Management o una pesadilla para el consumidor?

Quizá este sea el siguiente paso en la evolución del Revenue Management.

Ya hemos pasado de precios relativamente estáticos al dynamic pricing, de una segmentación amplia a una segmentación cada vez más granular, y de reglas simples a modelos sofisticados de forecasting y optimización.

El siguiente paso podría ser pasar de un pricing basado en segmentos hacia una optimización a nivel de cliente.

Técnicamente, esto es cada vez más posible. Pero sigue existiendo una diferencia importante entre personalizar una oferta y personalizar el precio.

Mostrar a un cliente un upgrade de habitación, desayuno o late check-out en función de sus preferencias es una cosa.

Mostrar a dos clientes diferentes condiciones para exactamente la misma habitación, en exactamente las mismas fechas y en el mismo momento de la reserva, porque un algoritmo estima que uno de ellos prefiere un determinado paquete, un late check-out u otro servicio adicional, es algo completamente diferente.

Mostrarles diferentes precios por exactamente la misma habitación porque el algoritmo estima que uno de ellos está dispuesto a pagar más es algo completamente diferente.

Y aquí es donde el Revenue Management deja de ser únicamente optimización de precios y pasa a convertirse en optimización del valor del cliente, al mismo tiempo que plantea nuevas cuestiones sobre la confianza del consumidor y la discriminación de precios.

También existe un importante reto tecnológico. Para hacer posible este nivel de personalización, diferentes sistemas y bases de datos necesitan comunicarse entre sí: PMS, CRS, CRM, programas de fidelización, motores de reserva, sistemas de distribución y potencialmente fuentes de datos externas.

En otras palabras, el reto quizá ya no sea si tenemos suficientes datos, sino si somos capaces de conectarlos, interpretarlos y utilizarlos de forma responsable.

La evolución del Yield Management hacia el Revenue Management ya ha estado acompañada por una creciente aceptación de los precios dinámicos y de las condiciones cambiantes. Lo que antes parecía inusual se ha convertido en algo completamente normal para los consumidores.

Quizá, y solo quizá, las ofertas personalizadas y, eventualmente, los precios personalizados puedan seguir el mismo camino a medida que aumente la aceptación por parte del consumidor.

El tiempo dirá.

Daniel Bermejo Oyarzun

*Fuentes:

Talón-Ballestero, P., Nieto-García, M., & González-Serrano, L. (2022). The Wheel of Dynamic Pricing: Towards Open Pricing and One-to-One Pricing in Hotel Revenue Management. International Journal of Hospitality Management, 102, 103184.