Ernest, el compañero de equipo de IA para los equipos comerciales de hoteles, ya está disponible para todos.Solicita una demo
Podcast

The Art of the Sellout Parte 2: la evolución de tarifas

Sumérgete en las complejidades de la evolución de tarifas con Daniel Foreman y Brandon Burtis, de Pacifica Hotels. Este episodio desmitifica las estrategias de dynamic pricing y muestra cómo ajustar las tarifas de las habitaciones en tiempo real puede impulsar un crecimiento significativo de los ingresos. Con escenarios prácticos, aprenderás a fijar y modificar tarifas para mantenerte competitivo y maximizar beneficios, convirtiendo la gestión de tarifas en una potente herramienta para el éxito.

Ponentes
  • Daniel Foreman

    Estratega comercial
  • Brandon Burtis

    VP of Revenue Management en Pacifica Hotels

En esta parte 2, vamos a divertirnos un poco y a sumergirnos en el aspecto del revenue management que más se asocia con nuestra profesión: modificar nuestra estrategia de tarifas.

En este episodio me acompañó Brandon Burtis, VP of Revenue Management en Pacifica Hotels, ¡el mayor propietario y operador de hoteles boutique de la Costa Oeste!

Si queremos aterrizar el avión (en sentido figurado) con suavidad, empecemos por aprender un término clave que necesitaremos en nuestro viaje. Ese término es la evolución de tarifas, que es simplemente cómo cambian las tarifas de las habitaciones con el tiempo.

La evolución de tarifas se puede analizar para un solo hotel, para todo un mercado o para todo el sector. Por ejemplo, echa un vistazo a nuestro último informe sobre el efecto que están teniendo los Juegos Olímpicos en el mercado de París, en concreto a este gráfico:

Este es un gran ejemplo de evolución de tarifas a nivel de mercado, que muestra cómo “evolucionan” las tarifas con el tiempo: el eje X son los “días hasta la llegada”.

Como en la Parte 1, voy a empezar mostrándote algunas curvas conceptuales de evolución de tarifas. En cuanto las veas, deberías entender qué pasa en cada una (pero tranquilo, si no, añadiré algunos detalles).

Así que vamos a plantear un pequeño escenario…

Imagina que eres revenue manager en un hotel con buenos resultados. Estás en un mercado dinámico con un calendario de eventos muy activo; es un día normal y estás trabajando con diligencia cuando, de repente, recibes una alerta.

“ping”

Se acaba de anunciar un gran evento. ¡Es un generador de demanda importante y se celebrará dentro de aproximadamente un año!

Usa tu imaginación: quizá sea la Super Bowl, la Big Tech Corporate Conference ™ o quizá una gran convención de observación de aves (¿quién soy yo para juzgar?). La cuestión es que ¡va a ser un evento realmente importante!

Supongamos que nos ponemos un poco demasiado agresivos y disparamos nuestra tarifa por las nubes hasta los 1000 $ (mientras que nuestro compset quizá ronde los 500 $).

La curva de la codicia

¿Qué pasa cuando ponemos precios demasiado altos?

Es un fenómeno del que hablé en un artículo reciente sobre errores comunes en revenue management.

A menudo, los revenue managers ponemos una “tarifa ficticia” demasiado alta para proteger el inventario, o simplemente fijamos precios de forma totalmente irreal con la esperanza de tener, como por arte de magia, un pickup fuerte.

Por experiencia, esto es lo que pasa cuando adoptas este enfoque. Echa un vistazo a la curva de evolución de tarifas de abajo y fíjate en lo que ocurre:

The greed curve showing hotel pricing evolution in the buildup to an event

Fíjate en que nuestro hotel se mantiene en un precio irreal durante muchísimo tiempo. Mientras tanto, el compset tiene una tarifa de venta más razonable.

Con el paso del tiempo, la falta de pickup nos obliga a bajar la tarifa en el último momento para intentar generar ocupación, lo que casi siempre es una estrategia perdedora.

Además, fíjate en que el compset tiene la oportunidad de subir tarifa en los últimos días antes de la llegada, que es una de las ventajas de tener una estrategia de precios lógica (¡ellos iban sumando una buena ocupación base mientras nosotros rechazábamos huéspedes!)

Creo que todos estamos de acuerdo en que lo que yo llamo la “curva de la codicia” es una estrategia poco óptima.

En mi entrevista en el podcast con Brandon, hizo una observación muy acertada sobre la “curva de la codicia”: normalmente, cuando los revenue managers cometen este error concreto, se debe a un optimismo ciego y a no entender bien cuánta demanda hay realmente:

“Es más bien una [curva] optimista... esperas que haya tanta demanda que puedas aguantar y estar a 699 $ con una [restricción de] estancia mínima de 5 noches y, obviamente, a medida que te acercas, tienes que asumir cuánta demanda se está materializando de verdad, y no es tan esperanzadora como querías”.

Brandon Burtis on the “Greed” Curve

Me gusta este punto de Brandon porque hasta los mejores podemos cometer estos errores de optimismo de vez en cuando, y a menudo el gran culpable es no calibrar bien la demanda.

¿Recuerdas el gráfico de los Juegos Olímpicos de París que te enseñé al principio del blog? Pues, tal como están las cosas ahora, el mercado de París está totalmente atascado en la curva de la “codicia”, ¡probablemente por la razón que mencionó Brandon!

La curva de precios bajos

Repitamos el escenario una vez más, pero ahora con un enfoque completamente distinto…

“ping”

Ahora se anuncia el gran evento pero, esta vez, en lugar de poner un precio excesivo, dejamos nuestra tarifa demasiado baja.

The Underpriced Curve showing the evolution of hotel pricing in the buildup to events

Este es el otro extremo del espectro, al que podemos llamar la curva de “precios bajos”.

A menudo, este patrón de evolución de tarifas se da cuando un hotel no ve el anuncio de un evento o subestima indicadores de demanda fuertes.

¡Incluso añadí unas cuantas “x” en la curva para simular los sellouts muy probables que se producirían si fuera un ejemplo real!

Hablando por experiencia, ¡esta curva es la peor pesadilla de cualquier revenue manager!

Fíjate en que, tras llegar al sellout demasiado pronto, el compset puede seguir subiendo tarifa y disfrutar absorbiendo, a tarifas mucho más altas, toda la demanda que el hotel del ejemplo no pudo captar.

En el episodio del podcast tuve la oportunidad de preguntarle a Brandon si alguna vez había vivido la curva de “precios bajos”, y esto es lo que me dijo:

“Seguramente le ha pasado a casi todo el mundo. Cuando eres nuevo en un hotel o en un mercado y quizá no conoces todos los generadores de demanda, o surge algo que no tenías en el radar hasta que, por desgracia, ya puede ser demasiado tarde”.

Brandon Burtis on the “Underpriced” Curve

Otro gran punto de Brandon, porque tiene toda la razón: las pocas veces que yo mismo cometí este error fue cuando se anunció un evento para el que no estaba preparado.

Por ejemplo, hace unos años, un nuevo festival de música en Austin celebró su primera edición y el hotel con el que trabajaba agotó sus habitaciones en unas 24 horas, ¡en pleno fin de semana! Todavía me quita el sueño.

Entonces, ¿cómo es una curva de evolución de tarifas buena, te preguntarás?

La curva de reservas casi perfecta

Pues repitamos nuestro escenario: somos un revenue manager trabajando en nuestro hotel dinámico sin ninguna preocupación y, de repente…

“ping”

Recibimos una alerta sobre el gran evento del año que viene.

The about-right curve showing a good hotel pricing evolution in the build up to an event

Esta vez, sin embargo, hemos jugado bien nuestras cartas.

Usando una combinación de herramientas de rate shopping, herramientas de análisis de demanda, quizá una solución de BI o incluso una herramienta de benchmarking, subimos la tarifa de forma lógica a medida que se acerca la llegada.

Si quieres ver un ejemplo real de cómo es esta curva, centrémonos en un hotel real que usa Rate Insight.

Es un hotel en un mercado muy dinámico que tuvo una curva de evolución de tarifas muy sólida y que me llamó la atención enseguida.

An example of hotel pricing curve in revenue management showing the compset pricing in the buildup to an eventUn ejemplo real que muestra la curva de precios casi perfecta

Nuestro hotel de ejemplo aparece en azul oscuro, y también se muestra el resto del compset.

Aunque no existe una curva de evolución de tarifas “perfecta”, esta es más bien la forma de evolución de tarifas a la que deberían aspirar los revenue managers.

La tarifa de venta final del hotel fue mucho más alta que a 30 días de la llegada, con una clara tendencia al alza del precio con el tiempo.

A real-life example showing the booking and pricing curve for a perfect sellout in hotel revenue managementUn ejemplo real que muestra la curva de reservas y la curva de precios

Para ilustrar cómo funcionan juntas la curva de reservas y la curva de precios, esta es la curva de reservas correspondiente a esa misma noche, de nuevo en el gráfico de ‘pace’ de Rate Insight.

Fue una curva de reservas muy estable, con el único salto importante justo en la marca de los 30 días. Lo que me parece interesante es que nuestro Revenue Manager se mantuvo firme y no reaccionó en exceso cuando se produjo este salto de ocupación.

Si nos fijamos en el compset, hay que reconocerle el mérito: este mercado parece haber sido bastante disciplinado en el periodo previo a la llegada. Solo 1 hotel baja la tarifa en los 2 últimos días antes de la llegada. Nuestro competidor en lavanda claro llega al sellout unos 8 días antes, pero, como estamos aprendiendo en esta serie, eso no es necesariamente malo.

Volviendo a nuestro hotel, fijar precios así debió de requerir valor, pero mereció la pena. El hotel siguió construyendo una ocupación base estable y el Revenue Manager empezó a maximizar de verdad la tarifa en los últimos 9 días antes de la llegada.

En esos últimos 9 días, el hotel pasa del 75% a un sellout perfecto el día de llegada.

¡Señoras y señores, un aplauso para nuestro revenue manager con manos de diamante!

Conclusiones clave

Además de los precios, en mi entrevista con Brandon tocamos muchos otros temas interesantes sobre cómo maximizar ingresos, ejecutar el sellout perfecto y analizar los datos para llegar al precio adecuado. En Pacifica, Brandon pone muchísimo énfasis en:

  • Analizar las ventanas de reserva por canal y segmento, lo que a su vez permite captar a esos huéspedes al ADR más alto posible, cuando están en el punto álgido de su patrón de reserva.

  • Sumar otros segmentos y estrategias promocionales con un precio atractivo, como tarifas de compra anticipada no reembolsables, para ayudar a compensar posibles cancelaciones en otros segmentos.

  • Ofrecer otras oportunidades de ingresos complementarios más allá de la tarifa base a lo largo de todo el guest journey para maximizar ingresos (paquetes, servicios, etc.)

Si todavía no lo has hecho, ¡no te pierdas el episodio!

Así que, para cerrar este episodio, vamos a mantenerlo sencillo, porque creo que hay un ejercicio muy obvio que todos podemos hacer para ser mejores revenue managers. Prueba esto:

Entra en Rate Insight y genera un gráfico de evolución de tarifas para 5 o 10 de tus sellouts técnicos recientes (noches por encima del 95% de ocupación).

Analiza la forma de tu curva de evolución de tarifas: ¿eres un revenue manager de la curva de la codicia? ¿Uno de los de “precios bajos”, o ya estás fijando precios más o menos donde deberías? ¿La forma de tu curva de evolución de tarifas explica por qué no llegaste al sellout algunas noches?

Al escribir este blog y preparar el guion del podcast, las dos herramientas en las que más me apoyé para este episodio fueron Business Intelligence y Rate Insight.

¡Si quieres saber más sobre estos productos o cualquiera de nuestras otras soluciones, contacta con nosotros aquí!

¡Descubre cómo la plataforma comercial de Lighthouse puede ayudarte a lograr el sellout perfecto!