Revenue management y pricing en la distribución hotelera online. Revenue management and pricing for hotel online distribution
- Autores: Gloria Sanchez-Lozano
- Directores de la Tesis: Esther Chávez-Miranda (dir. tes.)
- Lectura: En la Universidad de Sevilla ( España ) en 2020
- Idioma: español
- Tribunal Calificador de la Tesis: Bernabé Escobar-Pérez (presid.), Macarena Sacristán Díaz (secret.), Tomás Escobar Rodríguez (voc.), Marisol B. Correia (voc.), Ger Koole (voc.)
- Programa de doctorado: Programa de Doctorado en Turismo por la Universidad de Alicante; la Universidad de Málaga; la Universidad de Sevilla y la Universidad Rey Juan Carlos
- Materias:
- Texto completo no disponible (Saber más ...)
- Resumen
Esta investigación tiene como propósito conocer en mayor profundidad los aspectos que influyen en la determinación de precios ofertados a través de un canal de distribución online, por hoteles localizados en varias ciudades españolas. Igualmente, se presta atención a la cantidad de oferta generada (disponibilidades) en el canal, todo ello, considerando la máxima antelación posible desde la fecha de consulta (un año aproximadamente). El análisis se realiza a nivel de destino turístico y por categoría de hotel, desde una perspectiva de Revenue Management.
Tratamos de responder a varios interrogantes, tales como: el modo en que se determinan los precios online ofertados con antelación; si el volumen o cantidad de precios-disponibilidades ofertadas varía a lo largo del horizonte temporal de antelación; qué influencia ejercen los atributos del paquete, las características de los establecimientos hoteleros que han configurado las ofertas y otros aspectos contextuales sobre los precios; también indagamos si este comportamiento de los precios es diferente según el destino turístico y/o la categoría de hotel de que se trate, y si las técnicas de previsión de precios arrojan buenos resultados (en términos de ajuste) aplicadas a conjuntos de datos de gran volumen, incluyendo una metodología más tradicional (englobada en modelos econométricos) y otra más novedosa (propia de machine learning).
El objetivo principal se va concretando en los distintos capítulos de la tesis. Comienza con un capítulo introductorio, donde se sientan las bases teóricas y metodológicas generales y se describen brevemente las investigaciones realizadas. Mientras que los dos primeros capítulos de investigación (segundo y tercero) recogen dos trabajos eminentemente descriptivos.
El primer trabajo (capítulo 2) es un acercamiento a los datos, donde se realiza un análisis exploratorio y descriptivo de los precios y cantidades ofertadas por hoteles en un destino turístico urbano a través del canal de distribución. Dicho análisis se concreta estudiando la influencia de algunas variables sobre los precios y se ofrece tanto para el total de la muestra, como por categorías de hotel a lo largo de todo el horizonte temporal disponible.
En el tercer capítulo se abordan dos objetivos diferentes, se describe la metodología y proceso seguido para construir un set de datos de gran volumen a partir de varias fuentes disponibles y, de forma complementaria, se analiza el impacto de aspectos relacionados con el contexto, el hotel y las condiciones de venta del paquete sobre los precios ofrecidos en el canal. Este análisis se efectúa a nivel de destino turístico, a nivel de categoría y considerando, igualmente, un horizonte temporal de antelación amplio.
Seguidamente (capítulo 4), se profundiza en el análisis anterior, ofreciendo un enfoque econométrico (regresión con efectos aleatorios) y hedónico, que permite analizar los determinantes de los precios desde el punto de vista de los hoteleros. La novedad radica especialmente en las variables consideradas y su amplitud, las aportaciones con respecto a la literatura, así como la obtención de resultados separados por categorías de hotel. Se constata la influencia significativa de la mayoría de variables analizadas, algunas poco exploradas con anterioridad, además de un comportamiento diferencial en los hoteles de cinco estrellas.
En el capítulo quinto, se realiza una predicción de los precios ofertados en el canal, mediante la técnica de machine learning de bosques aleatorios (Random Forest). Adicionalmente, se establece un ranking de los determinantes del precio en cada uno de los cinco destinos estudiados, así como para la totalidad de la muestra. Esta técnica presenta resultados robustos, y nos permite establecer la comparativa entre cinco destinos punteros a nivel nacional (costeros, de interior e islas), identificando similitudes y diferencias en sus políticas de fijación de precios en este canal. La variable “días de antelación” ejerce, en términos generales, una influencia clave a nivel de destino, mientras que la categoría de hotel, queda relegada a las últimas posiciones del ranking.
Un capítulo final recoge las principales aportaciones, describe las limitaciones de esta investigación y propone nuevas líneas de estudio.
