Del billete de avión al piso en Airbnb: así ha transformado al turismo tu rastro digital

Estás pensando en tus vacaciones. Quieres irte de viaje a otro país y pasar las noches en un hotel o, tal vez, en un apartamento. Comienza la búsqueda. Coges el ordenador o, directamente, el móvil. Skyscanner, Booking, Airbnb, las páginas web de las aerolíneas… El objetivo es comparar y encontrar la estancia y los vuelos que mejor se ajusten a tu bolsillo y necesidades. Un proceso en el que dejas un rastro digital que aprovechan los hoteles y compañías aéreas para tratar de convencerte gracias a la ciencia de datos.

Este uso que hacen las empresas del sector turístico de los datos que generamos lo explican Juan Manuel López Zafra y Ricardo A. Queralt, profesores de CUNEF y escritores de Alquimia. Cómo los datos se están transformando en oro (Deusto) A lo largo de nueve capítulos, los autores detallan cómo los datos se han convertido en la materia prima de sectores como las finanzas o los seguros para tomar muchas de sus decisiones.

En un sector como el del turismo, con un gran peso en la economía española, todavía “no es imposible” competir con los métodos tradicionales, pero a medida que crece el tamaño de una empresa o empieza a “manejar bien” los instrumentos de la ciencia de datos o “la diferencia con quienes los usan cada vez es mayor”, advierte López Zafra. “Está claro que nos falta cultura del dato a todos los niveles: desde cómo los damos, lo que valen, para qué se utilizan y qué podemos hacer con ellos”, sostiene su compañero Queralt.

Pero volvamos a la planificación del viaje. El cliente ha cambiado su actitud. Ahora lee los comentarios de unos y otros, critica al servicio que le ha defraudado, le pone nota. Las empresas, en este caso los grandes hoteles, construyen su servicio adaptándolo a las necesidades del cliente. Pero… ¿Cómo lo hacen? López Zafra y Queralt ponen como ejemplo a la compañía hotelera Meliá. Cuando entramos en su página web se pone en marcha el proceso NBA (next best action) para responder a la pregunta de qué deben ofrecer al cliente para convencerle ya mismo de que su experiencia en ese hotel será única.

Entran en juego las famosas cookies. Gracias a ellas, Meliá conoce cuál ha sido la actividad de los usuarios en internet hasta acabar en su página web. El hotel construye un modelo general de propensión de compra con otras fuentes internas y externas. Con todo ello conocerá cuánto y a qué hora han navegado los usuarios, qué otras webs han visitado y hasta sus proveedores de telecomunicaciones. ¿El resultado? Un perfil de los clientes que complementan con datos de proveedores externos. Si antiguamente se segmentaba a los clientes según su edad, estado civil y formación; hoy los hoteles pueden disponer de más de 200 segmentos de sus posibles clientes. “Ya no necesitamos ser un hotel de cinco estrellas y tener a un empleado que conoce muy bien a sus clientes porque ya los podemos conocer sin que hayan estado jamás en el hotel. Y esa es la gran diferencia: puedo hacer ahora un trato personalizado a clientes de todos los segmentos… Soy capaz de conocer virtualmente a quienes me visitan a través de la web”, explica López Zafra.

El proceso no termina aquí: necesitan destilar toda la información que han recopilado. Un algoritmo de deep learning permite a Meliá conocer cuáles son los atributos más relevantes de cada cliente y cuál es el hotel del grupo más adecuado para cada uno de ellos. Otro algoritmo, esta vez de ‘aprendizaje supervisado’, ofrece información sobre las posibilidades que tiene un potencial cliente en convertirse en un cliente real.

Airbnb pone precio a tu alquiler

Hablar de Airbnb es hablar de una empresa donde la ciencia de datos ha jugado un papel fundamental en su historia. Con más de seis millones de alojamientos repartidos en 191 países, la plataforma de reservas fundada por Brian Chesky y Joe Gebbia ofrece tres tipos de productos principales: alquileres, lugares (restaurantes, bares, sitios a los que visitar, etc) y experiencias. El enorme número de clientes de Airbnb permite a la empresa experimentar en un entorno real.

Para uno de esos experimentos, Airbnb desarrolló un modelo de machine learning capaz de determinar cómo de probable era que un anfitrión rechazase o aceptase una solicitud de reserva. Sí un huésped busca un destino en la plataforma, este sistema le mostrará primero los alojamientos en los que el anfitrión está más dispuesto a confirmar la reserva. El experimento del equipo de ciencia de datos funcionó y acabó aplicándose en toda la plataforma.

¿Y si tengo un piso y no tengo ni idea de a qué precio alquilarlo? La otra ‘pata’ del equipo de Airbnb es la predicción. Los anfitriones con dudas compararán su oferta con otras parecidas pero no podrán conocer datos definitivos de sus precios. La plataforma utiliza en este caso la herramienta ‘precios inteligentes’, que aprovechando esos datos de los precios de todas las ofertas –a los que sí tienen acceso- y hasta un total de 70 variables, logran establecer un precio de alquiler de un anfitrión basándose en la oferta y la demanda. La última decisión sobre el precio, eso sí, será siempre la del propietario.

Las aerolíneas y su batalla por el excedente

Llega el momento de comprar los billetes de avión. En un mercado extremadamente competitivo, las compañías aéreas luchan por un objetivo: que el pasajero compre su billete y que lo haga por la cantidad máxima que estaría dispuesto a pagar en ese momento sobre el precio real del vuelo, es decir, por el mayor excedente posible. Para capturar ese excedente las compañías venden sus billetes a precios dinámicos, cambiantes. En ese trabajo de adaptar la oferta a las intenciones del cliente entra de nuevo en escena los modelos de machine learning.

¿Qué datos utiliza ese modelo? Reservas efectuadas en cada ruta en cada día del año, las plazas de los aviones puestas en venta, los precios de la competencia, los calendarios locales de todos los destinos, los datos económicos de poder adquisitivo a nivel de sección censal en España u otros países, perfiles construidos en base al gasto en internet o con tarjetas de crédito.

El uso que hacen las aerolíneas de los datos va más allá: “Ryanair es posiblemente la aerolínea del mundo que mejor gestiona su combustible. Son capaces de saber cuál es el gasto que va a tener cada avión en cada momento, desde cada aeropuerto y en función de la época del año (…) eso les permite anticipar el consumo de combustible de cara al próximo año y negociar contratos en el mercado de futuros para que no haya variaciones sustanciales en los precios que pagan sus clientes”, expone López Zafra.