1614 Views |  Like

Como impacta el social media en el rendimiento del Hotel


Las herramientas social media están alcanzando máximas consideraciones para el análisis de la satisfacción de clientes y a la vez desempeñando roles de máxima relevancia dentro del internet hotel marketing y el alojamiento en establecimientos turísticos, y como consecuencia de esto se producen mejoras en los procesos. Uno de los punto fuertes de estas herramientas social media y que en la mayoría de los casos se le atribuye una menor relevancia, es su enorme potencial para mover directamente los patrones actuales de compra mediante la influencia a los consumidores, que por supuesto inciden directamente en el rendimiento de los establecimientos turísticos. Sin embargo, muchos hoteles y establecimientos turísticos por una u otra razón no intentan averiguar cómo impacta el social media en el rendimiento del hotel y los utilizan sin saber que afectan directamente a su cuenta de resultados. Cornell University nos ofrece otro de sus grandes estudios en esta ocasión realizan su particular tesis para comprobar de manera científica como impacta el social media en el rendimiento del Hotel. En estudio se combinarán datos de varias herramientas de generación analítica y feedback de comentarios, como ReviewPro, STR y Travelocity, además de datos de las más populares webs de concentración de comentarios como son comScore y Tripadvisor. Reseñar que Tripadvisor refleja un amplio impacto en la influencia decisoria de la mayor parte de consumidores antes de reservar o seleccionar un hotel, así como también el número de comentarios que los usuarios leen antes de tomar una decisión. Las críticas de los clientes se convierten en factor predominante en la selección de un hotel con el 51% de los encuestados. Dado el dominio de TripAdvisor en la generación de críticas de usuarios, el estudio utilizó cifras y datos disponibles públicamente en la web comScore de la frecuencia de los consumidores a la hora de consultar TripAdvisor antes de reservar una habitación, sobre un número aproximado de 2 millones de consumidores en todo el mundo. En la primera parte del estudio veremos como se determina el margen de retorno, de los medios sociales y  para ello se contrastarán datos como el aumento del porcentaje de consumidores que consultan Tripadvisor antes de reservar hotel, o el número de comentarios que son leídos antes de hacer la selección del establecimiento. También podremos ver gracias a estadísticas del panel de control de Travelocity, cómo un hotel debido a un incremento de su puntuación de 1 punto sobre un global de 5, (p.e. 3.5 a 4.5), podría incrementar el precio en un 11.2% y todavía seguir manteniendo su ocupación y su cuota de mercado. Otra cuestión a resaltar serán los datos de ReviewPro y STR sobre el impacto de las opiniones de los usuarios en la capacidad del hotel para fijar el precio. Al cotejar datos de IndexTM, RewiePro con las ventas hoteleras a través de STR junto a los ingresos, se estima que un aumento de 1% de la puntuación de la reputación online, conduce a un incremento de 0,89% en los precios, según (ADR). Del mismo modo ese mismo aumento del 1% de mejora en la reputación, conlleva a un aumento del 0,54% de la ocupación del establecimiento. Y finalmente el mismo aumento del 1% afecta al resultado del establecimiento mediante un incremento del 1,42% de los ingresos por habitación disponible (RevPAR).

Cuadro1

Como impacta el social media en el rendimiento del Hotel

Como decíamos Tripadvisor es con mucho la principal fuente de comentarios de hoteles y establecimientos turísticos de internet, con más de 75 millones de opiniones generadas por unos 32 millones de usuarios. En cuanto a procesos de selección de hotel, según lo ha informado MarketMetrix, el punto de inflexión llegó en 2010, como se muestra en cuadro2.

Cuadro2

Como impacta el social media en el rendimiento del Hotel

Datos tomados de comScore sobre 1.720 acciones de compra (reservas de hotel) en los hoteles de InterContinental hotel Group y HolidayInn.com, durante nueve meses: junio, julio y Agosto de los años 2008, 2009 y 2010. A estos hoteles y desde Tripadvisor, se le ha establecido una web de reservas directas para el posterior muestreo y se ha decidido poner el nombre de Brand.com En el Cuadro 2 se resume el comportamiento de los huéspedes de TripAdvisor que reservaron directamente a través de la web de la muestra Brand.com y se aprecia un incremento en la acción de compra visitando la web Tripadvisor, durante los tres años. No solo el dato de consumidores es mayor sino también el número de visitas por reservas y las páginas por visitas. Por el contario vemos como el tiempo por visita disminuye, pudiendo ser debido a la continua mejora de la experiencia dentro de la web Tripadvisor. (mejoras en la web, mejores conexiones o simplemente la mejoras de las capacidades de búsqueda de los usuarios)

Cuadro3

Como impacta el social media en el rendimiento del Hotel

El Cuadro 3 de arriba, resume la actividad de los consumidores en términos de visitas a TripAdvisor antes de reservar su hotel. Más de una cuarta parte de la muestra de las visitas,  (26,5%), se producen cinco días antes de la reserva y las restantes tres cuartas partes restantes, se reparten por igual desde los diez hasta los sesenta días anteriores a la reserva. Se podría concluir que los comentarios de los usuarios influyen al 26,5% de los consumidores en su decisión final ,con tan sólo 5 días previos a realizar su reserva de hotel.

Impacto sobre la probabilidad de compra

Alejándonos del la web Brand.com dentro de Tripadvisor, vemos el impacto de las opiniones de los usuarios desde un punto de vista diferente, en este caso el estudio se centra en una agencia de viajes online. Se ha analizado el impacto de los comentarios de los usuarios de Travelocity.com sobre un total de 13.341 reservas realizadas en julio 2012 en nueve grandes ciudades de Estados Unidos. Con estos datos se estimó la probabilidad de compra de hotel del cliente en función del precio, las puntuaciones de los usuarios y el numero de comentarios. La variable se podría representar de la siguiente manera: La formula de  probabilidad de compra es similar a la de regresión lineal en la que los resultados son tratados como una constante (α) y algunos atributos (X), que se ponderan según los parámetros (β) modificados con el uso del número de Euler o ‘e’, que equivale a una constante matemática igual a aproximadamente 2,71828.

 Cuadro4

Como impacta el social media en el rendimiento del Hotel

El Cuadro 4 resume los parámetros estimados de un modelo de regresión logística con las decisiones de compra. Para tener en cuenta la posición del hotel, en la primera columna, se ha añadido una variable, (p.e. 1 º, 2 º, 3ª, desde la parte superior y así sucesivamente). La posición de los caracteres van del 1-25, siendo 1 la posición superior y 25 la inferior de la lista en base a las diferencias de precios. Dicha variable precio resulta de tomar el  precio del hotel dividido por el precio medio de todos los hoteles de igual categoría. En el cuadro también se considera la categoría o segmentación.

Particular interés toman las dos variables restantes, un es, las puntuaciones de comentarios y la otra el número de comentarios enfrentados al impacto sobre el precio. Usando dicha regresión se estima el techo del precio que podría tener el hotel si tuviera las mejores puntuaciones. Dada la naturaleza de regresión logística, el parámetro (βs) no es tan fácilmente de interpretar como la regresión regular y en lugar se utilizaron las estimaciones de los parámetros anteriores, los ratios odds. Este ratio representa el cambio en la probabilidad de selección (en este caso, probabilidades de hotel lleno) donde 0,885 demuestra un efecto negativo para con los resultados de probabilidad de búsqueda y selección o lo que es lo mismo si un hotel aparece en el listado en una posición 2 frente a 1 (o 10 frente a 9) sus probabilidades de ser seleccionado bajarían en 0,885. También se podría decir que  existe una disminución de 11,5% en la probabilidad de selección con el resto de igual categoría.

 Quizá con los ratios de Travelocity se pueda tener una visión más clara que con la formula de regresión regular, del cuadro 4. Los resultados de las puntuaciones de opinión toman otra dirección y el uso de la clasificación de Travelocity con su puntuación de 0 a 5 puntos en las opiniones de los usuarios nos facilitan la tarea.

 La lectura del mismo se podría realizar  de la siguiente manera, el aumento de 1 punto de la reputación, aumenta la probabilidad de selección del hotel en un 13,3%. (p.e. al pasar de 3.7 a 4.7, el establecimiento aumenta sus posibilidades de ser seleccionado pen 1.142 veces).

Un resultado similar se puede observar por número de opiniones. Dónde el ratio 1.002 indica que por cada nueva opinión, el hotel  incrementa su posición de ser elegido por 1.002 o el 0,2 %

La verdad que es un poco difícil interpretar el ratio odds o posición de precio en la ecuación porque esta variable esta normalmente relacionada con el precio y el precio es quizás mejor comprendido por la combinación de los parámetros precio y opiniones.

La media de precio utilizada en el estudio para todos los hoteles (de igual categoría), es de 100$ y el precio del hotel del ejemplo 100$ también. Si se incrementara 1 punto la puntuación de opinión del hotel, se podría incrementar el precio en un 11,2% y seguir manteniendo la misma probabilidad de ser seleccionado. El efecto positivo del incremento de dicha puntuación de opiniones,  compensaría los efectos negativos causados por tal aumento de precio.

Impacto en el rendimiento del hotel

Dando un paso más, el informe trata de explicar por qué a mejores criticas, mejores precios y mientras peores criticas precios más bajos, analizando el efecto social media en el rendimiento general del hotel utilizando diferentes datos de rendimiento básicos en la gestión hotelera y otros de reputación online.

Los datos de rendimiento básicos en la gestión hotelera son extraídos de los ingresos mensuales, la demanda y los datos de STR de 2 años y medio (enero de 2010 hasta el Junio de 2012) para cada propiedad en cuestión. Estos datos se obtienen de 11 principales mercados (6 europeos y 5  de América del Norte).

Se utilizará ReviewPro’s Global Review Index (GRI) para cada hotel y también como para aquellos integrados en los listados STR. ReviewPro es otra de las grandes fuentes de comentarios que ha agregado cientos de millones de comentarios desde agencias de viajes a plataformas social media y sus puntuaciones se obtienen a través del indice GRI para el hoteles o cadena de hoteles. Su GRI es calculado en base a un algoritmo propio del análisis de cantidad de comentarios mostrados en estas importantes webs.

Una vez obtenido el dato GRI se enfrentará con los 3 parámetros básicos de la industria ‘hospitality’ : ADR (promedio tarifa diaria), ocupación y RevPAR (ingresos por habitación disponible), así tenderemos por un lado los datos del GRI generados por ReviewPro y por otro la fuerza de los métodos tradicionales para fijación de precios en hoteles.

Nota: La tarifa diaria del hotel es dividido por la media de tarifa diaria de sus competidores. Y el parámetro de RevieWPro se calculara en base al GRI del hotel dividido por el promedio del mismo índice de sus competidores. (este índice variará en función de las acciones de marketing realizadas).  El impacto del GRI sobre la demanda se medirá frente al índice de ocupación, y el rendimiento general GRI se enfrentará al RevPAR.

Para intentar bajar los rendimientos marginales normalmente se usa un modelo referido elasticidad constante.

 Por ejemplo, si el precio sube 1%, y el resultado de la demanda baja un 2%, entonces la elasticidad es 2 (2%/1%). El precio de la elasticidad (ε) puede ser expresado como:

Donde ε es el precio de la elasticidad, P es el precio, y Q es la cantidad de demanda. Si se propone dicha bajada en el retorno marginal , un modelo de demanda puede ser Q=aPb. Pero si se realiza mediante el logaritmo natural (la inversa del número Euler) para cada lado de la ecuación la obtenemos del logaritmo lineal siguiente:

 lnQ = a + b·lnP

dónde Q y P son definidas como anteriormente, a y b son parámetros para ser estimados. La función de el logaritmo lineal de la demanda implica que el precio de la elasticidad sea constante:

Enunciado

Usando datos de más de 50.000 observaciones mensuales a partir de las once ciudades anteriores, observar el impacto del índice GRI en los resultados de este logaritmo lineal <<impacto del (GRI) sobre el (ADR), (Índice de Ocupación) y (RevPAR)>>

 Resultado

La tabla demuestra un impacto fuerte en la variable demanda (ocupación) del índice GRI sobre la capacidad de fijar precios (ADR). Es decir, los precios son coherentes con la oferta. Como consecuencia de que el impacto del índice GRI sobre la demanda y la capacidad de fijar precios es fuerte, el impacto sobre el rendimiento o RevPAR es aún mayor.

Cuadro 5

Como impacta el social media en el rendimiento del Hotel

En el cuadro 5 se representan los ratios de porcentaje de impacto sobre el poder de fijación de precios del hotel, la demanda, y el rendimiento con un aumento de un 1% en la reputación online del hotel a través del índice(GRI).

Si miramos la primera celda con ese 1% de incremento en la reputación online del hotel, podemos afirmar que desde 80 a 80,8 se obtienen un 0,96% de incremento en el RevPAR. Esto es un dato interesante si comparamos el RevPAR de forma elástica contemplando las categorías de segmentación de la primera columna.

También se observa que el efecto de la reputación online es más fuerte para las categorías inferiores, (medias y bajas), o lo que es lo mismo, las mejoras en las puntuaciones de reputación online son más acentuadas en las categorías medias (1,42%) frente a las categorías de lujo (0,49%). Con ello se puede concluir que dando un menor y mas vasto nivel de servicios en las categorías medias y bajas, los clientes experimentan mayores niveles de incertidumbre en los servicios recibidos y por esta razón las opiniones de los consumidores a través del índice GRI tienen un mayor efecto.

Las mejoras en la reputación online representadas por el índice GRI reducen estos niveles de incertidumbre a la vista de los consumidores.

Como resultado final se puede afirmar que gracias a tener altas puntuaciones de reputación online, se reducen los niveles de incertidumbre en la percepción de calidad de los consumidores y aumenta el poder para fijación de precios del hotel con un mayor rendimiento en el (ADR), demanda y RevPAR de los hoteles de categoría media y baja.

 CONCLUSION

En el siguiente post se combinaron datos de varias herramientas de generación analítica y feedback de comentarios, como ReviewPro, STR y Travelocity, además de datos de las más populares webs de concentración de comentarios como son comScore y Tripadvisor.

 En la primera parte determinó el margen de retorno, de los medios sociales y  se contrastaron datos como el aumento del porcentaje de consumidores que consultan Tripadvisor antes de reservar hotel así como el número de comentarios que se leen antes de hacer la selección del establecimiento.

 También pudimos ver gracias a estadísticas del panel de control de Travelocity, como un hotel debido a un incremento de su puntuación de 1 punto sobre un global de 5, (p.e. 3.5 a 4.5), puede incrementar su precio en un 11.2% y todavía seguir manteniendo constante su ocupación y su cuota de mercado.

 También se resaltaron datos de ReviewPro y STR sobre el impacto de las opiniones de los usuarios frente a la capacidad del hotel para fijar el precio.

Se dedujo que al cotejar datos de IndexTM, RewiePro con las ventas hoteleras a través de STR junto a los ingresos, estimando un aumento de 1% de la puntuación de la reputación online, condujo a un incremento de 0,89% en los precios, según (ADR). Del mismo modo ese mismo aumento del 1% de mejora en la reputación conllevó a un aumento del 0,54% de la ocupación del establecimiento. Y finalmente dicho aumento del 1% afectó al resultado del establecimiento mediante un incremento del 1,42% de los ingresos por habitación disponible (RevPAR).