Dar con el precio perfecto en el momento adecuado para cada propiedad no es tarea fácil cuando se trata de alquileres vacacionales. Y como pioneros en la tarificación dinámica para alquileres a corto plazo, lo sabemos bien.
Para obtener una tarificación precisa para alquileres vacacionales, se necesitan análisis y modelos avanzados. Estos modelos deben basarse en datos oportunos, limpios y validados a gran escala, porque al final del día, la calidad de los datos afecta directamente el rendimiento del modelo, y los datos de baja calidad finalmente resultarán en precios no optimizados, reservas deficientes y propietarios frustrados.
En Beyond, una de las formas con las que logramos una tarificación más precisa con los datos más fiables es a través de nuestra práctica de clusters o agrupamiento: nuestro equipo de Revenue Management analiza datos de decenas de millones de anuncios y los agrupa en función de las similitudes, creando decenas de miles de grupos en todo el mundo. Esto nos permite crear conjuntos comparables para cada listado que determinan con precisión el precio correcto.
Entonces, ¿qué significa esto para los property managers y anfitriones que buscan maximizar sus ingresos y reservas? Aquí profundizo en nuestra postura y metodología sobre la técnica de agrupamiento de Beyond, y cómo desempeña un papel en la maximización de los ingresos por alquiler vacacional.
¿Cómo Beyond crea los clusters?
1ª etapa: poseer el pipeline de los datos
La calidad de los datos es esencial para lograr resultados de tarificación superiores, lo que significa que tener supervisión directa, acceso y, en última instancia, propiedad de los datos es un diferenciador clave para los sistemas de revenue management. Si todos los proveedores de tarificación se basan en los mismos puntos de datos exactos, habrá una diferencia mínima en sus estrategias de precios. Como ingrediente clave en una estrategia de precios, la recopilación de los datos de primera mano es imperativa para obtener la tarificación más precisa, y sus modelos de precios deben tener un control completo sobre todo el flujo, desde la recopilación hasta la salida final.
Dado lo importante que son los datos para una tarificación dinámica precisa, en Beyond invertimos considerablemente tanto en las conexiones de sistemas de gestión de propiedades (PMS) como en las técnicas de recopilación de datos de agencias de viaje online (OTA), y lo hemos estado haciendo durante más de diez años. Como resultado, tenemos el conjunto de datos más grande de datos de alquileres a corto plazo disponible, y es de nuestra propiedad. Esto significa que cuando ocurren anomalías o cambian las tendencias, no dependemos de otras empresas para informarnos sobre lo qué está sucediendo. En cambio, confiamos en nuestro equipo de datos y data scientists global para comprender y manejar cualquier ajuste de manera eficiente. Por ejemplo, cuando Airbnb comenzó a agregar identificadores de listados más largos que requerían un manejo especial o si un PMS cambia la forma en que separa las tarifas de las tarifas de alquiler, poseer los datos nos permite comprender el impacto y cómo ajustar los modelos de precios en consecuencia.
Poseer nuestro pipeline de datos es crucial para establecer los precios adecuados y, en última instancia, es el ingrediente clave para ofrecer un mayor ingreso por noche disponible (RevPAN), tarifas promedio por noche (ADR) y tasas de ocupación a nuestra base de clientes global.
2ª etapa: ¿cómo establecemos los mercados?
Tener su propia fuente de datos es excelente, pero ¿qué hacer con ella? ¿Cómo pasar de trillones de puntos de datos a algo que podemos utilizar?
Primero, volvamos a lo básico. Como ya mencioné, los datos se utilizan para esquemas de tarificación avanzada, pero también se utilizan en conversaciones cotidianas con nuestros clientes y entre nuestro equipo. Es por eso que dividimos nuestros datos en mercados convencionales. Esto suele basarse en la comprensión general de una zona y en cómo la gente habla de ellas, por ejemplo, Chicago o "París" como área urbana, Dallas-Fort Worth con dos nombres pero un solo mercado, o Estambul con dos continentes pero un solo mercado.
En Beyond, pensamos en términos de métricas, eventos, día de la semana y estacionalidad, por lo que requerimos que los mercados sean similares al menos en uno de estos aspectos. Sin embargo, no te preocupes, esto es solo el punto de partida; no fijamos el mismo precio para todo Chicago, por poner un ejemplo.
Uno de los usos más comunes cuando hablamos de mercados se refiere a la oferta, que ha crecido sustancialmente en los últimos años. Si bien esta mayor oferta significa más competencia, el lado positivo es que hay más anuncios para crear conjuntos de alojamientos comparables y, por lo tanto, podemos hacer que estos conjuntos sean más precisos. Como ejemplo, a continuación vemos la ubicación de 1,000 de los más de 16,000 alquileres a corto plazo en la región de Smoky Mountains. E incluso, 1000 alojamientos es mucho para tratar de mapear mentalmente un comp set, o conjunto de alojamientos que son competencia.
Localización de 1000 alojamientos vacacionales en la zona de Smoky Mountains (Estados Unidos ). Fuente: Funcionalidad de Market Insights de Beyond Pricing
3ª Etapa: recopilación y limpieza de datos
A continuación, llegamos a los datos que alimentan nuestro algoritmo principal, especialmente los datos de Airbnb, Vrbo y los datos de hoteles de Expedia. Primero nos enfocamos en la velocidad o en la frescura de los datos. Como en la mayoría de las operaciones de extracción de datos, la velocidad es importante porque, por un lado, generalmente no se puede retroceder para recopilar datos históricos (de días pasados) y, por otro lado, los mercados cambian rápidamente, especialmente a corto plazo. En otras palabras, a veces los datos antiguos pueden ser peores que no tener datos. Por lo tanto, monitoreamos constantemente nuestras máquinas de extracción de datos, asegurándonos de recopilar datos de cada calendario aproximadamente cada dos días, o en mercados que tienen plazos de reserva más cortos, los recopilamos aún más a menudo para no perder la optimización de precios de última hora.
Una vez que obtenemos los datos, los almacenamos en bases de datos masivas que permiten una rápida recuperación. Esto es importante cuando se trabaja con grandes volúmenes de datos, como todos los precios y días de Airbnb en todos los días. Esto nos permite ejecutar algoritmos, pero también permite que nuestro equipo de análisis ejecute informes sobre los datos a gran escala.
Otro punto valioso de tener datos a gran escala almacenados en una base de datos más dinámica es que podemos ejecutar nuestra lógica de limpieza más rápido, lo que nuevamente ayuda con la frescura de los datos. En la limpieza, nos enfocamos en eliminar las listas inactivas, o "fantasmas", que en realidad no están activas, los días bloqueados en lugar de días reservados, así como cualquier lista que no sea competitiva en naturaleza o que reciba malas críticas o ninguna opinión.
4ª etapa: reagrupamiento automático
Ahora que los datos están almacenados y limpios, desglosamos los mercados en conjuntos de inventario comparables o clusters. Estos clusters son finalmente donde agregamos los datos para obtener las métricas valiosas (ocupación, precio, tiempo de reserva, etc.).
Hacemos esto emparejando listados similares y válidos según el tamaño de las habitaciones y agrupándolos con un enfoque en la geografía. En el ejemplo a continuación, puedes ver que los polígonos crean un grupo de listados similares teniendo en cuenta diferentes vecindarios y centros, como alrededor de un centro de convenciones o aeropuerto. También tenemos en cuenta vecindarios que pueden funcionar de manera diferente, como un distrito de negocios central que está más ocupado durante la semana y un área de bares más popular los fines de semana. Nunca hemos dependido de códigos telefónicos ni códigos postales, ya que no se alinean con la geografía de cómo funcionan los alquileres a corto plazo. Lo mejor de todo es que esta lógica se puede ejecutar en cualquier momento, a medida que se agreguen más o menos viviendas a las agencias de viaje online, siempre estamos ajustando los límites, agregando y eliminando clusters para garantizar la precisión.
Grupos del centro de Buenos Aires.
Fuente : El equipo de Data Scientist de Beyond.
5e étape : Regroupement d’un point de vue humain
La lógica avanzada es maravillosa, pero a veces no es suficiente para obtener el conjunto de listados comparables perfecto. Nuestro último paso en la creación de clusters es llevar a un experto analista de revenue management capacitado por Beyond para revisar la salida y ajustarla según su conocimiento institucional y los comentarios del mercado local. De la misma manera en que un property manager quiere revisar sus precios, queremos que nuestros expertos revisen nuestras agrupaciones. Esto es especialmente cierto para los alquileres a corto plazo que generan más ingresos, ya que suelen ser los más únicos y esto debe tenerse en cuenta. Pasamos tiempo ajustando los límites para cumplir con las expectativas, pero también para asegurarnos de que se tengan en cuenta los atributos geográficos que afectan el precio, como frente al mar o acceso directo a la pista de esquí.
Grupos con y sin acceso directo al golfo de Outer Banks.
Fuente : El equipo de Data Scientist de Beyond.
Grupos con acceso directo a las pistas de ski de Park City.
Fuente : El equipo de Data Scientist de Beyond.
Una vez que estos clusters son diseñados y revisados por nuestro equipo de Revenue Management, están listos para que comience la verdadera magia: el algoritmo de tarificación.
¿Qué significa esto para los property managers y anfitriones de alquiler vacacional?
El preciso conjunto de datos de Beyond y su enfoque meticuloso en la agrupación desempeñan un papel fundamental en la maximización de los ingresos y las reservas para las empresas de alquiler vacacional. Al poseer toda el pipeline de datos e invertir en nuestra propia recopilación de datos, Beyond garantiza la más alta calidad y la información más actualizada, lo que nos brinda una ventaja competitiva en el mercado de tarificación dinámica.
El proceso de establecer mercados y recopilar datos limpios mejora aún más la precisión de nuestros conjuntos de listados comparables, lo que permite una tarificación precisa adaptada a las características únicas de cada anuncio. La autoagrupación basada en múltiples factores y la perspectiva humana proporcionada por los analistas de revenue management capacitados garantizan que nuestro algoritmo tenga en cuenta incluso los alquileres vacacionales más únicos y que generan más ingresos. En última instancia, el enfoque basado en datos patentado y los algoritmos avanzados de Beyond brindan a los property managers y anfitriones la confianza y las herramientas que necesitan para tomar decisiones de tarificación informadas. Todo a favor de obtener más ingresos.
Como pioneros en la tarificación dinámica para alquileres de corta estancia, Beyond continúa liderando el camino en la revolución de la industria de alquileres vacacionales y en el impulso del éxito de los property managers en todo el mundo. Con el conjunto de datos en tiempo real actualizado y sólido de Beyond y las técnicas innovadoras, los property managers y anfitriones pueden desbloquear todo el potencial de su negocio de alquiler vacacional, logrando el precio perfecto en el momento adecuado para cada anuncio.
¿Listo para ganar más dinero con sus alquileres vacacionales? ¡Regístrate en Beyond!