Revenue Management para hoteles ubicados fuera de núcleos turísticos

La gestión de precios en hoteles ubicados fuera de los principales centros turísticos presenta desafíos particulares, dada la variabilidad de la demanda y la ausencia de estrategias avanzadas de revenue management. En este trabajo se desarrolla un modelo predictivo orientado a optimizar los ingresos...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Mirenna, Mateo
Formato: Tesis de maestría
Lenguaje:Español
Inglés
Publicado: Universidad Torcuato Di Tella 2025
Materias:
Precios
Industria hotelera
Previsiones
Análisis estadístico
Prices
Hotel industry
Forecasts
Statistical analysis
Acceso en línea:https://repositorio.utdt.edu/handle/20.500.13098/13745
Aporte de:
Repositorio Digital Universidad Torcuato Di Tella de Universidad Torcuato Di Tella
id I57-R163-20.500.13098-13745
record_format dspace
spelling I57-R163-20.500.13098-137452025-10-30T15:57:05Z Revenue Management para hoteles ubicados fuera de núcleos turísticos Mirenna, Mateo Precios Industria hotelera Previsiones Análisis estadístico Prices Hotel industry Forecasts Statistical analysis La gestión de precios en hoteles ubicados fuera de los principales centros turísticos presenta desafíos particulares, dada la variabilidad de la demanda y la ausencia de estrategias avanzadas de revenue management. En este trabajo se desarrolla un modelo predictivo orientado a optimizar los ingresos de un hotel en Pilar, Buenos Aires, Argentina, enfocado en el segmento de huéspedes individuales durante fines de semana y feriados. Se utilizaron datos históricos de estadías, tarifas, eventos y feriados para construir modelos de predicción de demanda. Inicialmente, se aplicó una regresión lineal múltiple con método Bootstrap para robustecer las estimaciones; posteriormente, se reemplazó por un modelo de Random Forest, optimizado mediante Grid Search. La evaluación de los modelos se realizó utilizando datos no vistos de 2023 y 2024. Los resultados muestran que, al aplicar el modelo de Random Forest optimizado, el hotel podría haber generado ingresos significativamente superiores en comparación con la política actual de precios. En particular, se estimó que un aumento más moderado de tarifas (alrededor del 12%) hubiera maximizado el revenue total, superando ampliamente al incremento fijo del 30% que se implementa actualmente. Esta estrategia habría permitido captar una mayor cantidad de huéspedes, generando un incremento del 34% en los ingresos por habitaciones en 2023 y del 21% en 2024, en comparación con los ingresos obtenidos bajo la política vigente. Este impacto económico se amplifica si se consideran los ingresos asociados a servicios complementarios como Alimentos y Bebidas, Health & Spa y otros consumos vinculados a una mayor ocupación. El análisis reveló que la política actual de aumentos de precios basada en umbrales de ocupación podría ser subóptima. Modelos más sofisticados permiten identificar estrategias de precios dinámicos que capturan mejor la elasticidad de la demanda, generando mayores ingresos tanto por alojamiento como por consumos asociados (Alimentos y Bebidas, Health & Spa, entre otros). Los resultados obtenidos refuerzan el potencial del uso de técnicas analíticas avanzadas en la industria hotelera, incluso en establecimientos de menor escala, y plantean recomendaciones concretas de mejora en la política de precios y en la gestión estratégica de la información. Mirenna, M. (2025) “Revenue Management para hoteles ubicados fuera de núcleos turísticos”. [Tesis de maestría. Universidad Torcuato Di Tella]. Repositorio Digital Universidad Torcuato Di Tella. https://repositorio.utdt.edu/handle/20.500.13098/13745 Universidad Torcuato Di Tella 2025-10-22T21:27:39Z 2025 info:eu-repo/semantics/masterThesis https://repositorio.utdt.edu/handle/20.500.13098/13745 spa eng Tesis y Trabajos Finales de la Universidad Torcuato Di Tella info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-sa/4.0/deed.es V p. 71 p. application/pdf application/pdf
institution Universidad Torcuato Di Tella
institution_str I-57
repository_str R-163
collection Repositorio Digital Universidad Torcuato Di Tella
language Español
Inglés
orig_language_str_mv spa
eng
topic Precios
Industria hotelera
Previsiones
Análisis estadístico
Prices
Hotel industry
Forecasts
Statistical analysis
spellingShingle Precios
Industria hotelera
Previsiones
Análisis estadístico
Prices
Hotel industry
Forecasts
Statistical analysis
Mirenna, Mateo
Revenue Management para hoteles ubicados fuera de núcleos turísticos
topic_facet Precios
Industria hotelera
Previsiones
Análisis estadístico
Prices
Hotel industry
Forecasts
Statistical analysis
description La gestión de precios en hoteles ubicados fuera de los principales centros turísticos presenta desafíos particulares, dada la variabilidad de la demanda y la ausencia de estrategias avanzadas de revenue management. En este trabajo se desarrolla un modelo predictivo orientado a optimizar los ingresos de un hotel en Pilar, Buenos Aires, Argentina, enfocado en el segmento de huéspedes individuales durante fines de semana y feriados. Se utilizaron datos históricos de estadías, tarifas, eventos y feriados para construir modelos de predicción de demanda. Inicialmente, se aplicó una regresión lineal múltiple con método Bootstrap para robustecer las estimaciones; posteriormente, se reemplazó por un modelo de Random Forest, optimizado mediante Grid Search. La evaluación de los modelos se realizó utilizando datos no vistos de 2023 y 2024. Los resultados muestran que, al aplicar el modelo de Random Forest optimizado, el hotel podría haber generado ingresos significativamente superiores en comparación con la política actual de precios. En particular, se estimó que un aumento más moderado de tarifas (alrededor del 12%) hubiera maximizado el revenue total, superando ampliamente al incremento fijo del 30% que se implementa actualmente. Esta estrategia habría permitido captar una mayor cantidad de huéspedes, generando un incremento del 34% en los ingresos por habitaciones en 2023 y del 21% en 2024, en comparación con los ingresos obtenidos bajo la política vigente. Este impacto económico se amplifica si se consideran los ingresos asociados a servicios complementarios como Alimentos y Bebidas, Health & Spa y otros consumos vinculados a una mayor ocupación. El análisis reveló que la política actual de aumentos de precios basada en umbrales de ocupación podría ser subóptima. Modelos más sofisticados permiten identificar estrategias de precios dinámicos que capturan mejor la elasticidad de la demanda, generando mayores ingresos tanto por alojamiento como por consumos asociados (Alimentos y Bebidas, Health & Spa, entre otros). Los resultados obtenidos refuerzan el potencial del uso de técnicas analíticas avanzadas en la industria hotelera, incluso en establecimientos de menor escala, y plantean recomendaciones concretas de mejora en la política de precios y en la gestión estratégica de la información.
format Tesis de maestría
author Mirenna, Mateo
author_facet Mirenna, Mateo
author_sort Mirenna, Mateo
title Revenue Management para hoteles ubicados fuera de núcleos turísticos
title_short Revenue Management para hoteles ubicados fuera de núcleos turísticos
title_full Revenue Management para hoteles ubicados fuera de núcleos turísticos
title_fullStr Revenue Management para hoteles ubicados fuera de núcleos turísticos
title_full_unstemmed Revenue Management para hoteles ubicados fuera de núcleos turísticos
title_sort revenue management para hoteles ubicados fuera de núcleos turísticos
publisher Universidad Torcuato Di Tella
publishDate 2025
url https://repositorio.utdt.edu/handle/20.500.13098/13745
work_keys_str_mv AT mirennamateo revenuemanagementparahotelesubicadosfueradenucleosturisticos
_version_ 1847744065539407872

Ejemplares similares