IA para reducir el impacto de cancelaciones en hoteles

Nuevo estudio "Machine Learning in Hospitality: InterpretableForecasting of Booking Cancellations" propone un modelo de Inteligencia Artificial para reducir el impacto de cancelaciones en hoteles. Un equipo multidisciplinar de investigadores Ismael Gómez-Talal y Pilar Talón-Ballestero de la universidad Rey Juan Carlos y Mana Azizsoltani y Ashok Singhana Azizsoltani de la Universidad de Nevada (EEUU) ha publicado recientemente en IEEE Xplore un estudio en el que se presenta un innovador modelo de predicción de cancelaciones de reservas en hoteles basado en Machine Learning e Inteligencia Artificial Explicable (XAI).

Las cancelaciones hoteleras suponen una distorsión en la demanda y pueden generar pérdidas de ingresos en los hoteles de hasta un 20 %. Pese a su relevancia, la capacidad de predecir cancelaciones de forma precisa sigue siendo un desafío en la industria hotelera.

Este estudio propone una solución con un modelo de predicción avanzado, que alcanza una precisión del 96 % y permite a los hoteles tomar decisiones estratégicas en tiempo real.

Los principales hallazgos del estudio son:

Factores clave en la cancelación de reservas: El análisis muestra que variables como la ubicación del cliente, el tipo de habitación reservada y el segmento de mercado son determinantes en la probabilidad de cancelación.

Optimización de estrategias de Revenue Management: El modelo permite ajustar tarifas y políticas de cancelación para minimizar pérdidas sin afectar la captación de clientes.

Aplicación de modelos explicables: A diferencia de modelos de "caja negra", esta propuesta basada en SHAP (Shapley Additive Explanations) permite a los hoteleros entender qué factores impactan en la decisión de cancelar.

Pilar Talón-Ballestero, coautora del estudio, especialista en Revenue Management y Marketing Hotelero y Directora de los Programas de Revenue Management en la URJC, destaca que "la posibilidad de anticiparse a las cancelaciones y adaptar la estrategia de precios y disponibilidad de forma proactiva es un avance clave para la rentabilidad y sostenibilidad del sector hotelero".

Para acceder al artículo completo: https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=10857340

📩 Para más información o entrevistas, contactar con pilar.talon@urjc.es.#RevenueManagement #Hotelería #BigData #Cancelaciones #MachineLearning #GestiónHotelera #Hospitality