Updated: agosto 8, 2024
Descubra los secretos del algoritmo de Dynamic Pricing de vanguardia de Pricelabs. Adéntrate en las profundidades: ¡te espera una aventura técnica!
En la Parte 1 de nuestra Descripción General del Algoritmo de Dynamic Pricing, revelamos cómo calculamos los precios óptimos para cualquier fecha futura mediante la previsión de su ocupación, la estimación de la probabilidad de reserva y la búsqueda del precio que maximiza los ingresos esperados.
La primera parte explica por qué los precios deben ser diferentes según la temporada, el día de la semana, el ritmo del mercado y si hay un pico de demanda debido a un día festivo o evento. Si aún no has leído la Parte 1 , te recomendamos que la leas antes de profundizar en este artículo.
Ahora llegamos a la última parte de nuestro algoritmo: la evolución de la tarifa, o cómo cambian los precios de una fecha futura con el tiempo. Hay dos razones principales por las que nuestras recomendaciones de precios cambian con el tiempo.
Pronóstico en evolución: Nuestro pronóstico para una fecha futura puede cambiar todos los días a medida que obtenemos nueva información. El siguiente gráfico muestra cómo evolucionó nuestro pronóstico para el 14 de abril de 2023 en el mercado de Phoenix en los meses anteriores. Vemos un salto repentino en el pronóstico después de noviembre de 2022. Taylor Swift anunció las fechas de su gira Eras Tour para Phoenix, Arizona. Durante agosto-octubre de 2022, nuestro pronóstico del mercado se había reducido porque el área estaba atrasada con respecto a las tendencias del año anterior, recogiendo los primeros signos de desaceleración de la economía. Pero poco después del anuncio del Eras Tour, la tendencia al ritmo se revirtió y nuestro pronóstico aumentó aproximadamente un 25%.
Nota: El gráfico que muestra la evolución mensual del pronóstico es solo para fines ilustrativos. El motor de pronóstico que impulsa los dynamic pricing se ejecuta a diario.
Oportunidad de reserva restante: En el ejemplo anterior, está claro para cualquiera que busque que, a medida que el pronóstico aumentó después de que se anunciaron las fechas de la gira de Eras, los precios óptimos también deberían subir. Pero no está tan claro cómo deberían evolucionar las tarifas si nuestra previsión de demanda para una fecha no cambia.
Las próximas secciones ayudan a construir la intuición sobre por qué y cómo deberían evolucionar las tarifas a medida que nos acercamos a la fecha de estadía.
¿Por qué deberían cambiar los precios con el tiempo de entrega?
Nuestros clientes a menudo nos preguntan por qué nuestras recomendaciones de precios suelen ser altas para una fecha lejana y se reducen con el tiempo.
Aprendimos en el artículo anterior que la probabilidad de reservar para una fecha futura está ligada a la ocupación prevista.
Por ejemplo, si la ocupación prevista es del 90 % y no se ha producido ninguna reserva.
Esperamos que se reserven 90 propiedades de un total de 100 propiedades similares.
En ese momento, podemos elegir un precio alto, dado que se espera que la mayoría de las propiedades en el mercado estén reservadas.
Avancemos rápidamente a 3 meses y digamos que ahora hay 80 propiedades reservadas. El mercado avanza como se esperaba y seguimos pronosticando una ocupación del 90%. Esto significa que de las 20 propiedades restantes, solo se espera que 10 se reserven, una probabilidad del 50% de reserva.
Si bien las perspectivas generales del mercado no han cambiado (todavía esperamos una ocupación del 90%), si la propiedad aún no se ha reservado, las posibilidades de que se reserve ahora manteniendo el mismo precio han disminuido. Por lo tanto, es posible que queramos reducir las tasas para aumentar los ingresos esperados.
Desbloqueo 7: Evolución de la tasa
Por lo tanto, debemos introducir el “tiempo de entrega” en el cálculo de la probabilidad de reservar en diferentes puntos de precio.
Usemos otro ejemplo para entenderlo mejor. Considere un escenario en el que:
- Podemos cambiar los precios 3 veces en las siguientes ventanas de reserva: 360, 240 y 120 días.
- Los precios pueden ser 200, 400, 600, 800 o 1000.
- Nadie reserva con más de 360 días de antelación.
- Las probabilidades de reserva en cada ventana de reserva se encuentran en la siguiente tabla.
Como veremos, ahora tenemos acceso a cuál es la probabilidad de reserva en diferentes ventanas de reserva. La probabilidad total de reservar a un precio se puede derivar de las probabilidades de cada ventana de reserva.
Por ejemplo, para un precio de 200 -> la probabilidad total de reserva se puede calcular utilizando la siguiente fórmula
Escenario 1: solo podemos establecer precios una vez
Calculemos ahora los ingresos máximos esperados en los dos escenarios siguientes.
En este caso, el precio maximizador de ingresos sería aquel en el que la multiplicación de las dos primeras columnas (precio y probabilidad de reserva al precio) es mayor. El precio de 600 USD proporciona los ingresos esperados más altos de 300 USD (600 USD * 50%). Si solo nos permitieran establecer un precio una vez, ¡$ 600 es lo que elegiríamos!
Escenario 2: podemos cambiar los precios 3 veces
Encontrar el conjunto óptimo de precios puede ser un desafío computacional dada la secuencia de decisiones con múltiples posibilidades y probabilidad condicional. Hay 5 precios posibles para cada una de las tres ventanas de reserva. Eso hace que el número total de posibilidades para explorar sea 5 * 5 * 5 = 125 posibilidades.
Ahora imagínate si tuviéramos los mismos 5 y precios para la fecha futura que está a 360 días de distancia.
Pero ahora podemos cambiar el precio a diario.
El número de posibilidades ahora es 5^360.
¡Un número muy grande que es difícil de resolver incluso para las computadoras más rápidas!
La decisión más fácil de explicar es el precio de la ventana de reserva de 120 días. A los 120 días, el precio que maximiza los ingresos se puede calcular multiplicando los precios por la probabilidad de que se reserve con 120 días de antelación. En este caso, 400 es el precio que maximiza los ingresos para esta ventana.
Para la ventana de reserva de 240 días, no solo tenemos que considerar maximizar los ingresos que se pueden obtener vendiendo en esa ventana, sino también la posibilidad de no vender y vender en la ventana de 0-120 días. No queremos vender demasiado barato ahora cuando posiblemente podamos vender por 400 dólares en el futuro. Optimizar esto puede ser un ejercicio complicado, pero afortunadamente, esta es un área bien estudiada de la optimización matemática. Resolvemos este problema de cálculo utilizando la ecuación de Bellman.
Estamos proporcionando una solución óptima para mostrar que los ingresos esperados son mayores que los que encontraríamos en el Escenario 1.
El conjunto óptimo de precios a continuación da un ingreso esperado de $303:
- 360 días: establecido en $ 800
- 240 días: Fijado en $600
- 120 días: establecido en $400
El escenario 2 da unos ingresos esperados de 303 dólares frente al escenario 1 con unos ingresos esperados de 300 dólares. Por lo tanto, el escenario 2 se comporta un 1% mejor.
Mientras que el ejemplo anterior mostró un aumento bastante modesto de los ingresos del 1% por el cambio de precios, nuestros experimentos con datos reales muestran que las ganancias por el uso correcto de los descuentos de última hora son de alrededor del 9%. La diferencia radica en el hecho de que nuestros algoritmos no solo cambian los precios 3 veces al año, sino que lo hacen todos los días.
Nota: notaremos que el precio para la ventana de 0 a 120 días tiene un descuento sobre el precio óptimo del escenario 1, mientras que el precio para la ventana de 240 a 360 días tiene una prima sobre el precio óptimo del escenario 1. Nuestro algoritmo los calcula automáticamente a medida que cambia el tiempo de entrega.
¿Aumentar los precios en el último minuto?
¡Sí! En el ejemplo anterior se supone que nuestro pronóstico de demanda se conoce desde el principio y no cambia. En realidad, como vimos con el concierto de la era de Taylor Swift, o las economías se desaceleran, pueden pasar muchas cosas a medida que se acerca una fecha.
Los precios pueden aumentar a medida que se acerca una fecha si el mercado se está reservando más rápido de lo previsto. También puede ocurrir cuando hay una diferencia significativa en la sensibilidad al precio de las reservas de última hora y anticipadas.
¿Por qué las aerolíneas lo hacen de manera diferente?
Si bien tanto las aerolíneas como los alquileres vacacionales forman parte de la industria de viajes, la dinámica del mercado es muy diferente.
Los alquileres vacacionales están cerca de la “competencia perfecta”: para un huésped potencial, hay muchas opciones disponibles. Además, la propiedad de estas opciones tiende a estar bastante fragmentada: incluso en mercados donde un gran administrador administra la mayor parte del inventario, los ingresos de una reserva en una casa no se comparten con otro propietario.
Las aerolíneas son un mercado oligopólico. Solo hay unas pocas opciones viables en la mayoría de las rutas de una ciudad a otra. Además, cuando tenemos en cuenta los viajes de negocios de última hora, hay tres factores adicionales que intervienen: los programas de fidelización que significan que es más probable que los viajeros elijan su aerolínea preferida; contratos de venta de empresas que significan que las grandes empresas reservan exclusivamente a sus empleados en las tiendas de sus aerolíneas preferidas; y la sensibilidad a los precios generalmente más baja de los viajeros de negocios. Todo esto significa que la decisión de maximizar los ingresos para las aerolíneas suele ser mantener los precios más altos en el último minuto, incluso si eso significa unos pocos asientos vacíos. A diferencia de los hogares, lo que importa es el ingreso total del avión, no que cada asiento maximice sus ingresos.
Las primas a la distancia en los alquileres vacacionales cumplen otra función importante: cuando una fecha está muy lejos y el volumen de reservas es bajo, existe un margen de error inherente en la previsión. Podemos hacer todo lo posible en función de los datos disponibles, pero muchos eventos pueden afectar la demanda para una fecha futura. Las primas lejanas sirven como cobertura contra tales eventos, especialmente cuando las fechas están lo suficientemente lejos como para que no se reserve gran parte de la demanda de todos modos.
Nota final:
Establecer precios dinámicos para cada fecha futura no es un ejercicio de una sola vez. Nuestro equipo de ciencia de datos ha descubierto que, incluso cuando el pronóstico es estable, las primas y los descuentos de última hora brindan un impulso del 11% a los ingresos en promedio.
PD: Tenemos algunas ideas interesantes sobre cómo los descuentos de última hora deberían variar según el mercado y la temporada: lea este blog.
Al concluir nuestra exploración del algoritmo de dynamic pricing , esperamos que este artículo haya arrojado luz sobre el intrincado proceso de optimización de las tarifas de su propiedad.
Si está listo para experimentar los beneficios de los dynamic pricing, lo invitamos a probar Pricelabs : comience su prueba gratuita.
Tanto si eres un administrador de propiedades experimentado como si acabas de empezar, nuestro algoritmo está diseñado para empoderarte.
Si tienes alguna pregunta sobre lo anterior o sobre Pricelabs en general, comunícate con nuestro equipo de soporte y nos pondrán.
De vuelta al edificio,
Equipo de ciencia de datos de Pricelabs
