Enriqueciendo datos para segmentar hoteles, caso práctico

En posts anteriores hemos desarrollado la segmentación estratégica de clientes y, más concretamente, la segmentación de clientes B2B. En ellos ya mencionamos cómo el enriquecimiento de datos de clientes es muy necesario. Ahora desarrollaremos un caso de segmentación de hoteles, basada en el enriquecimiento de los mismos con variables de su entorno.

El enriquecimiento de datos es siempre útil y aconsejable, a menudo imprescindible. Para segmentar clientes en segmentos relevantes necesitamos generar indicadores con valor de negocio. Es decir, características de alto valor que describen a los clientes y permiten agruparlos en segmentos que tienen significado de negocio y discriminan comportamientos.

Si estas  condiciones se dan, el segmento puede convertirse en el sujeto del plan de marketing, y toda la organización usará los segmentos: la segmentación habrá cumplido su objetivo.

Objetivo: segmentar hoteles por tipo de entorno

Segmentar clientes B2B es una tarea recurrente, madura en los departamentos de marketing, al menos en teoría. Pero ir más allá de una segmentación por valor actual del cliente no siempre es fácil. Lo habitual es eso, ordenar los clientes por valor y asignarles categorías ordinales: A-B-C, oro-plata-bronce.

Cuando se trata de segmentar hoteles, es claro que existen tipos muy diferentes, con características que afectan a su precio, nivel de ocupación, popularidad, dinámica de reservas… y por supuesto maneras de acudir al mercado. Todo profesional del sector trabaja con categorías tipo ‘hotel de primera línea de playa’, ‘hotel rural’, ‘hotel urbano’ u ‘hotel de carretera’.

El caso que desarrollamos a continuación usa el enriquecimiento sistemático con variables de entorno y culmina en una segmentación estratégica de los hoteles en Catalunya y Comunidad Valenciana en función de su tipo de ubicación, popularidad, calidad percibida y precio percibido. Es un caso desarrollado con rapidez, sin vocación de completud y sin optimización de ninguno de sus pasos, solo a efectos de demostración de la metodología. Por favor, tenedlo en cuenta, se puede y debe hacer mejor. Pero sí nos permite visualizar resultados como este mapa de tipos de hoteles:

Metodología: enriquecimiento por entorno y clustering

La segmentación de hoteles se basa en tres técnicas:

1. Enriquecimiento de los hoteles con variables de entorno de alta precisión: población residente, estimación de atracción turística, tráfico peatonal y de vehículos, distancia a costa, altitud, residentes extranjeros por tipos, estilos de vida, centralidad urbana, centralidad comercial… la disponibilidad de estos datos de enriquecimiento y location intelligence de alta precisión marca la diferencia en este caso.
2. Enriquecimiento de los hoteles con indicadores de popularidad, precio y valoración en directorios de establecimientos online (en este caso, a modo de ejemplo, Google maps).
3. Segmentación de los hoteles con técnicas de clustering standard (en este caso k-means). Un análisis cluster realmente afinado tiene mucho preproceso delicado (selección de variables no correladas,  transformación de variables no normales, tipificación, tratamiento de outliers y nulos…), y mucho post-proceso y optimización (selección de la solución con máxima heterogeneidad inter-cluster, mínima heterogeneidad intra-cluster). En este caso nos  ahorramos la optimización, no imprescindible a efectos de demostración. Pero no olviemos que sí sería necesaria para una segmentación de hoteles robusta, ‘en real’.

Resultados: los segmentos de hoteles

Ya hemos visto arriba el mapa de los segmentos de hoteles resultantes. Veamos aquí cómo se compone y describe cada cluster, comparando una selección de variables de enriquecimiento microtarget usadas con cada uno de los clusters.

Los valores de las variables son puntuaciones tipificadas, rango 0 – 1. Esto dificulta la interpretación y, de nuevo, en un proyecto real generaríamos tablas y gráficos con los valores originales de las variables, así como de otras variables no usadas en el clustering por motivo técnico, pero con sentido de negocio.

Es clave, para este tipo de segmentación, contar con variables de entorno precisas y fiables, y muy especialmente con modelos de atracción turística  y simulaciones de movilidad peatonales y de vehículos, como es el caso.

Y hablando de variables relevantes de negocio, ¿qué tal si comparamos nuestros 5 tipos de hoteles con su popularidad, valoración y percepción de precio en directorios online y redes sociales?

Los hoteles de playa y carretera son que cuentan con más valoraciones, pero son los hoteles de interior y rurales los que tienen mejores valoraciones. Los del segmento ‘playa y rentistas’ son los valorados como más caros, y los ‘de carretera’ los más asequibles.

Conclusiones: beneficios de enriquecer datos para segmentar clientes

En síntesis, enriquecer datos de clientes B2B, y especialmente cuando se trata de establecimientos cuya demanda -caso de retail- u oferta -caso de hoteles- está ligada a su entorno, aporta características de alto valor que dan riqueza, valor a la propia segmentación.

Dicho de otra manera: una segmentación estratégica de hoteles que no tenga en cuenta el entorno del hotel siempre será insuficiente, incompleta, y por tanto incumplirá el objetivo de toda segmentación estratégica: que el segmento se convierta en sujeto del plan de marketing.

¿Estáis de acuerdo? ¿tenéis experiencias de segmentación de hoteles?