Desmitificando al Ogro

Para el público que no está ligado a la industria de las aerolíneas el Revenue Management (RM) suele ser visto como el malo de la película. Un Ogro que roba a los pobres consumidores parte de su preciado excedente. Poca gente ve que el RM tiene muchos efectos deseables para los clientes.  Pero al menos en teoría, los efectos netos del RM debieran ser positivos incluso para el mercado (los clientes).

Quiero contarles cómo fue que aprendí esto, porque creo que la anécdota es interesante. Fue a principios del '95 cuando estaba postulando al cargo de jefe de sistemas de RM en Lan Chile (ahora Lan Airlines). Tuve un par de entrevistas con la que sería mi jefa, Soledad Berríos, y con una empresa de búsqueda de personal. La última entrevista era con Kyrl Acton, Vicepresidente de Desarrollo Corporativo de Lan. Kyrl es una verdadera eminencia en el RM, él fue el que trajo la disciplina a Lan. Venía de Aer Lingus, donde llegó a ocupar el cargo de Chief Executive de pasajeros. Incluso su nombre aparece entre los agradecimientos en el libro "Revenue Management" de Robert Cross, uno de los textos fundacionales del RM.

La Sole me dijo que la entrevista iba a ser en inglés dado que en la empresa de búsqueda se habían confundido y no me habían tomado la prueba de inglés. De modo que fui a la entrevista con este irlandés, que por cierto, es un tipo muy cálido e informal, pero sin duda con una inteligencia superior. La verdad es que no recuerdo de qué hablamos durante toda esta entrevista. Recuerdo que Kyrl me dijo que le parecía todo bien, que mi inglés era mucho más que lo que se requería para el cargo, etc. Fue entonces cuando me hizo la única pregunta que recuerdo bien. Me dijo: Es obvio que el RM trae un gran beneficio a las empresas que lo aplican, pero ¿tú me podrías decir cómo el RM beneficia al mercado? ¿Qué beneficios trae a los pasajeros? Debo confesar que lo único que atiné a decir fue que no se me ocurría nada. Incluso pensé que había perdido la oportunidad por mi torpe respuesta.

Por suerte parece que él ya había tomado la decisión de contratarme y sólo quería hacerme sudar un poco. Entonces él me explicó que existen muchos beneficios del RM para los clientes. Me dijo que me iba a dar tres ejemplos:

Primero, el RM se encarga de controlar la sobreventa (hoy este término es casi taboo en la industria, hay que hablar de 'sobrerreserva') y gracias a la sobreventa es que en la industria existe más capacidad ofrecida que la que realmente existe. Esto hace que los precios promedio sean algo más bajos que si sólo se ofertara la capacidad física existente. Por otro lado, el sobrevender permite ofrecer boletos flexibles, que permiten cambiar de fecha, o incluso a veces, devolver el boleto obteniendo el importe pagado de vuelta. El mercado aprecia esta flexibilidad.

Además, al vender una mezcla variada de tarifas en un avión, es posible que algunos pasajeros viajen en un avión pagando tarifas que son menores que el costo medio de volar un asiento entre los dos puntos, esto no sería posible sin discriminación de precios.

Por otro lado, los pasajeros que tienen motivos muy importantes para viajar a un destino en una fecha en particular, valoran el hecho de que existan espacios diponibles para ir en la fecha en que los necesitan, aunque tengan que pagar altos precios. En la práctica, si no existieran las tarifas más altas, las líneas aéreas no tendrían incentivos para guardar espacios para los pasajeros que a última hora deciden viajar y que están dispuestos a pagar precios elevados, por lo que estos pasajeros no tendrían cómo volar a su destino cuando más lo necesitan.

¿Qué les parece? Yo pienso que son argumentos sólidos, sin embargo no es en lo primero que pensamos cuando pensamos en RM.

Una cosa que me llama la atención de esta conversación es cómo se me quedó tan grabada. No creo que Kyrl se acuerde de ella.

Así es que ahí lo tienen; los que hacemos Revenue Management no somos tan malos después de todo, casi se podría decir que somos razonablemente buenos.

Quién soy

Creo necesario contarles algo sobre mí. Como dijo Maturana: "Todo lo dicho es dicho por alguien". Así que supongo que es bueno que sepan algo más sobre el autor de este blog.

Soy chileno, ingeniero industrial de la Universidad de Chile. También tengo un M.B.A. de Duke University. Además de Chile, he vivido en EE.UU. por cinco años y en México por unos meses. Tuve la suerte de poder viajar desde bien chico y siempre me atrajo conocer lugares y culturas diferentes. Supongo que fue eso lo que me llevó a trabajar en Lan Chile (hoy Lan Airlines), cuando una amiga de la universidad me contó sobre una vacante como jefe de sistemas de Revenue Management (RM). Por esta casualidad fue que llegué al mundo del Yield, el Overbooking y el Spoileage. Después me fui a estudiar a EE.UU. Estuve dos años en Durham, Carolina del Norte, haciendo el M.B.A. en Duke, The Fuqua School of Business. En este período nació mi hija mayor, Sofía, en el Duke Hospital. Me gradué el '99, con una oferta de American Airlines para ir a Dallas a trabajar en Revenue Management. No era nada despreciable la posibilidad de ir a aprender RM en el lugar donde todo había comenzado catorce años antes.

Allá estuve tres años, hasta que el 11 de septiembre del 2001 vino el desastre de las Torres Gemelas. La verdad es que el ambiente estaba extremadamente depresivo y me pareció que era hora de volver a Chile. Además ya venía en camino Valeria, mi segunda hija. Para sorpresa nuestra, Valeria nació con síndrome de Down. La verdad es que ha sido bien duro, porque hemos tenido que luchar harto para sacarla adelante. Ha tenido hartos problemas de salud. Por suerte hoy está muy bien y nadie que la conozca puede no enamorarse de ella.

Volví a Chile a trabajar como Gerente de Administración y Finanzas de H. Briones S.A., un grupo de empresas de la familia Briones. Eran varias empresas comerciales que importaban y distribuían productos de variados tipos, desde relojes suizos hasta calderas industriales.

Después de dos años volví a la industria de viajes. Esta vez para hacerme cargo de la subgerencia de RM de las rutas domésticas. El año 2005 eso incluía a Lan Perú y Lan Argentina. Allá estuve hasta el final del 2006. El 2007 trabajé en algunos proyectos de RM para empresas no relacionadas a la industria de viajes. Empresas de retail (moda), un canal de televisión, etc. Después me fui a trabajar a Turismo Cocha, donde tenía responsabilidad por el análisis comercial, además de apoyar a Talbot Hotels, empresa relacionada, en la implementación de sistemas de RM en sus ocho hoteles. Fue durante esos meses que me introduje en el mundo de la hotelería y descubrí lo mucho que había para hacer ahí.

Actualmente estoy formando un negocio de asesoría para hoteles en Chile y Latinoamérica. El foco de nuestro negocio está en vender asesorías y servicios de distribución y RM para hoteles y empresas de la industria de viajes. Para esto somos representantes de importantes empresas de clase mundial, como EasyRMS, Booking Center y Northwind Maestro.

En lo personal, soy divorciado y ahora estoy formando una nueva familia junto a Mónica Formas.  Junto con Mónica practicamos mountainbike cada vez que tenemos la oportunidad, además de buceo y natación.  Yo también disfruto de la fotografía y la música.  Por estos días estoy tocando saxofón, además de algo de voces y teclados con una banda, que aún no tiene nombre, pero los mantendré informados.  Mónica también hace fieltros, yo creo que luego va a tener su propio blog dedicado a ese arte.

Nos vemos en el ciberespacio!

Errores Comunes en un Hotel

Quisiera contarles una anécdota que me pasó con uno de mis primeros clientes (voy a omitir nombres para proteger las identidades de las personas y de mi cliente).

Yo estaba comenzando la fase de diagnóstico de Revenue Management para un hotel pequeño. Ellos no tenían una persona dedicada para Revenue Manager. Yo estaba observando el trabajo de la gente en la recepción. Le pregunto a la recepcionista si me puede mostrar alguna solicitud de reserva que haya llegado por email. Ella me muestra un correo de un Argentino. Este señor había entrado a la página del hotel, pero quería ver si podía conseguir una tarifa reducida, sobretodo porque venía por 7 noches. La recepcionista le preguntó al gerente qué descuento le podía ofrecer a este señor que venía por 7 noches. La respuesta del jefe fue que le ofreciera el 10%. Ella le contestó eso al señor por email. Al poco rato llegó un correo de él preguntando si no había algo mejor, ya que él había visto en el sitio web del hotel que había una promoción por las noches de viernes, sábado y domingo, que consistía en un descuento del 30%. Ella entonces le preguntó al gerente y éste le dijo que 10% era lo mejor que le iba a ofrecer.

El resultado fue que este señor no tomó la oferta y lo más probable es que se fue a algún hotel de la competencia.

Ya en este momento el lector atento se dará cuenta de que hay una inconsistencia importante en el tarifario de este hotel. No es razonable que a alguien que toma una reserva por 7 noches seguidas se le ofrezca un descuento del 10% cuando esa misma persona podría tomar una reserva por las 3 noches de fin de semana, con 30% de descuento y otra por las restantes 4 noches, sin descuento, resultando un descuento promedio del 12,9%, ¿verdad?

Además quiero agregar algo de información para que vean que el error era aún más grueso: este es un hotel orientado al tráfico corporativo, en un barrio con muy poco atractivo turístico, en que las mejores noches de la semana (en ocupación) eran las del miércoles y jueves. Este evento ocurrió durante el 2009, en que la ocupación de la plaza era muy baja. Pero además, este señor quería venir una semana en que el jueves era feriado, por lo que la ocupación esa semana iba a estar por el suelo.

Yo le habría dado el 30% para las 7 noches, ¿Uds no?

El Valor del Pronóstico

En un automóvil, el parabrisas es mucho más grande que el espejo retrovisor, sin embargo la mayoría de los ejecutivos dedican más tiempo a revisar el pasado que a proyectar el futuro. Una de las gracias de los sistemas de Revenue Management (RM) es que nos entregan un parabrisas, a diferencia de los demás sistemas de información para la administración, que no son más que espejos retrovisores.

¿Y cómo hacen los sistemas de RM para proyectar con exactitud demandas tan desagregadas (no por mes, sino que por día)? Voy a usar una cita que aprendí de mi profesor de statistical forecasting (Inferencia Estadística) de Duke, Robert Nau: "I have seen the future and it is very much like the present, only longer." (He visto el futuro y es muy parecido al presente, sólo que más largo) La cita pertenece a Kehlog Albran, del libro The Profit. Esta cita describe lo que hace cualquier sistema de pronósticos estadístico: buscar en el pasado patrones que se repiten e identificar las condiciones en las cuales estos patrones se inician.

Los sistemas de pronósticos para RM se basan en datos históricos de reservas para identificar patrones y pronosticar cómo van a seguir entrando reservas en el futuro. Típicamente un sistema de pronósticos para RM hace proyecciones desagregadas para fechas hasta un año hacia adelante. Desagregadas quiere decir que pronostican no sólo cuántas habitaciones van a ser vendidas en un hotel para el mes de Noviembre del próximo año, por ejemplo, y a qué tarifa media, sino que cuántas habitaciones se van a vender para huéspedes que van a llegar al hotel dentro de 365 días en una tarifa específica, para quedarse en el hotel un número específico de noches. O sea, si hoy es 12 de noviembre de 2009, el sistema de RM pronostica el número de habitaciones que se van a reservar para huéspedes que llegan el 12 de noviembre de 2010, que se van a quedar dos noches y van a pagar tarifa Rack. Además de esto, el sistema predice cuándo van a reservar esas habitaciones (fecha de reserva).

Se imaginarán que hacer ese pronóstico no es fácil. De hecho el sistema no va a atinar al número exacto siempre. Entonces, ¿por qué es necesario hacer este tipo de pronósticos? ¿No tomamos decisiones erradas al basarnos en pronósticos que tienen altos errores?

La respuesta a la primera pregunta es que los algoritmos de optimización requieren de un pronóstico desagregado porque la regla de Littlewood necesita una estimación de la probabilidad de vender al menos N habitaciones a la tarifa X.

La respuesta a la segunda pregunta no es tan simple. Lo que pasa es que al optimizar un hotel para llegadas dentro de un año, las decisiones que tomamos hoy no tendrán mucho efecto. Esto porque un año antes es probable que no hayamos recibido reservas aún. De modo que si el sistema sólo autoriza un 10% de la capacidad del hotel para la tarifa más barata, esa tarifa va a estar disponible a la venta por ahora. Una vez que haya vendido el 10% de la capacidad a esa tarifa es probable que el sistema tenga buena información de cómo va a ser la demanda del 12 de noviembre de 2010, de modo que si las reservas han ido entrando más lento que lo que el sistema esperaba, entonces éste va a haber bajado su pronóstico para esa noche, aumentando la autorización para la tarifa más reducida. Es por esto que es tan importante que el sistema de RM proyecte demanda muy frecuentemente, para ir corrigiendo sus proyecciones (y sus decisiones) antes de que se produzca una pérdida de ventas. También es por esto que los sistemas automatizados suelen tomar mejores decisiones que las personas, por inteligentes y expertas que sean.

Una advertencia acerca de los sistemas de pronósticos para la gestión: Es bien difícil evaluar el desempeño de estos sistemas. Esto porque el hecho de conocer el pronóstico hace que los ejecutivos de la empresa tomen decisiones y acciones que invalidan el pronóstico. Por ejemplo, si el sistema nos dice que la demanda va a estar muy floja para febrero del próximo año, vamos a lanzar promociones o algo para mejorar el resultado en ese período.

Qué es y Cómo Nace el Revenue Management

Se dice que Revenue Management es: 'Vender el producto correcto al precio correcto al cliente correcto en el momento correcto'. Esta definición no arroja luces sobre lo que es RM. ¿Cuál es la diferencia entre hacer RM y una buena estrategia de Marketing? Para entender qué es el RM creo que es mejor remontarnos a sus orígenes.

Todo comenzó el año 1972, cuando Kenneth Littlewood propuso que cuando existen dos precios para un bien, uno debe vender al precio bajo hasta que la probabilidad de vender al precio alto sea mayor que la razón entre el precio bajo y el alto. Esta regla (Littlewood's rule) sería en unos años la base para los algoritmos de optimización utilizados por los sistemas automatizados de RM.

El 24 de Octubre de 1978, se firmó el Airline Deregulation Act en EE.UU. que terminaba con la protección monopólica del estado a las líneas aéreas dentro de ese país. A partir de entonces se liberó la entrada de competidores al mercado y también las tarifas aéreas. Aparecieron nuevos competidores y las Big Six, como se conocía a las compañías que habían disfrutado de la protección del estado desde el año 1937 comenzaron a desaparecer o al menos se vieron en serios aprietos. El año 1981 apareció People Express Airlines y comenzó a ganar participación y a convertirse en una tremenda amenaza para las 'big six'. People Express es probablemente el caso más notables de las low-cost de esos años.

La respuesta de American Airlines llegó finalmente el 21 de diciembre de 1985 con el lanzamiento de las 'Ultimate SupersAAver' (USS). Tarifas que tenían descuentos de hasta un 80% sobre la tarifa normal de un mercado. Pero las 'big six' ya habían lanzado tarifas reducidas para competir con las low-cost. ¿Cuál fue la diferencia? En una palabra: DINAMO. DINAMO era el sistema automatizado que desarrolló AA para incorporar la regla de Littlewood en sus decisiones. Este sistema calculaba en forma dinámica la probabildad de vender el último asiento en la tarifa 'full' y de ese modo optimizaba la cantidad de asientos que se ofrecían a la tarifa USS.

Cómo habrá sido de exitoso DINAMO y las Ultimate SupersAAver, que se estima que en los primeros tres años, esta estrategia le valió a AA US$1.400.000.000. Por otro lado, People Express pasó de ser una compañía muy admirada y rentable a la bancarrota en un año.

El RM optimiza las decisiones de cuánto vender con descuento usando modelos de proyección de demanda desagregada y algoritmos matemáticos. En el caso de las líneas aéreas era bastante directo concluir que la respuesta a People Express era vender una porción de los asientos a una tarifa competitiva, especialmente dado que en promedio el 30% de los asientos iban vacíos. El problema era identificar dónde estaba ese 30%. Especialmente porque los pasajeros que estaban dispuestos a pagar las tarifas 'full' eran, generalmente, los que compraban más a última hora. Esto hacía necesario hacer un pronóstico de cuántos de esos pasajeros iban a querer comprar en cada vuelo para así poder guardarles asientos hasta el último momento. Ésa era la misión de DINAMO.

Por supuesto que hoy la ciencia del RM ha avanzado mucho; la regla de Littlewood fue generalizada a casos con más de dos tarifas por Peter Belobaba en 1987 y hoy existen modelos de optimización que incorporan los efectos de red (como el hecho de que en un avión entre dos ciudades viajan pasajeros que conectan con otros vuelos a diferentes destinos o que en un hotel hay que optimizar la capacidad en una noche para huéspedes con diferentes fechas de entrada y salida). Los modelos de proyección de demanda también se han visto beneficiados por el uso de herramientas estadísticas cada vez más avanzadas.