Gestionar las reservas diarias de hotel implica manejar millones de posibles combinaciones de habitación y huésped. Iberostar necesitaba una forma fiable de asignar de forma instantánea y precisa las reservas a corto plazo con hasta 4 días de antelación, al tiempo que gestionaba las reservas más difíciles de ubicar (como aquellas con pocos huecos o sin posibilidad de mejora de categoría) con hasta 15 días de antelación.
Depender del esfuerzo humano para planificar estas asignaciones suponía un gran gasto de recursos, ya que la planificación manual no puede prever fácilmente todas las variables futuras ni los objetivos de optimización. El objetivo principal era claro: reducir el esfuerzo humano necesario y, al mismo tiempo, lograr una asignación de espacios mucho más precisa y estratégica.
Para solucionar este problema, Konecta implementó un motor de Machine Learning apoyado en una simulación de gemelos digitales. En lugar de depender de acciones manuales, esta solución tecnológica evalúa miles de escenarios de asignación de habitaciones para determinar la mejor configuración posible.
Para lograr que este motor fuera altamente preciso y empático con las necesidades de los huéspedes, Konecta estructuró los datos fundamentales utilizando variables inteligentes:
- Una matriz de distancias representa los números de las habitaciones, los pisos y las distancias físicas entre los edificios utilizando coordenadas cartográficas.
- Una herramienta de comparación identificó reservas similares para garantizar que las familias y los amigos se alojen cerca unos de otros.
El modelo evalúa escenarios en dos etapas: primero, prioriza mantener cerca a los huéspedes relacionados, minimizando la distancia física; luego, con esa configuración, optimiza todo el sistema para reducir activamente los tiempos de espera. El sistema está programado para descartar automáticamente las solicitudes matemáticamente imposibles, garantizando así que el resto de las operaciones del hotel se desarrollen sin interrupciones.
Al sustituir las conjeturas manuales por un modelo automatizado de múltiples objetivos, el hotel transformó por completo sus operaciones diarias. El sistema ahora funciona sin intervención del personal, lo que permite al equipo dedicar su tiempo a la atención directa a los huéspedes en lugar de a la logística administrativa. El impacto real quedó claramente demostrado durante los meses de mayor ocupación, julio y agosto.
- Los tiempos de espera de los clientes se redujeron en un 65%.
- Las familias y los grupos de viajeros disfrutaron de una mejor experiencia, ya que la distancia media entre las reservas vinculadas mejoró en un 10 %.
El cambio hacia la asignación automatizada impulsó una mejora en la experiencia general de los huéspedes, lo que demuestra que los modelos de datos complejos pueden traducirse directamente en una hospitalidad más cálida y humana.
.jpg)
