LA MIRADA DEL
REVENUE
Revenue Management hotelero sin filtros
En el artículo anterior de esta serie expliqué por qué la reputación no es un adorno sino una palanca de precio, cómo se construye un comp set experiencial y dónde está exactamente la línea cuando se usan agentes de IA con datos de terceros. Aquí no vuelvo sobre eso. Aquí monto el sistema.
Lo que sigue es el circuito que he ido construyendo en un ejercicio práctico con Manus, un agente autónomo. No somos programadores, pero el sector ha cambiado: la ventaja ya no está en comprar un software cerrado con piloto automático, sino en saber diseñar el flujo de datos. Esto es lo que hay que decidir, en qué orden, y dónde se rompe.
El circuito completo, de un vistazo
Archivos de origen → carga → normalización de escalas → detección de duplicados → clasificación de reseñas → histórico consolidado → cuadro de mando, informe diario y consulta.
La pieza que casi todo el mundo se salta es el histórico. Una carpeta de Drive con exportaciones no es un cuadro de mando: es la puerta de entrada. Si el panel lee solo el archivo más reciente pierdes la evolución, que es exactamente lo único que te dice si algo está empeorando y desde cuándo.
Paso 1. De dónde sale el dato
Antes de tocar nada hay que decidir la fuente, y esa decisión pesa más que cualquier detalle técnico posterior. El dato sale de tus propios sistemas (PMS, channel manager y motor de reserva), de los paneles que Booking te entrega como partner, de un rate shopper contratado si necesitas paridad sistemática, de las exportaciones de tu herramienta de reputación si ya tienes una, y de las fichas y reseñas públicas consultadas como las consulta cualquier cliente.
Las condiciones de uso de las plataformas restringen la extracción automatizada de contenidos, y un método cuyo argumento de venta sea esquivar el bloqueo no es una ventaja competitiva: es un riesgo que acaba asumiendo el hotel, no el consultor. Lo desarrollo con detalle en el artículo anterior.
En la práctica esto significa que el sistema arranca con algo tan poco glamuroso como cuatro Excel en una carpeta: uno por plataforma y otro con el comp set. Y está bien que arranque así. La versión básica no es una versión menor: es la forma de comprobar qué indicadores sirven de verdad antes de gastar dinero en integraciones.
Paso 2. Acotar el gasto del agente antes de encenderlo
Este es el apartado que nadie cuenta y el primero con el que te vas a topar. Si dejas al agente navegar libre por varias plataformas y varios competidores a escala anual, te funde los créditos en minutos y te quedas sin proyecto el primer día. Dos decisiones lo arreglan:
- Acota canales y fechas. No le pidas la reputación de toda la zona. Restringe la consulta al último mes y a tu ficha más tus tres rivales comerciales directos. Un mes y cuatro establecimientos ya te dan tendencia.
- Dáselo masticado. Si el agente tiene que salir a leer webs corporativas para enterarse de cómo es tu hotel, gasta la mitad del presupuesto en documentarse. Pásale un archivo de texto plano con tu inventario de tipologías, regímenes y estacionalidad. Al no tener que leer, se dedica íntegramente a clasificar.
Paso 3. El modelo de datos: qué columnas tiene el Excel
Para que dos plataformas distintas puedan compararse hace falta un modelo común. Esta estructura es la mínima que aguanta:
| Campo | Ejemplo | Por qué está |
|---|---|---|
| fuente | Booking | Nunca pierdas la plataforma de origen |
| hotel | Hotel propio | Permite meter el comp set en la misma tabla |
| fecha_review | 2026-08-25 | Un solo formato, sin excepciones |
| puntuacion_original | 8,8 | Se conserva siempre en su escala |
| escala_original | 10 | Sin esto la nota no se puede interpretar |
| puntuacion_normalizada | 8,8 | La columna con la que se compara |
| idioma | DE | El análisis por mercado emisor vive aquí |
| tipo_viajero | Pareja | Solo si la fuente lo da |
| texto_review | Comentario | Con criterio de minimización de datos personales |
| temas | Personal, desayuno | Lo genera la IA, lo valida una persona |
| sentimiento | Positivo | Requiere revisión las primeras semanas |
| prioridad | Media | Es lo que convierte el análisis en tarea |
Paso 4. Normalizar escalas sin engañarte
Booking puntúa sobre 10 y Google y TripAdvisor sobre 5. Aquí hay dos operaciones distintas que conviene no mezclar, porque mucha hoja de comp set las confunde.
La primera es evitar que el promedio reviente cuando hay celdas vacías o competidores sin dato ese mes. Eso se resuelve envolviendo las columnas de promedios en =SI.ERROR(), o =IFERROR() si trabajas en inglés, para que un hueco no te propague un #DIV/0! por toda la hoja. Eso no normaliza nada: solo impide que un dato ausente rompa el cálculo.
La segunda sí es la normalización, y conviene ser honesto con lo que se hace. Multiplicar la nota de Google por dos es una aproximación razonable y suficiente para un comp set operativo, pero no es una equivalencia estadística: las distribuciones de las dos plataformas no son iguales y la media de mercado no cae en el mismo punto. Por eso el cuadro de mando debe mostrar siempre las dos cosas, la puntuación original y la normalizada, y por eso conviene llamarlo «índice de reputación normalizado» y no GRI, que es la metodología propietaria de una herramienta concreta.
Paso 5. Leer lo que el huésped fotografía
Las herramientas tradicionales de reputación tienen un punto ciego: solo leen texto. Y el cliente de hoy ya no escribe que las hamacas de la piscina están desgastadas o que el buffet se queda sin reposición a las diez y media. Lo fotografía y lo sube.
Al añadir visión artificial al análisis, el sistema procesa también el contenido gráfico que el propio huésped publica en abierto. Patrones de desgaste, presentación real del desayuno, estado de las zonas comunes, o si las vistas desde la habitación se parecen a las fotos de la web. Es la forma más rápida de detectar una rotura de expectativa antes de que se te coma la nota del mes, y funciona igual de bien mirando la ficha de tus competidores.
Paso 6. Del gráfico a la tostadora
Un panel que se limita a enseñarte que F&B ha caído de 8,5 a 7,9 es un adorno que genera parálisis. No te dice qué hacer el lunes.
La versión útil es otra: el sistema cruza los comentarios y devuelve que hay cinco quejas esta semana en Google que mencionan colas y esperas en la tostadora del desayuno. El dato descriptivo te da una caída de reputación; ese otro te da una orden de compra concreta antes de que entre el pick-up de invierno. Esa es toda la diferencia entre un cuadro de mando y una herramienta de gestión.
El chat sobre tus propios datos
Con el histórico consolidado se le puede montar encima un chat que no responda preguntas genéricas de turismo, sino que consulte el repositorio del hotel. Las preguntas que de verdad se hacen en una reunión de lunes son de este tipo: qué ha cambiado en las reseñas en los últimos siete días; cuál es la debilidad principal frente al comp set; qué comentarios negativos mencionan el desayuno; qué deberían revisar esta semana Operaciones y Recepción; qué atributos positivos se pueden usar en una campaña de venta directa.
Una respuesta válida lleva siempre periodo, número de reseñas, fuente y nivel de confianza. Por ejemplo: en los últimos treinta días se han analizado 42 reseñas, las menciones al personal son mayoritariamente positivas y aumentan las referencias negativas a los tiempos de espera en recepción, con la advertencia de que la conclusión es orientativa porque once reseñas no mencionan ese servicio.
Ese último matiz es el que separa una herramienta seria de un generador de opiniones. El asistente tiene que distinguir siempre entre hecho observado, interpretación y recomendación.
El informe del turno de noche
El sistema puede dejar un resumen escrito para que el equipo se lo encuentre al abrir: se han incorporado 18 reseñas nuevas de tres fuentes, la nota global se mantiene estable, pero las menciones a la variedad del desayuno empeoran frente a la media de las últimas cuatro semanas y el establecimiento queda por debajo del promedio del comp set en ese atributo. Recomendación: revisar surtido y reposición antes de activar una campaña de captación.
Y lo más útil es que reparta el trabajo por departamento en lugar de dejar un informe huérfano encima de la mesa:
| Departamento | Ejemplo de acción |
|---|---|
| Operaciones | Revisar una incidencia de mantenimiento que se repite |
| Recepción | Analizar tiempos de espera en determinados días y turnos |
| F&B | Comprobar variedad y reposición en la franja señalada |
| Marketing | Reforzar en campaña un atributo realmente valorado |
| Revenue | Comprobar si la reputación sostiene un reposicionamiento de tarifa |
| Dirección | Priorizar inversiones y medir el impacto de las anteriores |
Cómo saber si el sistema sirve
El error habitual es medir el éxito por el volumen de reseñas clasificadas. Eso no mide nada. Lo que hay que medir es si ahorra tiempo y si mejora decisiones:
| Indicador | Qué mide |
|---|---|
| Tiempo dedicado al análisis | Eficiencia real frente a hacerlo a mano |
| Reseñas incorporadas correctamente | Fiabilidad del proceso de carga |
| Duplicados detectados | Calidad de la consolidación |
| Hallazgos accionables | Utilidad del análisis |
| Acciones ejecutadas | Capacidad de llevarlo a la práctica |
| Tiempo de resolución de incidencias | Impacto operativo |
| Evolución por atributo | Mejora de experiencia |
| Venta directa o ingreso complementario | Impacto comercial |
Dónde falla
Las primeras semanas hay que revisar a mano, y no por prudencia genérica. La IA clasifica mal la ironía con una fiabilidad decepcionante, confunde la ausencia de mención con una valoración negativa, y atribuye al departamento equivocado quejas que mezclan dos cosas en la misma frase. También tiende a inflar el sentimiento positivo en reseñas cortas de cinco estrellas sin texto. Nada de esto invalida el sistema; simplemente significa que la primera versión necesita a alguien que sepa de hoteles revisando la clasificación antes de que el informe llegue a Dirección.
Dirección comercial externa: sin permanencia, con resultados
En RMRevenue no vendemos licencias de software que luego nadie en el hotel sabe usar, ni obligamos a cambiar de PMS. Entramos en tus sistemas actuales con accesos de solo lectura, auditamos la integración de tu channel manager, blindamos tus tarifas frente a reventas desleales en mercados FIT y ejecutamos la estrategia tarifaria semanal al lado de tu equipo.
Si quieres saber cuánto dinero real estás dejando sobre la mesa, hablemos. La primera auditoría de paridad y distribución es de mi cuenta.
Rubén Morales Aguiar
Revenue Manager freelance · Dirección comercial externa
📧 ruben@rmrevenue.es · 🌐 rmrevenue.es