A revolução da inteligência artificial no Revenue Management

Sem modelos precisos de previsão de demanda que apoiassem nossas estratégias, nunca seríamos capazes de identificar oportunidades reais que otimizassem os resultados financeiros.

Às vezes consideramos que existe uma oportunidade sem ter uma visão global, focando em uma única informação, o que geralmente transforma essa oportunidade em risco. Portanto, nunca poderemos falar de oportunidades reais em letras maiúsculas se não considerarmos todas as variáveis. Na verdade, mesmo com todas as informações não estamos seguros de cometer erros.

Nos cursos e mestrados que ministro, sempre começo minha introdução mencionando que Revenue Management não é uma ciência exata e, infelizmente, nunca será. Diante de tantas mudanças, nosso horizonte avança mais rápido do que podemos controlar, distorcendo nosso ambiente e nos afastando da nossa zona de conforto. E embora possa parecer um cenário desconfortável, na verdade é o momento perfeito para aprender e evoluir. Nesse aprendizado constante surgem novas ferramentas que nos ajudam a organizar nosso plano de negócios, como a Inteligência Artificial (IA). Mas como a IA colabora com os sistemas de Revenue Management?

Novos parâmetros a considerar no Revenue Management

Nesse sentido, focando na importância da estimativa da demanda como pilar fundamental, os algoritmos desempenham um papel transcendental. Eles apoiam as nossas decisões baseadas na gestão de enormes quantidades de dados que de outra forma nunca poderíamos digerir. Numa fase inicial, no RMS (Revenue Management System), os algoritmos consideravam apenas alguns parâmetros internos, como dados históricos de ocupação, preços dos concorrentes, temporadas, captações e pouco mais. Na minha opinião, eles estavam tentando oferecer com esta informação limitada uma estimativa da demanda potencial. Ainda hoje existem alguns RMS que ainda se baseiam em dados internos simplificados devido à dificuldade de indexação de dados externos fora dos preços dos concorrentes.

No desenvolvimento do RMS, do qual participei motivado pela minha experiência em Resorts há alguns anos, incluímos parâmetros nunca antes vistos e hoje pouco utilizados. Acrescentamos à equação os preços da concorrência por tipo de quarto, percentagens de afinidade para cada concorrente (...já que nunca somos proporcionalmente iguais a cada concorrente), e algoritmos mais complexos para determinar a sensibilidade da procura ao preço, entre outros. Considerou, portanto, o impacto histórico da aceleração após variações de preços com base em parâmetros de demanda semelhantes, conferindo a cada dia futuro um nível de risco diante da variação de preços, que se mostrou em vários níveis, sensibilidade ao preço baixo, médio ou alto . Conceitos inéditos e na minha opinião essenciais no estabelecimento de uma estratégia de preços.

Não é mais importante quanto aumentamos o preço (dados simplificados), mas sim o impacto que esse aumento de preço gera na procura, uma vez que poderá ter o efeito oposto ao desejado. Ainda hoje, com esses dados, é difícil ver algoritmos que considerem a variação do preço para flutuar a previsão da demanda. Em qualquer caso, não pode ser estático ou baseado em dados históricos onde talvez não tenha havido alterações de preços.

Com a chegada da Inteligência Artificial ao setor empresarial e obviamente à hotelaria, inicia-se uma nova etapa que nos transporta para uma nova dimensão. Não me refiro aos assistentes virtuais, mas à incorporação de algoritmos mais complexos alimentados por IA, que sem dúvida ocuparão um lugar central nos dados internos.

Cinco fatores externos controlados pela inteligência artificial

Essa capacidade de visão global que tanto reitero é justamente o que a IA possui, pois pode considerar parâmetros externos que nunca haviam sido incluídos em modelos de previsão de demanda. Imaginemos por um momento se, além dos dados existentes num RMS, adicionarmos alguns fatores externos controlados pela Inteligência Artificial, por exemplo:

• Fatores socioeconómicos: Evolução das previsões de consumo e emprego futuro, previsão do IPC, situação económica e evolução dos preços dos produtos por cada país emissor, podendo medir o seu impacto detalhado pelo mix de nacionalidades do hotel e antecipar possíveis alterações na elasticidade da procura.

• Impacto da procura devido a factores de alterações climáticas ou políticas levadas a cabo pelos diferentes países emissores a este respeito. Estratégias das companhias aéreas, custos associados, novas tecnologias para reduzir a pegada de carbono e o seu impacto no consumo e no futuro do transporte aéreo.

• Mudanças nas rotas aéreas em todo o mundo e principalmente devido a conflitos internacionais que variam a demanda entre destinos, antecipando possíveis mudanças de rotas devido ao ressurgimento de conflitos. Hoje podemos observar variações de pickup por esse motivo, mas buscamos a antecipação de forma precisa e global com dados fornecidos pela IA.

• Dados sobre saúde, emprego e bem-estar social. O clima social nem sempre é estável e pode ter impacto na procura. Existem muitos estudos neste sentido, no entanto, nem sempre são considerados ou associados à procura hoteleira.

• Modelos de comportamento devido à mudança geracional que está afetando a indústria hoteleira, onde o uso das redes sociais expõe o nosso negócio. Procuramos um modelo que associe o RPI (Revenue Performance Index) a um grupo competitivo baseado em medidas de adaptação antecipada a esta mudança geracional, considerando fatores de reputação online.

Estes são alguns exemplos onde a Inteligência Artificial pode alimentar e ajustar o modelo de cálculo de previsão de procura, considerando dados externos que hoje parecem irrelevantes porque não podem ser considerados, mas que têm impacto na procura futura.

Em Revenue Management começam a ser delineados os primeiros toques tecnológicos desta Nova Era de Inteligência Artificial. No setor do turismo, onde neste momento só conseguimos ver a ponta do iceberg, os novos dados da Inteligência Artificial assumirão inevitavelmente um papel de maior relevo na gestão de receitas atual. Estou convencido que, se nesta altura voltasse a participar na implementação de um novo RMS, consideraríamos algoritmos com dados de Inteligência Artificial, que, juntamente com a capacidade de “machine learning”, revolucionariam a forma como interagimos com os clientes hoje.

Na minha opinião, com a IA assistimos a uma nova revolução tecnológica na previsão do conhecimento e da informação aplicada aos negócios. E embora nesta fase embrionária tenhamos dúvidas sobre a implementação na indústria hoteleira, será sem dúvida uma oportunidade para explorar novos limites no contexto da actual gestão de receitas hoteleiras.

Autor: Rafael Gómez é diretor de Revenue Management da Tívoli Hotels & Resorts e fundador do Revenueresort.com