Los datos competitivos en el mercado de alquileres a corto plazo brindan a los gestores respuestas a preguntas importantes sobre su estrategia de precios. Este tipo de datos también se utiliza en la gestión de ingresos y en los algoritmos de precios para optimizar tarifas. Para que los datos sean predictivos, deben ser precisos y representativos. Seleccionar los datos correctos que cumplan ambos requisitos puede ser un reto. 

En este artículo, analizaremos las dos fuentes más comunes de datos competitivos (datos extraídos vs. datos anonimizados de anfitrión), exploraremos sus limitaciones y explicaremos cuándo utilizarlos en combinación con tus propios datos.

Datos de mercado y de la competencia: datos extraídos vs. datos anonimizados de anfitrión

Datos extraídos

El término extraído (scraped) proviene de la expresión screen scrape (raspado de pantallas). Inicialmente, eran programas que visitaban sitios web y extraían la información de la pantalla. Aunque algunos métodos han mejorado, el principio de extraer datos de internet sigue siendo el mismo. Los datos se recopilan visitando la página web de una empresa y extrayendo la información de interés. 

Antes de que los desarrolladores escribieran programas para recopilar estos datos a gran escala, los analistas y gestores recopilaban datos navegando manualmente los sitios web. Este proceso consume mucho tiempo, dependiendo de la cantidad de información que se quiera capturar. Muchos propietarios y gestores de propiedades todavía navegan manualmente por estos sitios para verificar precios. 

En nuestro sector, los gestores están muy interesados en saber cuánto cobran sus competidores cercanos, su tasa de ocupación y cómo se comparan. El scraping de datos de las Agencias de Viajes Online (OTA) es una forma fiable de recopilar datos de la competencia en grandes cantidades y empezar a responder preguntas. La gran mayoría de los datos utilizados en el mercado de alquileres a corto plazo se recopilan de este modo. 

Datos anonimizados de anfitrión

Los datos extraídos provienen del acceso al front-end de una aplicación o sitio web. En cambio, los datos de anfitrión provienen del gestor, propietario o anfitrión de la propiedad. Como gestor o propietario de una propiedad, puedes acceder a estos datos para todas tus unidades en alquiler. Pero tus datos no te proporcionan los conocimientos sobre tus competidores que probablemente buscas. 

En la industria de la hospitalidad, varios proveedores venden datos de anfitrión en el mercado. Estos datos provienen de otros anfitriones en tu zona. El acuerdo con los compradores de estos datos es que también son proveedores. Como parte del acuerdo para acceder a los datos de anfitrión de otras propiedades, también deben aportar datos al conjunto. Luego los datos se agregan, manteniendo así el anonimato de los otros anfitriones.

Precisión y limitaciones de los datos competitivos

El objetivo de los datos competitivos es ayudar a los gestores a comprender mejor su mercado y a sus competidores. Esta mejor comprensión les permite tomar mejores decisiones en cuanto a su estrategia de precios y estancia mínima, lo que conduce a un mayor ingreso por unidad.  

Datos extraídos

Los datos extraídos tienen su utilidad como fuente de información, pero son el tipo de datos menos fiable y menos preciso disponible.  Esto no es especialmente sorprendente si se considera cómo se recopilan.  Una forma mucho más sencilla de obtener los mismos datos sería pedir a Airbnb o VRBO acceso a sus APIs. Esto eliminaría la necesidad de consultar repetidamente su front-end para extraer información.   

Hay muchas razones por las que esto es improbable, por lo que la única manera de obtener los datos es crearlos realizando multitud de solicitudes a su sitio web e interpretando las respuestas.  En mercados dinámicos, los precios cambian con frecuencia. Las propiedades gestionadas profesionalmente pueden cambiar sus precios varias veces en un solo día.  Esto supone un gran desafío para la extracción de datos porque ejecutar el extractor con mucha frecuencia y almacenar tanta información se vuelve muy costoso.  Cuando la frecuencia del extractor no es suficiente, se pierden cambios críticos.  

Para dar una idea de escala, gestionar los datos del precio diario de una sola unidad para los próximos 365 días durante todo un año podría requerir hasta aproximadamente 20 MB de datos, suponiendo que esta actualización se realice solo una vez al día. Eso sitúa el bloque promedio de datos en 1GB por cada 50 unidades rastreadas durante un año completo. Ahora ten en cuenta que una ciudad promedio puede tener entre 2.000 y 5.000 unidades, y las áreas metropolitanas entre 20.000 y 30.000+ unidades en su mercado. Además, hay que considerar nuevas propiedades, propiedades que se vuelven a publicar y propiedades que salen del mercado. 

La ocupación también puede ser difícil de calcular con precisión a partir de datos extraídos.  Los extractores ven un valor binario para la ocupación “ocupado” o “no ocupado”, pero existe un tercer valor que no pueden ver: “ocupado por el propietario”.  También hay segmentos de inventario que el gestor puede bloquear por diversos motivos. El inventario podría parecer reservado para el extractor, pero el gestor simplemente lo está reteniendo del mercado durante un tiempo.  

De manera similar, algunas propiedades aparecerán como reservadas o canceladas.  La combinación de problemas de precisión tanto en precios como ocupación complica el cálculo correcto de los ingresos.  Quibble ejecutó un extractor de datos en un conjunto de propiedades para el que también disponían de los datos de anfitrión.  El experimento se llevó a cabo durante seis meses en 100 propiedades de EE. UU. Los resultados se muestran a continuación:

El objetivo del experimento era comprobar la precisión de los datos y determinar su valor para incorporarlos en nuestro algoritmo de precios.  El error es la diferencia entre lo que capturó el extractor y los datos reales del anfitrión.  ¿Cuán relevante es este error?  Depende del propósito e intención que tengas para esos datos.

Datos anonimizados de anfitrión

Los datos de anfitrión son muy fiables porque la fuente es el propio anfitrión.  No hay errores de precio, ocupación o ingresos. El anfitrión vende cada reserva, por lo que conoce el precio exacto de cada reserva vendida. Por lo tanto, conoce los ingresos.  También conoce la ocupación, ya que controla la disponibilidad del inventario. 

La mayor limitación de los datos de anfitrión es su disponibilidad.  Actualmente no hay muchos proveedores que ofrezcan estos datos para la industria STR. El proveedor más relevante es Key Data Dashboard. Para obtener estos datos, el proveedor debe establecer una relación con muchos gestores en una misma área. Si una zona solo cuenta con 2-3 gestores o muy pocas propiedades, los datos anonimizados de anfitrión no serán útiles. Además, eso rompe el anonimato. Pero una vez que hay suficientes participantes (clientes) en el mercado, los datos se vuelven sumamente útiles y fiables. 

¿Qué tan valiosos son estos datos?  Depende de la penetración de mercado que tenga el proveedor en tu zona.

Cuándo y cómo usar cada fuente de datos competitivos en la industria de alquileres a corto plazo

Uno de los mayores beneficios del uso de datos extraídos es la rapidez con que se generan sin necesidad de cientos o miles de acuerdos recíprocos.  Así, los recolectores de datos y los proveedores que venden esta información pueden obtener datos de cientos de miles de propiedades rápidamente. Lo que le falta a los datos en precisión, lo compensa en cantidad.  Por otro lado, el conjunto de datos provenientes del anfitrión anonimizado es mucho menor pero es mucho más preciso.  

La tabla siguiente describe el uso adecuado de cada uno de los tipos de datos disponibles.

Dado que los datos extraídos presentan los mayores márgenes de error, tienen la menor cantidad de funciones en tu caja de herramientas. Un buen extractor de datos que se ejecute frecuentemente debe tener el menor error al capturar precios de la competencia.  Esto hace que estos datos sean excelentes para la comparación de precios.

Todas las funciones de gestión de precios e ingresos en tu negocio pueden utilizar datos anonimizados en un mercado con alta penetración (+10% del mercado representado). Si los datos tienen baja penetración, deberías tratarlos de un modo similar a los datos extraídos.  

La fuente de datos en la que debes tener una confianza del 100% es en tus propios datos de reservas.  Estos datos son excelentes para todas las funciones de tu negocio. 

Conclusión

No todas las fuentes de datos competitivos tienen el mismo valor predictivo según su precisión y cuánto representan al mercado global.  Esto significa que tendrán distintos roles en tu negocio y en las funciones de gestión de precios e ingresos.  Utilizar los datos correctos para el propósito adecuado puede mejorar tu toma de decisiones y el desempeño de tus ingresos.