1) Señales de que el modelo está penalizando la demanda

Una estrategia de precios dinámicos suele fallar no por “subir mucho”, sino por hacerlo en los momentos equivocados o con elasticidades mal estimadas. La ocupación puede bajar aunque el precio parezca razonable, especialmente si el ajuste ignora el calendario real de eventos, el patrón de cancelaciones o la elasticidad distinta por longitud de estancia.

2) Errores típicos en el cálculo del ajuste

Error A: usar el precio histórico como “demanda”, sin separar canales

Si el modelo aprende con datos agregados, mezcla fuentes distintas. Por ejemplo, el efecto de una campaña de captación, cambios de fotos o una política de cancelación reciente puede parecer “demanda”, pero no lo es. El resultado es un ajuste que reacciona tarde o exagera la señal.

Error B: no calibrar elasticidad por tipo de estancia

Un mismo incremento de precio puede tener efectos diferentes en estancias cortas frente a más largas. Si aplicas una elasticidad única, el modelo puede inflar precios en segmentos donde la demanda es más sensible, y la ocupación cae justo donde más te interesa completar calendario.

Error C: ventanas de entrenamiento demasiado cortas

Si entrenas con pocas semanas, capturas ruido (lluvia, disponibilidad de competencia, cambios puntuales). Con eso, el pricing dinámico parece “inteligente” al principio, pero luego arrastra decisiones inestables. El síntoma habitual es: ajustes erráticos y caída sostenida de ocupación.

Error D: ausencia de límites operativos

Sin suelos y techos, el sistema puede generar precios que dañan la conversión o activan comparaciones desfavorables. En alojamientos con tarificación por noche, un techo demasiado alto rompe el posicionamiento en metabuscadores; un suelo demasiado bajo reduce ingresos y empuja el calendario a precios que ya no compensan la inversión.

Error E: no considerar ocupación objetivo y capacidad de margen

El objetivo suele confundirse. Si quieres maximizar ingresos, quizá aceptes menos ocupación, pero si tu prioridad es rellenar huecos para cubrir costes fijos, entonces necesitas reglas distintas. Muchas implementaciones ignoran el equilibrio entre margen y tasa de ocupación, y el resultado es una estrategia que optimiza “en papel”, pero no en operación.

3) Correcciones prácticas para recuperar ocupación

Corrección 1: separa señales y controla el “ruido de producto”

Antes de ajustar precios, define un pipeline de datos: eventos de mantenimiento, cambios en la política, modificaciones recientes de listado y cambios en disponibilidad. Esto evita que el modelo atribuya a precio lo que en realidad ocurrió por otro motivo.

Corrección 2: define reglas con anclas (suelo, techo y escalones)

Implementa límites operativos para que el precio no salte a valores que rompan la demanda. Una buena práctica es usar un techo ligado a la tarifa de referencia del calendario y un suelo que conserve la conversión. En vez de cambios bruscos, usa escalones (por ejemplo, ajustes graduales) para que la demanda tenga tiempo de responder.

Corrección 3: calibra por ventana y valida contra periodos “no vistos”

No midas el desempeño solo con los datos del entrenamiento. Reserva periodos de validación que representen fines de semana, festivos y temporadas. Si la ocupación cae en validación, revisa elasticidad, ventanas y límites antes de ampliar el despliegue.

Corrección 4: ajusta la velocidad de respuesta del sistema

Si el modelo reacciona demasiado rápido, amplifica errores. Si reacciona demasiado lento, deja pasar la oportunidad de captar demanda. Una corrección útil es introducir una cadencia: revisa el ajuste cada cierto periodo y usa datos agregados para reducir ruido.

Corrección 5: prueba hipótesis con segmentos, no con todo a la vez

Divide tu calendario por patrones (por ejemplo, estancias de 2-3 noches vs. 4-6, o semanas con eventos). Evalúa el impacto del ajuste en ocupación y tráfico, y valida si el precio dinámico mejora la conversión real, no solo el promedio.