Historia del test de motores de reservas para hoteles

Publicado originalmente en 2013. Revisión editorial: 8 de octubre de 2026. Se mantiene el relato y las cifras del caso original; se han contextualizado el benchmark y el alcance de sus conclusiones estadísticas.

Inicio: El porqué del test…

Como todas las e-historias recientes empieza por «Éramos una vez en una reunión», pero lo interesante no es, como en todas las historias, el inicio, sino el nudo y el desenlace. Sobre el inicio, podemos decir que ha sido de lo más normal en el siglo XXI, con cuatro personas en una oficina tratando de encontrar soluciones. Una mañana, años atrás, fuimos a reunirnos con un cliente (una cadena de hoteles), que era nuestro cliente desde hacía dos años, por aquel entonces.
Nosotros éramos los encargados de la estrategia en medios digitales y análisis. Adicionalmente colaborábamos con ellos en el proceso de selección de un motor de reservas, un proceso que se estaba alargando por las dudas sobre cuál era el mejor motor de reservas para ellos entre todos los que habíamos valorado.

Nudo: ¿Cuál es el mejor Motor de Reservas para nosotros?…

Uno de nuestros servicios es ayudar a los hoteles y cadenas hoteleras a seleccionar el motor de reservas que mejor se adapta a sus necesidades. En el momento del proyecto contábamos con un benchmark de 80 motores de reservas y antes de recomendar e implementar un motor, realizamos un análisis de las necesidades específicas del hotel a nivel de planes tarifarios, precios, ofertas, canales de venta, mercados, conectividad con channel manager y PMS, tipología de usuarios con acceso al motor, etc. y las contrastamos con más de 200 funcionalidades de cada motor de reservas, y en función de esta información y nuestra experiencia recomendamos el motor de reservas que consideramos adecuado en cada caso.
En este caso llevábamos ya más de medio año en un profundo análisis de los pros y los contras de los tres motores de reservas que finalmente habíamos elegido como los más adecuados para ellos, pues disponían de las funcionalidades que ellos necesitaban, unos costes adecuados y en todos los casos se trataba de motores que ofrecían altos ratios de conversión en función de nuestra experiencia.

Esa mañana, en esa reunión, con todos los análisis realizados, nos dimos cuenta de que pequeñas variaciones en el ratio de conversión hacían inclinar la balanza entre los motores a nivel de ROI, pero a ciencia cierta no sabíamos cuál era el ratio de conversión que conseguiríamos en esta implementación concreta con cada motor. Para un cliente como este, una gran cadena, una pequeña variación en el ratio de conversión podía suponer una diferencia de más de un millón de euros al año.

Fue entonces cuando una persona del equipo comentó: «¿Por qué no hacemos un test como los que hacemos en campañas o para optimizar el ratio de conversión?«. Desde luego era la mejor solución, de esta forma podríamos comparar con datos de ese proyecto la conversión y el retorno de las alternativas evaluadas.

Desenlace – Feliz resultado.

En ese caso diseñamos un test completo, se implementaron los 3 motores en el site del cliente y se mantuvo el que tenían hasta ese momento, es decir en total testamos 4 motores durante 3 meses. Al final del test se habían recibido más de 1.000 reservas en cada motor. Los resultados ayudaron a comparar las alternativas y a apoyar la decisión del cliente. Esa cifra, por sí sola, no permite afirmar la significación estadística ni un margen de error: dependen del diseño, de la muestra y del análisis del experimento.

El cliente quedó satisfecho con la decisión apoyada en el test. En la fecha de publicación seguíamos trabajando con él y valorábamos una nueva comparación de motores.

Para planificar una comparación actual, conviene definir antes la hipótesis, la métrica principal y la muestra necesaria, y revisar la asignación de usuarios. Microsoft Research explica estos principios de experimentación fiable.