Investigadores de la Universidad Autónoma de Sinaloa (UAS) publicaron el artículo científico “Customer clustering analysis in hotel bookings”, un estudio que emplea aprendizaje automático no supervisado para identificar perfiles de clientes en reservas hoteleras y generar información útil para la gestión de servicios y las estrategias de mercadotecnia.
La investigación fue desarrollada por los doctores Jaime Josué Morales Morales, José Rosario Lara Salazar y Arturo Yee Rendón. A partir de una base de datos pública con cerca de 120 mil registros de reservas hoteleras y mediante el algoritmo K-medias, el equipo logró identificar cinco grupos de clientes con características claramente diferenciadas.
El trabajo fue publicado en la revista científica El Periplo Sustentable, publicación indizada en el Emerging Sources Citation Index de Web of Science y con indicadores bibliométricos asociados a Journal Citation Reports (JCR), la herramienta internacional de referencia para evaluar el impacto y las citaciones de revistas científicas.
Al respecto, el doctor Jaime Morales, investigador de la Facultad de Contaduría y Administración (FCA), explicó que el objetivo central es transformar los datos crudos de las reservas en información estratégica que permita conocer mejor a los huéspedes y dirigir acciones hacia segmentos específicos.
“La importancia de la investigación radica en identificar grupos o perfiles de clientes para que el sector hotelero pueda determinar mensajes mercadológicos efectivos para atraerlos”, señaló Morales, destacando que estos hallazgos contribuyen al diseño de campañas más pertinentes y a la anticipación de necesidades antes del arribo de los visitantes.
El análisis agrupó a los clientes considerando variables como la anticipación de la reserva, la duración de la estancia, la composición del grupo, las solicitudes especiales, el tipo de hotel y el canal de reserva. A partir de estos criterios, se definieron cinco perfiles principales: parejas de larga estancia, parejas ocasionales, parejas de alta demanda, viajeros espontáneos y familias.
Por su parte, el doctor Arturo Yee Rendón, investigador de la Facultad de Informática Culiacán (FIC), destacó el impacto económico que ofrece el uso de estas herramientas tecnológicas. “Detectamos con estos algoritmos cuáles pueden ser las tendencias porque, sobre eso, podemos impulsar un mayor nivel de éxito en el sector hotelero, traducido al final del día en una mayor derrama económica”, explicó.
Asimismo, el doctor José Rosario Lara Salazar, investigador de la FCA, enfatizó que el proyecto vincula métodos computacionales con las ciencias económico-administrativas y turísticas para promover la toma de decisiones basada en datos.
“La inteligencia artificial no consiste únicamente en desarrollar sistemas altamente complejos, sino en aplicar soluciones computacionales accesibles a problemas reales”, precisó Lara Salazar.
Aclaró además que en este caso se utilizó aprendizaje automático no supervisado para explorar patrones existentes, diferenciándose de la IA generativa o de modelos enfocados únicamente en la predicción directa de conductas futuras.
El equipo multidisciplinario, integrado por especialistas en sistemas computacionales y ciencias económico-administrativas, concluyó que la metodología propuesta sirve como un marco práctico para la segmentación de mercados, la planificación de servicios y la optimización de las estrategias de atención al cliente.
