Gestión de ingresos con ChatGPT

Antes de empezar

Lo que necesitas para completar este tutorial

Lo que conseguiras al terminar

Si sigues estos pasos, en 30-45 minutos tendras:

✓ Tabla diaria de tarifas recomendadas para 30 días
✓ Análisis de impacto sobre ingresos y ocupación
✓ Acciones operativas y reglas automatizables para implementar

Antes de empezar, asegurate de tener lo siguiente:

Obligatorio Datos históricos de ocupación y tarifa media de los últimos 30 días por segmento.

Obligatorio Matriz de tarifas públicas de 3-5 competidores relevantes para el mismo período.

Recomendado Información sobre restricciones de inventario, cancelación y cupos por segmento.

Recomendado Meta de ingresos y tolerancia al riesgo (p. ej. prioridad ocupación vs TAR).

Transferencia internacional de datos: ChatGPT procesa datos en servidores externos. Sin acuerdo de procesamiento de datos (DPA) firmado, no introduzcas datos personales, financieros confidenciales ni datos especialmente protegidos. Verifica con tu departamento legal o IT antes de usar datos reales de tu empresa.

El caso

Hotel Río Bravo S.L., sector hotelero medio-grande — el problema real

Hotel Río Bravo gestiona tarifas en hojas de cálculo con ajustes manuales diarios. La rotación de precios de competidores y variaciones de demanda provocan pérdida de RevPAR y tiempo operativo elevado.

Con ChatGPT y el prompt de este tutorial, puede resolver este reto en 30-45 minutos — sin conocimientos tecnicos previos.

Situacion real
Datos + contexto

→

ChatGPT
Prompt estructurado

→

Output ejecutivo
Listo para usar

Por que funciona: ChatGPT sintetiza múltiples fuentes y aplica reglas comerciales para producir planes de precios coherentes y explicados. Su capacidad para generar explicaciones ejecutivas facilita la decisión del comité y la transferencia a sistemas PMS o RMS.

Contexto

Cuando usar este tutorial

✓ Usalo cuando...	× No lo uses cuando...
Mercado con variación diaria de demanda y competidores activos Equipo directivo necesita decisiones rápidas con impacto en ingresos Objetivo de aumentar RevPAR o cumplir una meta puntual de ingresos	Mercados regulados con precios fijos o contratos de larga duración sin flexibilidad Cuando no se dispone de datos históricos fiables ni de información competitiva Si la prioridad es únicamente maximizar ocupación sin límites de margen

Paso 01

Recopilar y validar datos clave

Recoja datos operativos y competitivos para que el modelo trabaje con información real. Sin datos correctos la recomendación será genérica.

1
Exportar ocupación y tarifa media últimos 30 días Descargue por día y por segmento (corporativo, leisure, OTA). La granularidad por segmento permite recomendaciones segmentadas que mejoran precisión.
2
Recopilar tarifas públicas de 3-5 competidores Incluya tarifas por tipo de habitación y fechas para el mismo rango. Permite comparar posicionamiento de precio y detectar ventanas de oportunidad.
3
Definir restricciones y objetivos Fije objetivos de ingresos, límite mínimo de tarifa y cupos por canal. Estas reglas condicionarán las recomendaciones y evitan propuestas operativamente inviables.

Checkpoint: Fichero con ocupación diaria, tarifa media por segmento y matriz de tarifas de competidores listos y validados.

Paso 02

Establecer la estrategia tarifaria

Defina la prioridad entre ocupación, ingreso total y margen. La estrategia orienta las reglas que incorporará el prompt y la lógica de decisión.

1
Seleccionar objetivo principal Decida si prioriza RevPAR, cuota de mercado o tasa de ocupación. Esto influye en cómo el modelo pondera descuentos y subidas.
2
Definir reglas de negocio Por ejemplo, no bajar más del 8% respecto a tarifa base o mantener tarifa mínima por segmento. Especifique límites claros para evitar recomendaciones contraproducentes.
3
Fijar horizonte y granularidad Confirme que el plan requerido es para 30 días y si desea granularidad diaria o por tramos (fin de semana, weekdays).

Checkpoint: Documento de estrategia con objetivo prioritario, reglas de negocio y horizonte temporal.

Paso 03

Ejecutar el prompt principal

Este es el prompt central del tutorial. Cópialo completo, rellena las variables entre corchetes con los datos de tu empresa o situación, y envíalo.

1
Copia el prompt completo Selecciona todo el texto del prompt y cópialo. No modifiques la estructura — está diseñado para obtener el output más útil posible.
2
Rellena las variables entre corchetes Sustituye cada [VARIABLE] con información real de tu empresa. Cuanto más específico seas, mejor será el output.
3
Envía el prompt y espera la respuesta Pega el prompt en el chat y envíalo. El modelo puede tardar entre 10 y 60 segundos dependiendo de la complejidad.

Variables del prompt — sustituye cada [VARIABLE] con datos reales

[HOTEL_NAME]Nombre del hotel y ubicación (ciudad, zona).

[MARKET]Descripción breve del mercado: demanda corporativa vs leisure y eventos relevantes.

[COMPETITOR_RATE_MATRIX]Tabla o lista de tarifas públicas de 3-5 competidores por fecha y tipo de habitación.

Prompt principal — Gestión de precios con IA Actúa como consultor ejecutivo en revenue management para hoteles. Analiza los datos proporcionados y genera una recomendación de tarifas diarias para el próximo periodo. Entradas: nombre del hotel [HOTEL_NAME], mercado y segmentación [MARKET], periodo objetivo [DATE_RANGE], ocupación y tarifa media últimos 30 días por segmento [OCCUPANCY_HISTORY_30] y [AVG_RATE_HISTORY_30], matriz de tarifas de competidores [COMPETITOR_RATE_MATRIX], objetivo de ingresos para el periodo [REV_TARGET_NEXT_30], y reglas mínimas de tarifa y cupos [BUSINESS_RULES]. Entregable requerido: 1) Resumen ejecutivo (máx. 6-8 líneas) con la decisión estratégica (prioridad: RevPAR/ocupación/margen) y el impacto estimado en ingresos; 2) Tabla diaria para [DATE_RANGE] con columnas: fecha, tarifa recomendada por tipo de habitación, confianza (%) y breve razón (1-2 frases); 3) Comparación con tarifa promedio de competidores y recomendación de posicionamiento (por fecha); 4) Estimación del ingreso adicional vs objetivo y sensibilidad a variaciones de ocupación +/- 5%; 5) Lista de 6 reglas operativas automatizables (ej. descuentos por antelación, cierre de cupos OTA, overbooking controlado) con prioridad y condiciones; 6) Riesgos y controles (mínimo 3). Aplica límites: no recomendar bajadas mayores al X% definido en [BUSINESS_RULES], ni tarifas por debajo de tarifa mínima. Si faltan datos, indica exactamente qué variables faltan y una estimación basada en supuestos razonables. Devuélvelo en formato JSON con claves: summary, daily_table (array), competitor_comparison, revenue_impact, rules, risks. Sé conciso, ejecutivo y numérico. Prioriza transparencia en supuestos y pasos de implementación para integrar en PMS o RMS.

Checkpoint: El modelo ha respondido con un output estructurado que incluye las secciones solicitadas en el prompt.

Paso 04

Iterar y operacionalizar

Refine las recomendaciones con escenarios y convierta las reglas en acciones concretas para PMS/RMS y equipos comerciales.

1
Simular escenarios alternativos Solicite al modelo variaciones (p. ej. mayor ocupación), compare impacto en ingresos y elija la opción que cumpla objetivos estratégicos.
2
Exportar reglas y acciones operativas Genere un listado de cambios de tarifas por día y reglas automatizables para integrar en su PMS o equipo revenue.

Checkpoint: Plan de implementación con reglas exportables y escenario validado por el equipo comercial.

Iteracion

Prompts para refinar el output

Estos son los ajustes mas frecuentes que se piden despues del primer output. Copialos directamente en el chat:

Hacer el output más específico

cuando el output es demasiado genérico. "Ajusta el análisis anterior haciéndolo específico a [HOTEL_NAME] en [MARKET]. Usa los datos de ocupación por segmento y competidores proporcionados. Recalcula tarifas diarias y añade una columna con el efecto estimado en RevPAR y margen operativo. Enumera supuestos numéricos usados para cada estimación."

Cambiar el nivel de detalle

cuando necesitas más o menos profundidad. "Reformula la salida para un formato ejecutivo de una página: resumen de 4 líneas, tabla condensada por tramos (weekdays, weekend, pico) y cinco bullets con acciones inmediatas. Mantén las cifras clave pero reduce las explicaciones técnicas."

Adaptar el tono

cuando el tono no es el adecuado para tu audiencia. "Reescribe el resumen ejecutivo en tono formal y directo para el Comité de Dirección, destacando riesgos y recomendaciones operativas en bullets de acción (máx. 6). Elimina jerga técnica."

Versión ejecutiva resumida

para compartir con el Comité de Dirección. "Genera una versión ejecutiva de 150-200 palabras con la decisión tarifaria recomendada, impacto proyectado en ingresos y tres acciones prioritarias para la semana siguiente."

Resultado

Que vas a obtener

Este es el tipo de output que genera ChatGPT con el prompt de este tutorial. El contenido varia segun tu empresa y situacion, pero la estructura es siempre esta:

Ejemplo de output — Hotel Río Bravo S.L., sector hotelero medio-grande

Estructura del output

El prompt devuelve un JSON con: summary (resumen ejecutivo), daily_table (array de objetos por fecha), competitor_comparison (resumen por tramo), revenue_impact (cálculos y sensibilidad), rules (lista operativa) y risks (controles). Está pensado para traslado directo a presentaciones y sistemas.

Senales de un buen output

La tabla diaria contiene tarifas y una columna de confianza >70%
Las cifras de impacto incluyen supuestos numéricos explícitos
Las reglas operativas son accionables y numeradas para automatizar
El resultado incluye comparación directa con competidores por fecha

Senal de que el output es bueno: La señal clave es que la tabla diaria incluye tarifas con niveles de confianza y un cálculo claro del impacto en ingresos frente al objetivo.

Costes

Inversion y retorno

20$ ChatGPT Plus / mes

5-15 min Por ejecucion del tutorial

∞ Reutilizaciones del prompt

ROI: Una mejora de 1-3% en RevPAR habitualmente compensa con creces el coste mensual de una suscripción. Para hoteles medianos, la automatización del ajuste diario reduce horas operativas y acelera la toma de decisiones, aumentando ingresos y eficiencia.

Errores frecuentes

Que hacer cuando algo no funciona

Sintoma	Causa probable	Solucion exacta
La tabla diaria contiene tarifas repetidas sin ajuste	Falta de variación en datos de demanda o parámetros de segmentación insuficientes	Proveer ocupación y tarifa media por segmento y añadir reglas de sensibilidad por día de semana y eventos locales.
El modelo propone tarifas por debajo de la tarifa mínima	No se incluyó la regla de tarifa mínima en [BUSINESS_RULES]	Actualizar [BUSINESS_RULES] especificando tarifa mínima absoluta y re-ejecutar el prompt.
Estimaciones de ingresos parecen irreales (muy altas o bajas)	Supuestos no explícitos sobre elasticidad de demanda o error en datos históricos	Solicitar al modelo el listado de supuestos numéricos y validar contra datos operativos; ajustar elasticidad y re-ejecutar.
Comparación con competidores vacía o incompleta	Matriz de competidores [COMPETITOR_RATE_MATRIX] incompleta o en formato no legible	Subir matriz estandarizada por fecha y tipo de habitación y solicitar actualización específica de la comparación.
Salida demasiado técnica para el comité	Prompt no solicitó tono ejecutivo	Usar iteración 'Adaptar el tono' para reescribir en formato ejecutivo y directo.

Modo avanzado

Como hacer este tutorial con ChatGPT en modo avanzado

En modo agente, ChatGPT puede ejecutar iteraciones automáticas, simular escenarios y preparar archivos CSV listos para importar en el PMS. Es útil para orquestar pasos repetitivos y validar supuestos con datos actualizados.

Modo avanzado

Flujo de trabajo avanzado

1
Cargar datos en una sesión del agente y validar consistencia (ocupación, tarifas y competidores).
2
Solicitar al agente generar la tabla diaria y exportar a CSV con metadatos de confianza.
3
Pedir al agente simular 3 escenarios (conservador, base, agresivo) y comparar resultados.
4
Solicitar al agente un paquete de implementación con reglas y un checklist para el equipo revenue.

Eres un agente de revenue management. Toma los ficheros adjuntos: ocupación_hist.csv, tarifas_hist.csv y competidores.csv. Valida consistencia de datos y comunícame discrepancias. Genera una tarifa recomendada diaria para los próximos 30 días en formato CSV con columnas: fecha, tipo_habitacion, tarifa_recomendada, confianza_pct, razon_breve. Luego simula tres escenarios (conservador, base, agresivo) y crea un resumen ejecutivo con impacto en ingresos y un paquete de 6 reglas operativas exportables. Si hay datos faltantes, genera valores estimados y marca los supuestos en un archivo assumptions.txt.

Cuando usar el modo avanzado en este tutorial: Especialmente valioso cuando necesita ejecutar iteraciones automáticas, generar exportables para PMS y comparar escenarios sin intervención manual.

Siguiente paso

Que hacer ahora?

Ahora que has completado este tutorial, hay dos caminos naturales:

Tutorial relacionado · ChatGPT

Explorar mas tutoriales de ChatGPT

Descubre otros casos de uso de ChatGPT para directivos en diferentes funciones y sectores.

Biblioteca completa

Ver todos los tutoriales

Explora los tutoriales del programa organizados por herramienta, funcion y nivel de dificultad.

Para sacarle mas partido: Después de obtener la tabla recomendada, implemente un piloto de 7 días con seguimiento diario de desviaciones y ajuste la elasticidad en el prompt según la respuesta real del mercado.

Alternativa segura

Puedo hacer esto sin que mis datos salgan de la empresa?

Si. Este caso de uso trabaja con datos que, por su naturaleza confidencial, estrategica o regulada, son candidatos optimos para ejecutarse con un modelo de lenguaje open source desplegado en infraestructura propia (on-premises o nube privada). Con esta configuracion, ningun dato abandona nunca los servidores de tu organizacion y el modelo no puede ser entrenado con tu informacion.

Modelos recomendados

Llama 3.3 70B — Ideal para analisis de documentos largos y generacion de texto estructurado (contexto 128K tokens).

Mistral Large 2 — Excelente para extraccion de informacion y clasificacion con alta precision.

Qwen 2.5 72B — Especialmente potente para analisis de datos tabulares y financieros.

Plataformas de despliegue

Ollama — Para equipos pequenos o uso individual en hardware propio.

vLLM — Para entornos de produccion con multiples usuarios simultaneos.

LM Studio — Para pruebas y uso individual sin configuracion de servidor.

Infraestructura minima

Para un modelo de 70B parametros en produccion:

GPU: 2x NVIDIA A100 40GB o 4x RTX 4090.

RAM: 128GB minimo.

Alternativa cloud privada: AWS Private Cloud, Azure Government o Google Cloud Confidential Computing.

Garantia de privacidad: Con un modelo on-premises correctamente configurado, los datos nunca salen de tu red corporativa, el modelo no se entrena con tu informacion, no hay transferencia internacional de datos y el cumplimiento normativo es total incluso para datos del art. 9 RGPD.

Necesitas implementar esta solucion en tu organizacion?

La configuracion de modelos open source on-premises requiere un proveedor tecnico especializado. Agere puede ayudarte a desplegar esta solucion en tu infraestructura de forma segura, con garantias legales y sin que tus datos salgan nunca de tu organizacion.

Contactar con Agere Conocer Agere