Hanademi

What turns hotel attention into bookingsQué convierte la atención hotelera en reservas · V7

55 slides · 24 min · 2026-08-08 language
ENES
theme
LightDark
view
TalkTable
brand
HanademiPlatzi
What turns hotel attention intobookingsMade for Ariel Díaz Vega, by Hanademi
  1. Fast digital diffusion does not prove that a message persuades travelers or produces bookings.
  2. Behavioral models explain 39% of intention variance but only 27% of behavior variance.
  3. Prediction creates value only when calibrated risk scores trigger timely, tested interventions.
Qué convierte la atenciónhotelera en reservasMade for Ariel Díaz Vega, by Hanademi
  1. La difusión digital rápida no demuestra que un mensaje persuada a viajeros ni produzca reservas.
  2. Los modelos conductuales explican 39% de la variación de intención, pero solo 27% de la conducta.
  3. La predicción crea valor solo cuando los riesgos calibrados activan intervenciones oportunas y comprobadas.
A 10-second wait raises mobile bounce123%Estimated increase in mobile bounce probability versus a 1-second load, by page-load time.Made for Ariel Díaz Vega, by HanademiSources: An, D. (2018). Find out how you stack up to new industry benchmarks for mobile page speed. Think with Google.UnitHigher bounce probability1 second0%3 seconds32%5 seconds90%6 seconds106%10 seconds123%
The booking journey can lose people before persuasion even begins. Google’s estimate moves from 32% higher bounce at 3 seconds to 123% at 10 seconds. Speed is not a technical footnote when the customer may never reach the room offer.
Sources
Una espera de 10 segundos eleva el rebotemóvil 123%Aumento estimado de la probabilidad de rebote móvil frente a una carga de 1 segundo, según el tiempo decarga.Made for Ariel Díaz Vega, by HanademiFuentes: An, D. (2018). Find out how you stack up to new industry benchmarks for mobile page speed. Think withGoogle.UnidadMayor probabilidad de rebote1 second0 %3 seconds32 %5 seconds90 %6 seconds106 %10 seconds123 %
El viaje de reserva puede perder personas antes de que empiece la persuasión. La estimación de Google pasa de 32% más rebote a los 3 segundos a 123% a los 10 segundos. La velocidad no es un detalle técnico cuando el cliente quizá nunca llega a la oferta de habitación.
Fuentes
The terms behind the argumentMade for Ariel Díaz Vega, by HanademiInformation diffusionThe process through which messages move between people, accounts, andcommunities over time.Purchase intentionA stated or inferred probability of future purchase that remains distinct from acompleted and retained transaction.AttributionA rule or model assigning booking credit to marketing contacts encountered during thecustomer journey.CalibrationAgreement between predicted probabilities and observed frequencies, such as 20%predictions occurring approximately 20% of the time.
4 technical terms carry much of the argument.
Los términos detrás del argumentoMade for Ariel Díaz Vega, by HanademiDifusión de informaciónProceso mediante el cual los mensajes circulan entre personas, cuentasy comunidades a lo largo del tiempo.Intención de compraProbabilidad declarada o inferida de compra futura que sigue siendo distintade una transacción completada y conservada.AtribuciónRegla o modelo que asigna crédito de una reserva a contactos de marketing encontradosdurante el recorrido.CalibraciónCorrespondencia entre probabilidades predichas y frecuencias observadas, comoeventos estimados en 20% que ocurren aproximadamente 20% de las veces.
4 términos técnicos sostienen buena parte del argumento.
Adoption stages do not predict hotelbookingsRogers’ theoretical distribution of adopter groups, as a share of all adopters.Made for Ariel Díaz Vega, by HanademiSources: Rogers, E. M. (2003). Diffusion of innovations (5th ed.). Free Press.UnitShare of adoptersInnovators2.5%Early adopters13.5%Early majority34%Late majority34%Laggards16%
This is the map of adoption, not a booking model. The two majority groups together account for 68% of adopters. A hotel team can use that frame to think about reach, but it still needs observed intent, booking, and cancellation data.
Sources
Las etapas de adopción no predicenreservas hotelerasDistribución teórica de Rogers de los grupos adoptantes, como proporción de todos los adoptantes.Made for Ariel Díaz Vega, by HanademiFuentes: Rogers, E. M. (2003). Diffusion of innovations (5th ed.). Free Press.UnidadProporción de adoptantesInnovadores2,5 %Adoptantestempranos13,5 %Mayoría temprana34 %Mayoría tardía34 %Rezagados16 %
Este es el mapa de la adopción, no un modelo de reservas. Los dos grupos mayoritarios reúnen 68% de los adoptantes. Un equipo hotelero puede usar este marco para pensar en alcance, pero aún necesita datos observados de intención, reserva y cancelación.
Fuentes
A 253 -million-user Facebookexperiment found that both strong andweak ties spread information.The finding concerns information diffusion, not truth, hotel demand, or completedbookings. Network reach can create exposure without proving commercial persuasion.Sources: Bakshy, E., Rosenn, I., Marlow, C., & Adamic, L. (2012). The role of social networks in information diffusion. Science.
Network structure does not reduce diffusion to one kind of relationship. In a Facebook field experiment involving 253 million users, strong ties and individually less influential weak ties both contributed to information spread. For hotels, that means exposure can travel through more than one social path, while booking impact still requires separate measurement.
Sources
Un experimento de Facebook con 253millones de usuarios encontró difusiónmediante vínculos fuertes y débiles.El hallazgo se refiere a la difusión de información, no a la verdad, la demanda hotelera nilas reservas completadas. El alcance de la red puede crear exposición sin demostrarpersuasión comercial.Fuentes: Bakshy, E., Rosenn, I., Marlow, C., & Adamic, L. (2012). The role of social networks in information diffusion. Science.
La estructura de la red no reduce la difusión a un solo tipo de relación. En un experimento de campo de Facebook con 253 millones de usuarios, los vínculos fuertes y los vínculos débiles individualmente menos influyentes contribuyeron a difundir información. Para los hoteles, eso significa que la exposición puede viajar por más de una ruta social, mientras el impacto en reservas requiere una medición aparte.
Fuentes
Across 56 networks, information accessdepended on bridging, while 2 validityquestions challenged weak-tie claims.The 2024 evidence points to bridging and strong bridges as useful, while the 2023review identifies 2 tests the weak-tie explanation must pass. The lesson is aboutmechanism, not a universal label.Sources: cambridge.org.; annualreviews.org.
The useful question is not simply whether a tie is weak. Across 56 empirical networks, information access depended on bridging, and strong bridges were more useful than weak ones. A review adds 2 validity challenges, so hotel marketers should test the path that carries information rather than assume the label explains it.
Sources
En 56 redes, el acceso dependióde conectar comunidades,mientras 2 preguntas cuestionaronlos vínculos débiles.La evidencia de 2024 apunta a la importancia de conectar comunidades y de los puentesfuertes, mientras la revisión de 2023 identifica 2 pruebas que debe superar laexplicación de los vínculos débiles. La lección se refiere al mecanismo, no a una etiquetauniversal.Fuentes: cambridge.org.; annualreviews.org.
La pregunta útil no es simplemente si un vínculo es débil. En 56 redes empíricas, el acceso a la información dependió de conectar comunidades, y los puentes fuertes fueron más útiles que los débiles. Una revisión añade 2 desafíos de validez, por lo que los equipos de marketing hotelero deben probar la ruta que transporta la información en lugar de asumir que la etiqueta lo explica.
Fuentes
Even after 506 diffusion studies, theproposed weak-tie mechanism wasnot readily testable.Granovetter’s historical account separates the size of a research tradition from theability to test its mechanism directly. This is a caution against treating a familiar theoryas a booking predictor.Sources: ndg.asc.upenn.edu.
A large literature does not automatically make a mechanism easy to verify. Granovetter noted that Rogers’s 1962 review counted 506 diffusion studies, yet argued that the proposed weak-tie mechanism was not readily testable. For a hotel model, theory must remain a starting point, not a substitute for validation against real behavior.
Sources
Incluso después de 506 estudios dedifusión, el mecanismo propuesto devínculos débiles no era fácil de probar.El recuento histórico de Granovetter separa el tamaño de una tradición de investigaciónde la capacidad de probar directamente su mecanismo. Es una advertencia contra trataruna teoría conocida como predictor de reservas.Fuentes: ndg.asc.upenn.edu.
Una literatura amplia no hace automáticamente fácil de verificar un mecanismo. Granovetter señaló que la revisión de Rogers de 1962 contó 506 estudios de difusión, pero sostuvo que el mecanismo propuesto de los vínculos débiles no podía comprobarse fácilmente. Para un modelo hotelero, la teoría debe seguir siendo un punto de partida, no un sustituto de la validación con conducta real.
Fuentes
Greedy seed selection reaches 63%of the modeled optimum in severaldiffusion classes.The 63% guarantee comes from modeled diffusion classes and concerns algorithmic seedselection. It is not observed hotel demand, conversion, or booking performance.Sources: cs.cornell.edu.
Optimization can offer a disciplined way to choose initial people or accounts in a diffusion model. Kempe, Kleinberg, and Tardos proved a 63% of optimum guarantee for several modeled diffusion classes. That is a useful design benchmark, but it does not forecast hotel bookings without a validated hotel-specific model.
Sources
La selección voraz de semillasalcanza 63% del óptimo modelado envarias clases de difusión.La garantía de 63% proviene de clases de difusión modelada y se refiere a la selecciónalgorítmica de semillas. No es demanda hotelera, conversión ni rendimiento de reservasobservado.Fuentes: cs.cornell.edu.
La optimización puede ofrecer una forma disciplinada de elegir personas o cuentas iniciales en un modelo de difusión. Kempe, Kleinberg y Tardos demostraron una garantía de 63% del óptimo para varias clases de difusión modelada. Es un punto de referencia útil para el diseño, pero no pronostica reservas hoteleras sin un modelo hotelero validado.
Fuentes
Intent predicts more than behaviorMeta-analytic variance explained in planned intention and later behavior; the 47-experiment result is anannotation.Made for Ariel Díaz Vega, by HanademiSources: Armitage, C. J., & Conner, M. (2001). Efficacy of the theory of planned behaviour: A meta-analytic review.British Journal of Social Psychology.; Webb, T. L., & Sheeran, P. (2006). Does changing behavioral intentions engenderbehavior change? Psychological Bulletin.UnitPercent variance explainedPurchase intention39%Observed behavior27%1.4x
The first number is encouraging: planned-behavior variables explain 39% of intention. The second number is the warning: they explain only 27% of behavior. Across 47 experiments, intention changes translated into smaller behavior changes. For hotel booking, interest is useful, but it is not conversion.
Sources
La intención predice más que la conductaVariación explicada por metaanálisis en intención planificada y conducta posterior; el resultado de 47experimentos aparece como anotación.Made for Ariel Díaz Vega, by HanademiFuentes: Armitage, C. J., & Conner, M. (2001). Efficacy of the theory of planned behaviour: A meta-analyticreview. British Journal of Social Psychology.; Webb, T. L., & Sheeran, P. (2006). Does changing behavioralintentions engender behavior change? Psychological Bulletin.UnidadPorcentaje de variación explicadaIntención de compra39 %Conducta observada27 %1,4x
El primer número es alentador: las variables del comportamiento planificado explican 39% de la intención. El segundo es la advertencia: explican solo 27% de la conducta. En 47 experimentos, los cambios en la intención se tradujeron en cambios conductuales menores. Para las reservas hoteleras, el interés es útil, pero no equivale a conversión.
Fuentes
Defaults increased selection byapproximately 27 percentage pointsacross 58 studies.This estimate combines 58 studies and 73,675 participants. It shows that interfacedesign can change selection, but it does not by itself establish completed hotel bookings.Sources: Jachimowicz, J. M., Duncan, S., Weber, E. U., & Johnson, E. J. (2019). When and why defaults influence decisions: A meta-analysis of defaulteffects. Behavioural Public Policy.
A default is a quiet design choice that makes one option easier to select. Across 58 studies and 73,675 participants, defaults shifted selection by about 27 percentage points. That makes interface design commercially important. It still measures selection, not a guaranteed reservation.
Sources
Los valores predeterminados aumentaronla selección aproximadamente 27 puntosporcentuales en 58 estudios.Esta estimación combina 58 estudios y 73.675 participantes. Muestra que el diseño de lainterfaz puede cambiar la elección, pero no demuestra por sí solo reservas hotelerascompletadas.Fuentes: Jachimowicz, J. M., Duncan, S., Weber, E. U., & Johnson, E. J. (2019). When and why defaults influence decisions: A meta-analysis of defaulteffects. Behavioural Public Policy.
Un valor predeterminado es una decisión silenciosa de diseño que facilita elegir una opción. En 58 estudios y 73.675 participantes, los valores predeterminados cambiaron la selección unos 27 puntos porcentuales. Eso vuelve importante el diseño de la interfaz. Aun así, mide la elección, no una reserva garantizada.
Fuentes
Only 15 studies survived theonline-purchase review2022 review of planned behavior and students’ online purchase intentions, from screened articles toretained studies.Made for Ariel Díaz Vega, by HanademiSources: indianjournalofentrepreneurship.com.UnitArticles and retained studiesScreened articles · 1,798Retained studies · 15
The search began with 1,798 articles. Only 15 studies met the criteria for the meta-analysis. That funnel matters because a large literature does not automatically mean a large comparable evidence base. The result is narrower, but more focused.
Sources
Solo 15 estudios sobrevivieron a la revisiónde compras en líneaRevisión de 2022 sobre comportamiento planificado e intención de compra en línea de estudiantes, desdeartículos examinados hasta estudios retenidos.Made for Ariel Díaz Vega, by HanademiFuentes: indianjournalofentrepreneurship.com.UnidadArtículos y estudios retenidosArtículos examinados · 1.798Estudios retenidos · 15
La búsqueda comenzó con 1.798 artículos. Solo 15 estudios cumplieron los criterios del metaanálisis. Esta reducción importa porque una literatura amplia no significa automáticamente una base grande y comparable. El resultado es más estrecho, pero más enfocado.
Fuentes
Perceived behavioral control moderatedintention-to-behavior links across 39studies and 13,121 participants.The finding isolates where the model changes: perceived behavioral control moderatedthe intention-behavior relationship. It did not moderate the attitude-intention or subjectivenorm-intention relationships.Sources: pubmed.ncbi.nlm.nih.gov.
People may intend to book and still fail to act when control is low. Across 39 studies and 13,121 participants, perceived behavioral control changed the intention-behavior link. It did not change the earlier attitude-to-intention or norm-to-intention links. The practical question is not only what guests want, but what they can do.
Sources
El control conductual percibido moderó losvínculos entre intención y conducta en 39estudios y 13.121 participantes.El hallazgo identifica dónde cambia el modelo: el control conductual percibido moderó larelación entre intención y conducta. No moderó las relaciones entre actitud e intención nientre norma subjetiva e intención.Fuentes: pubmed.ncbi.nlm.nih.gov.
Las personas pueden tener la intención de reservar y aun así no actuar cuando el control es bajo. En 39 estudios y 13.121 participantes, el control conductual percibido cambió el vínculo entre intención y conducta. No cambió los vínculos anteriores entre actitud e intención ni entre norma e intención. La pregunta práctica no es solo qué quieren los huéspedes, sino qué pueden hacer.
Fuentes
A 382-questionnaire tourism study and a158-questionnaire Tunisian study reacheddifferent conclusions.The 382-questionnaire study covered four destinations in Quanzhou, Xiamen, andShanghai. In the Tunisian study, perceived usefulness did not positively affect attitudestoward online booking. These are separate studies and populations, so neither resultshould be generalized into one universal rule.Sources: lydk.bisu.edu.cn.; ideas.repec.org.
One tourism study gathered 382 questionnaires across four destinations in China. A separate Tunisian study gathered 158 questionnaires and found no positive effect of perceived usefulness on booking attitudes. The contrast is the lesson. Online booking behavior is shaped by setting, not by one universal pathway.
Sources
Un estudio turístico con 382 cuestionariosy otro tunecino con 158 llegaron aconclusiones diferentes.El estudio con 382 cuestionarios cubrió cuatro destinos en Quanzhou, Xiamen y Shanghái.En el estudio tunecino, la utilidad percibida no afectó positivamente la actitud hacia lasreservas en línea. Son estudios y poblaciones distintos, por lo que ningún resultado debegeneralizarse como una regla universal.Fuentes: lydk.bisu.edu.cn.; ideas.repec.org.
Un estudio turístico reunió 382 cuestionarios en cuatro destinos de China. Otro estudio tunecino reunió 158 cuestionarios y no encontró un efecto positivo de la utilidad percibida sobre las actitudes hacia las reservas. El contraste es la lección. La conducta de reserva en línea depende del contexto, no de una ruta universal.
Fuentes
Across 173 studies, culture and humandevelopment helped explain inconsistentbehavioral relationships.The meta-analysis linked inconsistent behavioral relationships partly to national cultureand human-development status. A Bogotá hotel model should therefore treat context as amodel input, not a footnote.Sources: research.jgu.edu.in.
Across 173 green-consumption studies, behavioral relationships were not consistent everywhere. National culture and human-development status helped explain why. The implication reaches hotel booking research: a model built for one setting should not be treated as a universal rule. Context belongs inside the prediction system.
Sources
En 173 estudios, la cultura y el desarrollohumano ayudaron a explicar relacionesconductuales inconsistentes.El metaanálisis vinculó parcialmente las relaciones conductuales inconsistentes con lacultura nacional y el nivel de desarrollo humano. Por eso, un modelo hotelero paraBogotá debe tratar el contexto como una variable de entrada, no como una nota al pie.Fuentes: research.jgu.edu.in.
En 173 estudios sobre consumo verde, las relaciones conductuales no fueron consistentes en todos los lugares. La cultura nacional y el nivel de desarrollo humano ayudaron a explicarlo. La implicación alcanza la investigación sobre reservas hoteleras: un modelo construido para un contexto no debe tratarse como una regla universal. El contexto debe estar dentro del sistema de predicción.
Fuentes
A Markov framework studied fourcustomer datasets with at least sevenonline channels each.The framework was applied to four large customer-level datasets, each containing atleast seven distinct online channels. The evidence supports path-aware attribution, not aweighted flow diagram, because transition magnitudes were not supplied.Sources: ideas.repec.org.
A hotel booking rarely begins with the ad that gets the credit. A Markov framework followed customer paths across four large datasets, each with at least seven online channels. That is the right level of detail for understanding how exposure becomes a decision.
Sources
Un modelo de Markov estudió cuatroconjuntos de clientes con al menos sietecanales digitales cada uno.El marco se aplicó a cuatro grandes conjuntos de datos de clientes, cada uno con almenos siete canales digitales distintos. La evidencia respalda una atribución basada enrutas, no un diagrama de flujo ponderado, porque no se proporcionaron magnitudes detransición.Fuentes: ideas.repec.org.
Una reserva hotelera rara vez comienza con el anuncio que recibe el crédito. Un marco de Markov siguió las rutas de clientes en cuatro grandes conjuntos de datos, cada uno con al menos siete canales digitales. Ese es el nivel de detalle necesario para entender cómo la exposición se convierte en una decisión.
Fuentes
Purchase intention tracks buying betterunder six conditions, including shorthorizons and brand-specific questions.Two studies found stronger intention-purchase correlations for existing or durableproducts, shorter time horizons, brand-specific questions, trial-rate outcomes, andcomparative elicitation, among six conditions.Sources: papers.ssrn.com.
Intent is useful, but it is not a booking. Two studies found that the link becomes stronger under six specific conditions, including shorter horizons and brand-specific questions. For hotels, that means treating intention as an intermediate signal that still needs booking data.
Sources
La intención de compra sigue mejorla compra bajo seis condiciones,incluidos horizontes cortos ypreguntas sobre marcas.Dos estudios encontraron correlaciones más fuertes entre intención y compra paraproductos existentes o duraderos, horizontes más cortos, preguntas específicas demarca, resultados de prueba y formulación comparativa, entre seis condiciones.Fuentes: papers.ssrn.com.
La intención es útil, pero no es una reserva. Dos estudios encontraron que el vínculo se fortalece bajo seis condiciones específicas, incluidos horizontes más cortos y preguntas sobre marcas. Para los hoteles, eso significa tratar la intención como una señal intermedia que aún necesita datos de reservas.
Fuentes
Colombian platform reach is split acrossfour different marketsEarly-2024 estimated advertising audiences in Colombia, in millions of accounts or users; platformestimates are not additive.Made for Ariel Díaz Vega, by HanademiSources: Kemp, S. (2024). Digital 2024: Colombia. DataReportal.; El 75,7% de la población colombiana tienecuentas en redes sociales.Early-2024 advertising-tool estimates.UnitMillions of advertising-audience estimates36.7Facebook27.3TikTok adults20.1Instagram13LinkedIn
Colombia is not one social market. Early-2024 advertising tools estimated 36.7 million accounts or users on Facebook, compared with 13 million on LinkedIn. The spread shows why a hotel campaign needs platform-specific reach assumptions instead of one blended audience number.
Sources
El alcance de las plataformas en Colombiase divide en cuatro mercadosAudiencias publicitarias estimadas en Colombia a comienzos de 2024, en millones de cuentas o usuarios;las estimaciones no se suman.Made for Ariel Díaz Vega, by HanademiFuentes: Kemp, S. (2024). Digital 2024: Colombia. DataReportal.; El 75,7% de la población colombiana tienecuentas en redes sociales.Estimaciones de herramientas publicitarias de comienzos de 2024.UnidadMillones de estimaciones de audiencia publicitaria36,7Facebook27,3Adultos en TikTok20,1Instagram13LinkedIn
Colombia no es un solo mercado social. A comienzos de 2024, las herramientas publicitarias estimaron 36,7 millones de cuentas o usuarios en Facebook, frente a 13 millones en LinkedIn. La diferencia muestra por qué una campaña hotelera necesita supuestos de alcance por plataforma, no una sola cifra de audiencia combinada.
Fuentes
Social attention carries purchase cuesA tablet user appears beside graphic icons representing digital interactions.Sources: El 75,7% de la población colombiana tiene cuentas en redes sociales.
Platform reach matters when interaction, shopping, and location cues compete on the same screen.
La atención social trae señales de compraUna usuaria de tableta aparece junto a iconos que representan interacciones digitales.Fuentes: El 75,7% de la población colombiana tiene cuentas en redes sociales.
El alcance de cada plataforma importa cuando las señales de interacción, compra y ubicación compiten en la misma pantalla.
Social platforms grow at different speedsU.S. adults reporting ever-use, 2021 to 2023; the left panel ranks 2023 reach and the right panel compareschange.Made for Ariel Díaz Vega, by HanademiSources: pewresearch.org.; techcrunch.com.UnitPercent of U.S. adultsEver-use in 202383%68%47%YouTubeFacebookInstagramTikTok and Instagram growthTikTok ever-useInstagram ever-use21%40%33%47%20212023
A large audience is not the same as fast growth. YouTube reached 83% of U.S. adults in 2023, but TikTok added 12 points from 2021 to 2023, ahead of Instagram's 7. Hotel marketers need both measures: scale for reach and momentum for attention.
Sources
Las plataformas sociales crecen avelocidades distintasAdultos estadounidenses que reportan uso alguna vez, de 2021 a 2023; el panel izquierdo ordena el alcancede 2023 y el derecho compara el cambio.Made for Ariel Díaz Vega, by HanademiFuentes: pewresearch.org.; techcrunch.com.UnidadPorcentaje de adultos estadounidensesUso alguna vez en 202383 %68 %47 %YouTubeFacebookInstagramCrecimiento de TikTok e InstagramUso alguna vez de TikTokUso alguna vez de Instagram21 %40 %33 %47 %20212023
Una audiencia grande no es lo mismo que un crecimiento rápido. YouTube llegó al 83% de los adultos estadounidenses en 2023, pero TikTok sumó 12 puntos entre 2021 y 2023, por encima de los 7 de Instagram. Los hoteles necesitan ambas medidas: escala para el alcance y dinamismo para la atención.
Fuentes
62% of adult TikTok users cited productreviews or recommendations as a reasonfor use.In March 2024, product reviews or recommendations were a stated reason for useamong 62% of U.S. adult TikTok users. For hotels, product-like advice can placediscovery close to consideration, but this finding does not measure bookings.Sources: pewresearch.org.
TikTok is not only an entertainment channel. In March 2024, 62% of adult U.S. users said product reviews or recommendations were one reason they used it. That makes useful hotel advice part of the platform's natural behavior, though the number does not prove a booking.
Sources
El 62% de los usuarios adultos de TikTokcitó reseñas o recomendaciones deproductos como motivo de uso.En marzo de 2024, las reseñas o recomendaciones de productos fueron un motivodeclarado de uso para el 62% de los usuarios adultos de TikTok en Estados Unidos. Paralos hoteles, los consejos parecidos a recomendaciones de productos pueden acercar eldescubrimiento a la consideración, pero este hallazgo no mide reservas.Fuentes: pewresearch.org.
TikTok no es solo un canal de entretenimiento. En marzo de 2024, el 62% de los usuarios adultos en Estados Unidos dijo que las reseñas o recomendaciones de productos eran una razón para usarlo. Eso vuelve natural el consejo útil sobre hoteles dentro de la plataforma, aunque la cifra no demuestra una reserva.
Fuentes
45% of U.S. TikTok users under 30 said theplatform was mostly good for democracy.Sources: pewresearch.org.
This is not a claim about shopping behavior. Among U.S. TikTok users under 30, 45% viewed the platform as mostly good for American democracy. The audience and outcome are specific, so the figure should not be generalized to all users or all effects.
Sources
El 45% de usuarios estadounidensesmenores de 30 años dijo que TikTok eramayormente positiva para la democracia.Fuentes: pewresearch.org.
Esto no es una afirmación sobre el comportamiento de compra. Entre los usuarios estadounidenses de TikTok menores de 30 años, el 45% vio la plataforma como mayormente positiva para la democracia del país. La población y el resultado son específicos, así que la cifra no debe generalizarse a todos los usuarios ni a todos los efectos.
Fuentes
Colombia's tourism recovered beyond its2019 peakAnnual nonresident visitors to Colombia, millions, 2019-2023; estimates supplied by the research claim.Made for Ariel Díaz Vega, by HanademiSources: Ministerio de Comercio, Industria y Turismo. (2024). Informes de turismo: llegada de visitantes noresidentes. Gobierno de Colombia.The five-point shape follows the supplied official estimates; the source series was not independently verified in this researchpass.UnitMillion nonresident visitors024620192020202120222023Pandemic break2023 reached 5.9 million visitors,above the 2019 level of 4.5million.4.5
The pandemic break is impossible to miss. Colombia's nonresident visitors dropped from 4.5 million in 2019 to 1.4 million in 2020. Recovery continued through 2023, when the supplied estimate reached 5.9 million, above the earlier peak.
Sources
El turismo de Colombia se recuperó porencima de su máximo de 2019Visitantes no residentes anuales de Colombia, millones, 2019-2023; estimaciones suministradas por laafirmación de investigación.Made for Ariel Díaz Vega, by HanademiFuentes: Ministerio de Comercio, Industria y Turismo. (2024). Informes de turismo: llegada de visitantes noresidentes. Gobierno de Colombia.La forma de cinco puntos sigue las estimaciones oficiales suministradas; la serie no se verificó de forma independienteen esta investigación.UnidadMillones de visitantes no residentes024620192020202120222023Ruptura pandémicaEn 2023 se alcanzaron 5,9millones de visitantes, por encimade los 4,5 millones de 2019.4,5
La ruptura pandémica es imposible de ignorar. Los visitantes no residentes de Colombia bajaron de 4,5 millones en 2019 a 1,4 millones en 2020. La recuperación continuó hasta 2023, cuando la estimación suministrada llegó a 5,9 millones, por encima del máximo anterior.
Fuentes
Lodging is a place before it is a metricTall residential and hotel buildings stand beyond a walkway beside the water.Sources: Ocupación hotelera en Colombia llegaría a 55 % en 2022. valoraanalitik.com.
The rebound matters operationally because lodging exists within real destinations and surrounding development.
El alojamiento es un lugar antes queuna métricaEdificios altos residenciales y hoteleros se alzan al final de un paseo junto al agua.Fuentes: Ocupación hotelera en Colombia llegaría a 55 % en 2022. valoraanalitik.com.
La recuperación importa operativamente porque el alojamiento existe dentro de destinos reales y su entorno construido.
National lodging revenue and jobs fell aswages roseNational lodging real revenue, employment, and real wages, year-over-year change in April 2026.Made for Ariel Díaz Vega, by HanademiSources: dane.gov.co.UnitYear-over-year change, percentReal revenue-5.7%Employment-5.4%Real wages10.9%
The national lodging picture is not one simple recovery story. In April 2026, real revenue fell 5.7% and employment fell 5.4%. Real wages rose 10.9%, creating a sharp split between business activity, jobs, and pay.
Sources
Los ingresos y el empleo del alojamiento nacionalcayeron mientras subieron los salariosIngresos reales, empleo y salarios reales del alojamiento nacional, cambio interanual en abril de 2026.Made for Ariel Díaz Vega, by HanademiFuentes: dane.gov.co.UnidadCambio interanual, porcentajeIngresos reales-5,7 %Empleo-5,4 %Salarios reales10,9 %
La situación nacional del alojamiento no es una historia simple de recuperación. En abril de 2026, los ingresos reales cayeron 5,7% y el empleo cayó 5,4%. Los salarios reales subieron 10,9%, creando una fuerte división entre actividad empresarial, empleo y remuneración.
Fuentes
Lodging wage growth decoupled from realrevenueMade for Ariel Díaz Vega, by HanademiSources: dane.gov.co.; dane.gov.co.; dane.gov.co.Unityear-over-year change, %Bogotá, Nov. 2024Real revenue 1.8%Real wages 3.3%Bogotá, Dec. 2024Real revenue -5.6%Real wages 4.9%Colombia, Apr. 2026Real revenue -5.7%Real wages 10.9%-10-5051015
The wage-revenue gap widened from 1.5 points in Bogotá in November to 10.5 in December and 16.6 nationally in April 2026.
Sources
El crecimiento salarial del alojamiento sedesacopló del ingreso realMade for Ariel Díaz Vega, by HanademiFuentes: dane.gov.co.; dane.gov.co.; dane.gov.co.Unidadvariación interanual, %Bogotá, nov. 2024Ingreso real 1,8%Salario real 3,3%Bogotá, dic. 2024Ingreso real -5,6%Salario real 4,9%Colombia, abr. 2026Ingreso real -5,7%Salario real 10,9%-10-5051015
La brecha entre salarios e ingresos pasó de 1,5 puntos en Bogotá en noviembre a 10,5 en diciembre y 16,6 a nivel nacional en abril de 2026.
Fuentes
Bogotá lodging revenue reversed whilewages kept risingBogotá lodging real revenue, employment, and real wages, year-over-year change in November andDecember 2024.Made for Ariel Díaz Vega, by HanademiSources: dane.gov.co.; dane.gov.co.UnitYear-over-year change, percent-5%0%5%November 2024December 2024Real revenue1.8%-5.6%Employment1.7%-0.4%Real wages3.3%4.9%
November looked broadly positive in Bogotá, with revenue up 1.8% and employment up 1.7%. December broke that pattern: revenue fell 5.6% and employment fell 0.4%. Real wages rose in both months, from 3.3% to 4.9%, so pay did not follow the activity reversal.
Sources
Los ingresos del alojamiento en Bogotá se revirtieronmientras los salarios siguieron subiendoIngresos reales, empleo y salarios reales del alojamiento en Bogotá, cambio interanual en noviembre ydiciembre de 2024.Made for Ariel Díaz Vega, by HanademiFuentes: dane.gov.co.; dane.gov.co.UnidadCambio interanual, porcentaje-5 %0 %5 %Noviembre de 2024Diciembre de 2024Ingresos reales1,8 %-5,6 %Empleo1,7 %-0,4 %Salarios reales3,3 %4,9 %
Noviembre pareció ampliamente positivo en Bogotá, con ingresos arriba 1,8% y empleo arriba 1,7%. Diciembre rompió ese patrón: los ingresos cayeron 5,6% y el empleo 0,4%. Los salarios reales subieron en ambos meses, de 3,3% a 4,9%, así que la remuneración no siguió la reversión de la actividad.
Fuentes
From June 2020, DANE measured lodgingat establishments instead of companiesacross 12 regional domains.The redesign changes the statistical unit from company to establishment and expandspublication to 12 regional domains. Comparisons across the break require care.Sources: dane.gov.co.
A break in the lodging data is not just a missing month. From June 2020, DANE changed the unit from company to establishment and enabled results for 12 regional domains. That redesign matters whenever the pre- and post-2020 figures are compared.
Sources
Desde junio de 2020, DANE midealojamiento en establecimientos, no enempresas, en 12 dominios regionales.El rediseño cambia la unidad estadística de empresa a establecimiento y amplía lapublicación a 12 dominios regionales. Las comparaciones a través de la rupturarequieren cautela.Fuentes: dane.gov.co.
Una ruptura en los datos de alojamiento no es solo un mes faltante. Desde junio de 2020, el DANE cambió la unidad de empresa a establecimiento y habilitó resultados para 12 dominios regionales. Ese rediseño importa cada vez que se comparan cifras anteriores y posteriores a 2020.
Fuentes
Tourist homes represent 59.5% ofBogotá’s 13,924 registeredtourism-service providers.Tourist homes are the dominant category in Bogotá’s registered tourism-service base,shaping the market that hotel strategy must understand.Sources: observatorio.idt.gov.co.
Tourist homes account for 59.5% of Bogotá’s 13,924 registered tourism-service providers. This is not a niche supply category. It is the largest part of the city’s visitor economy, so hotel demand must be read alongside it.
Sources
Las viviendas turísticas representan el59,5 % de los 13.924 prestadoresregistrados de Bogotá.Las viviendas turísticas son la categoría dominante entre los prestadores registrados deBogotá, un dato clave para entender el mercado hotelero.Fuentes: observatorio.idt.gov.co.
Las viviendas turísticas representan el 59,5 % de los 13.924 prestadores de servicios turísticos registrados en Bogotá. No son una oferta marginal. Son la mayor parte de la economía de visitantes de la ciudad, por lo que la demanda hotelera debe analizarse junto con ellas.
Fuentes
Bogotá has an uninterrupted traveler seriesfrom 2010 through December 31, 2025.The record covers traveler origin, trip purpose, accommodation, spending, overnightstays, and other characteristics. It supports a Bogotá model grounded in local contextrather than generic engagement metrics.Sources: untourism.int.; datosabiertos.bogota.gov.co.
Bogotá’s traveler research has run without interruption since 2010. The city also has a 2025 database updated on December 31. That gives a local model the long view and a current reference point, including origin, purpose, accommodation, spending, and stays.
Sources
Bogotá cuenta con serie ininterrumpida deviajeros desde 2010 hasta el 31 dediciembre de 2025.El registro cubre origen, motivo del viaje, alojamiento, gasto, pernoctaciones y otrascaracterísticas. Permite construir un modelo de Bogotá basado en el contexto local, nosolo en métricas generales de interacción.Fuentes: untourism.int.; datosabiertos.bogota.gov.co.
La Investigación Viajeros de Bogotá funciona sin interrupciones desde 2010. La ciudad también tiene una base de 2025 actualizada el 31 de diciembre. Esto ofrece al modelo local una perspectiva amplia y un punto de referencia reciente, con datos sobre origen, motivo, alojamiento, gasto y estancias.
Fuentes
Reputation lifts revenue more thanoccupancyEstimated percent change in daily rate, occupancy, and revenue per available room for each 1% increase inreputation.Made for Ariel Díaz Vega, by HanademiSources: Anderson, C. K. (2012). The impact of social media on lodging performance. Cornell Hospitality Report.;Cornell Hospitality Research: Online Reputation Directly Affects Pricing Power, Occupancy & RevPAR.UnitPercent change associated with a 1% reputation increaseAverage daily rate0.9%Occupancy0.5%Revenue per available room1.4%
Cornell estimated three linked effects of a 1% reputation increase. Daily rate rose 0.89%, occupancy rose 0.54%, and revenue per available room rose 1.42%. The signal is strongest at the revenue level, but the relationship is not proof of causation.
Sources
La reputación impulsa más los ingresos quela ocupaciónCambio porcentual estimado en tarifa diaria, ocupación e ingreso por habitación disponible por cada aumentode 1 % en reputación.Made for Ariel Díaz Vega, by HanademiFuentes: Anderson, C. K. (2012). The impact of social media on lodging performance. Cornell Hospitality Report.;Cornell Hospitality Research: Online Reputation Directly Affects Pricing Power, Occupancy & RevPAR.UnidadCambio porcentual asociado con un aumento de 1 % en reputaciónTarifa diaria promedio0,9 %Ocupación0,5 %Ingreso por habitacióndisponible1,4 %
Cornell estimó tres efectos asociados con un aumento de 1 % en reputación. La tarifa diaria subió 0,89 %, la ocupación 0,54 % y el ingreso por habitación disponible 1,42 %. La señal es más fuerte en los ingresos, pero la relación no prueba causalidad.
Fuentes
European hotel sales sensitivity is nearlytwice Cornell's implied benchmarkAdded Cornell's 0.89% rate and 0.54% occupancy responses to obtain an implied 1.43% room-revenueresponse, then compared it with reported Sales per Room effects.Made for Ariel Díaz Vega, by HanademiSources: Anderson, C. K. (2012). The impact of social media on lodging performance. Cornell Hospitality Report.;Cornell Hospitality Research: Online Reputation Directly Affects Pricing Power, Occupancy & RevPAR.;tandfonline.com.Unitroom-revenue response per 1% reputation or rating gain, %Cornell implied RevPAR1.4London Sales per Room2.6Paris Sales per Room2.7
London and Paris responses are 1.83 and 1.87 times Cornell's implied benchmark.
Sources
La sensibilidad de ventas hoteleras europeas casiduplica el referente implícito de CornellSe sumaron las respuestas de 0,89% en tarifa y 0,54% en ocupación de Cornell para obtener una respuestaimplícita de 1,43% en ingreso por habitación y compararla con los efectos reportados sobre ventas porhabitación.Made for Ariel Díaz Vega, by HanademiFuentes: Anderson, C. K. (2012). The impact of social media on lodging performance. Cornell Hospitality Report.;Cornell Hospitality Research: Online Reputation Directly Affects Pricing Power, Occupancy & RevPAR.;tandfonline.com.Unidadrespuesta del ingreso por habitación ante 1% de mejora en reputación o calificación, %RevPAR implícito de Cornell1,4Ventas por habitación en Londres2,6Ventas por habitación en París2,7
Las respuestas de Londres y París equivalen a 1,83 y 1,87 veces el referente implícito de Cornell.
Fuentes
A meta-analysis of 1,538 effects from 96studies found positive sales associations,but results varied by context.Review tone and volume are commercially relevant signals, not universal conversionrules. The evidence supports testing context, platform, hotel quality, and audiencedifferences rather than applying one fixed effect.Sources: Babić Rosario, A., Sotgiu, F., De Valck, K., & Bijmolt, T. H. A. (2016). The effect of electronic word of mouth on sales. Journal of MarketingResearch.; The Effect of Electronic Word of Mouth on Sales: A Meta-analytic ....
The meta-analysis pooled 1,538 effects from 96 studies. Sales associations were generally positive for review tone and volume. But the wide range of settings matters, because the same review signal can behave differently across hotels, platforms, and audiences.
Sources
El metaanálisis reunió 1.538 efectosde 96 estudios.El tono y el volumen de las reseñas son señales comerciales relevantes, no reglasuniversales de conversión. La evidencia respalda probar el contexto, la plataforma, lacalidad del hotel y las diferencias de audiencia en lugar de aplicar un efecto fijo.Fuentes: Babić Rosario, A., Sotgiu, F., De Valck, K., & Bijmolt, T. H. A. (2016). The effect of electronic word of mouth on sales. Journal of MarketingResearch.; The Effect of Electronic Word of Mouth on Sales: A Meta-analytic ....
El metaanálisis reunió 1.538 efectos de 96 estudios. Las asociaciones con las ventas fueron generalmente positivas para el tono y el volumen de las reseñas. Pero la variedad de contextos importa, porque la misma señal puede comportarse de manera distinta según el hotel, la plataforma y la audiencia.
Fuentes
Yelp's filter classified approximately16% of submitted reviews assuspicious in fraud research.A meaningful share of review submissions was flagged by Yelp’s filtering system in thecited research. Review volume and tone therefore need a fraud-aware reading beforethey guide hotel decisions.Sources: Luca, M., & Zervas, G. (2016). Fake it till you make it: Reputation, competition, and Yelp review fraud. Management Science.; Fake It Till YouMake It: Reputation, Competition, and Yelp Review Fraud.
Yelp’s filtering system classified approximately 16% of submitted reviews as suspicious in the cited research. That does not make every review unreliable. It does mean that reputation data needs fraud controls before it becomes a booking or marketing signal.
Sources
El filtro de Yelp clasificó aproximadamenteel 16% de reseñas enviadas comosospechosas en investigación de fraude.Una proporción relevante de las reseñas enviadas fue señalada por el sistema de filtradode Yelp en la investigación citada. Por eso, el volumen y el tono de las reseñas debenanalizarse considerando el fraude antes de orientar decisiones hoteleras.Fuentes: Luca, M., & Zervas, G. (2016). Fake it till you make it: Reputation, competition, and Yelp review fraud. Management Science.; Fake It Till YouMake It: Reputation, Competition, and Yelp Review Fraud.
El sistema de filtrado de Yelp clasificó aproximadamente el 16 % de las reseñas enviadas como sospechosas en la investigación citada. Esto no vuelve poco confiable cada reseña. Sí significa que los datos de reputación necesitan controles contra el fraude antes de convertirse en una señal de reservas o marketing.
Fuentes
Ratings can lift revenue, but the effectdiffers by market.Independent restaurants saw a 5% to 9% revenue increase per additional star, while a 1%higher hotel rating increased Sales per Room by up to 2.68% in Paris and 2.62% inLondon. These estimates come from different settings and should not be combined intoone rate.Sources: hbs.edu.; tandfonline.com.
Ratings matter, but the payoff is not universal. Independent restaurants gained 5% to 9% per additional star, while hotels in Paris and London showed smaller effects tied to customer ratings. The lesson is simple: review signals need market-specific calibration.
Sources
Las calificaciones pueden elevar ingresos,pero el efecto cambia según el mercado.Los restaurantes independientes registraron un aumento de ingresos de 5% a 9% por cadaestrella adicional, mientras que una calificación hotelera 1% mayor elevó las ventas porhabitación hasta 2,68% en París y 2,62% en Londres. Estas estimaciones provienen decontextos distintos y no deben combinarse en una sola tasa.Fuentes: hbs.edu.; tandfonline.com.
Las calificaciones importan, pero el beneficio no es universal. Los restaurantes independientes ganaron entre 5% y 9% por cada estrella adicional, mientras que los hoteles de París y Londres mostraron efectos menores ligados a las calificaciones de clientes. La lección es clara: las señales de reseñas necesitan calibración según el mercado.
Fuentes
Open reviews reward self-praise andharsher neighbor reviews.Researchers compared 2 hotel-review platforms and found more favorable self-reviewsalongside more negative reviews of neighboring hotels where manipulation incentiveswere higher on open-posting TripAdvisor.Sources: aeaweb.org.
Review systems do not only collect opinions. In the comparison of 2 hotel platforms, open posting created stronger incentives for self-praise and negative neighbor reviews. The platform design became part of the signal.
Sources
Las reseñas abiertas favorecen el elogiopropio y críticas más duras a vecinos.Los investigadores compararon 2 plataformas de reseñas hoteleras y hallaron opinionespropias más favorables junto con reseñas más negativas sobre hoteles vecinos donde losincentivos para manipular eran mayores en TripAdvisor, que permitía publicacionesabiertas.Fuentes: aeaweb.org.
Los sistemas de reseñas no solo recopilan opiniones. En la comparación de 2 plataformas hoteleras, las publicaciones abiertas crearon mayores incentivos para el elogio propio y las críticas negativas a hoteles vecinos. El diseño de la plataforma pasó a formar parte de la señal.
Fuentes
Yelp reached 70% of Seattle restaurantsShare of Seattle restaurants covered by each source in 2009; Yelp also recorded 60,000 reviews.Made for Ariel Díaz Vega, by HanademiSources: library.hbs.edu.UnitPercent of Seattle restaurantsYelp70%Seattle Times5%14x
The information gap was enormous. By 2009, Yelp covered 70% of Seattle restaurants, while The Seattle Times covered roughly 5%. The platform also held 60,000 reviews, turning scattered consumer experience into a broad market signal.
Sources
Yelp llegó al 70% de los restaurantes deSeattlePorcentaje de restaurantes de Seattle cubiertos por cada fuente en 2009; Yelp también registró 60.000reseñas.Made for Ariel Díaz Vega, by HanademiFuentes: library.hbs.edu.UnidadPorcentaje de restaurantes de SeattleYelp70 %The Seattle Times5 %14x
La brecha de información era enorme. En 2009, Yelp cubría el 70% de los restaurantes de Seattle, mientras The Seattle Times cubría cerca del 5%. La plataforma también acumulaba 60.000 reseñas, convirtiendo experiencias dispersas de consumidores en una señal amplia del mercado.
Fuentes
Blurry host photos can hurtpurchase decisions.A September 2025 Airbnb study reported positive purchase effects from host-photoattractiveness, stereotypes, and word-of-mouth reputation, but a negative effect fromphoto blurriness. The study reports directions, not comparable effect sizes.Sources: scirp.org.
Small visual details can change how a host is judged. The September 2025 Airbnb study found positive purchase effects linked to attractive host photos and reputation, but blurry photos moved in the opposite direction. Image quality is part of trust.
Sources
Las fotos borrosas del anfitrión puedenperjudicar las decisiones de compra.Un estudio de Airbnb de septiembre de 2025 reportó efectos positivos de la apariencia delas fotos del anfitrión, los estereotipos y la reputación transmitida por otras personas,pero un efecto negativo de las fotos borrosas. El estudio informa direcciones, nomagnitudes de efecto comparables.Fuentes: scirp.org.
Los pequeños detalles visuales pueden cambiar la forma en que se juzga a un anfitrión. El estudio de Airbnb de septiembre de 2025 halló efectos positivos en la compra vinculados con fotos atractivas y reputación, pero las fotos borrosas tuvieron el efecto contrario. La calidad de la imagen forma parte de la confianza.
Fuentes
Most online carts are abandoned:70.19% globally.Baymard’s 2025 update places the global average cart-abandonment rate at 70.19%,based on 13 years of tracking. This is a global ecommerce benchmark, not ahotel-specific conversion rate.Sources: baymard.com.
Interest does not guarantee completion. Baymard’s 2025 global benchmark puts cart abandonment at 70.19% after 13 years of tracking. A hotel can win attention and still lose the booking at checkout.
Sources
La mayoría de los carritos en línea seabandona: 70,19% a nivel mundial.La actualización de Baymard de 2025 sitúa en 70,19% la tasa promedio mundial deabandono del carrito, tras 13 años de seguimiento. Es un punto de referencia global delcomercio electrónico, no una tasa de conversión específica de hoteles.Fuentes: baymard.com.
El interés no garantiza la compra. El punto de referencia mundial de Baymard en 2025 sitúa el abandono del carrito en 70,19% tras 13 años de seguimiento. Un hotel puede captar atención y aun así perder la reserva en el pago.
Fuentes
For 42% of US shoppers, abandonmentmeant browsing, not checkout failure.In Baymard’s latest study, 42% of US online shoppers said they had recently abandoned acart because they were browsing or not ready to buy. That separates missing purchaseintent from friction at checkout.Sources: baymard.com.
Not every abandoned cart is a broken checkout. Baymard found that 42% of US online shoppers abandoned because they were browsing or not ready to buy. The model must separate weak intent from preventable friction.
Sources
Para 42% de los compradoresestadounidenses, abandonar significóexplorar, no fallar en el pago.En el estudio más reciente de Baymard, 42% de los compradores estadounidenses enlínea dijeron que habían abandonado recientemente un carrito porque estaban explorandoo no estaban listos para comprar. Esto separa la falta de intención de compra de lafricción en el pago.Fuentes: baymard.com.
No todos los carritos abandonados reflejan un pago defectuoso. Baymard encontró que 42% de los compradores estadounidenses abandonaron porque estaban explorando o no estaban listos para comprar. El modelo debe separar la intención débil de la fricción evitable.
Fuentes
Online decisions happen in everyday momentsA person works on a laptop beside drinks and a mobile phone.Sources: Converting abandoned bookings and understanding .... amadeus.com.
The funnel begins with a person at a device, where browsing may end before a booking attempt starts.
Las decisiones en línea ocurren enmomentos cotidianosUna persona trabaja en un portátil junto a bebidas y un teléfono móvil.Fuentes: Converting abandoned bookings and understanding .... amadeus.com.
El embudo comienza con una persona frente a un dispositivo, donde la navegación puede terminar antes de intentar reservar.
Unexpected charges cost more conversionsthan complexityBaymard abandonment reasons, percent of users, with average checkout length of 5.1 steps and 11.3 fields.Made for Ariel Díaz Vega, by HanademiSources: baymard.com.; baymard.com.UnitPercent of users39%Unexpected charges17%Checkout complexity
The biggest leak is not the form itself. It is the surprise at the end, when shipping, tax, or fees appear. Baymard puts unexpected charges at 39%, versus 17% for checkout complexity.
Sources
Los cargos inesperados cuestan másconversiones que la complejidadRazones de abandono de Baymard, porcentaje de usuarios, con un checkout promedio de 5,1 pasos y 11,3campos.Made for Ariel Díaz Vega, by HanademiFuentes: baymard.com.; baymard.com.UnidadPorcentaje de usuarios39 %Cargos inesperados17 %Complejidad del checkout
La mayor fuga no está en el formulario. Está en la sorpresa final, cuando aparecen el envío, los impuestos u otras tarifas. Baymard sitúa los cargos inesperados en 39%, frente al 17% de la complejidad del checkout.
Fuentes
A tenth of a second helps luxury far morethan travelObserved uplifts after a 0.1-second speed improvement across luxury and travel outcomes.Made for Ariel Díaz Vega, by HanademiSources: web.dev.UnitObserved uplift, percentLuxury contact20.6%Luxury basket40.1%Travel checkout2.2%Travel booking10%
Speed matters, but not in one universal way. A tenth of a second lifted luxury product-detail-to-basket progression by 40.1%, while travel checkout completion rose only 2.2%. The interface and the customer context shape the payoff.
Sources
Una décima de segundo ayuda mucho más allujo que a los viajesAumentos observados tras una mejora de velocidad de 0,1 segundos en resultados de lujo y viajes.Made for Ariel Díaz Vega, by HanademiFuentes: web.dev.UnidadAumento observado, porcentajeContacto de lujo20,6 %Carrito de lujo40,1 %Checkout de viajes2,2 %Reserva de viajes10 %
La velocidad importa, pero no de una sola manera. Una décima de segundo elevó el paso de detalle a carrito en lujo en 40,1%, mientras la finalización del checkout de viajes subió solo 2,2%. La interfaz y el contexto del cliente dan forma al resultado.
Fuentes
A 0.1-second gain recovers up to 1.8bookings per 100 checkoutsMade for Ariel Díaz Vega, by HanademiSources: SaleCycle. (2018). Remarketing report 2018. SaleCycle.; web.dev.Unitbookings completed per 100 checkout startsCurrentAfter a 0.1 sec gain18.2Checkout completion 18.6Booking rate 20.0
The smaller funnel effect raises completion to 18.6 per 100 starts, while the booking-rate effect raises it to 20.0.
Sources
Una mejora de 0,1 segundos recupera hasta1,8 reservas por cada 100 pagosMade for Ariel Díaz Vega, by HanademiFuentes: SaleCycle. (2018). Remarketing report 2018. SaleCycle.; web.dev.Unidadreservas completadas por cada 100 inicios de pagoActualDespués de acelerar 0,1 s18,2Finalización de pago 18,6Tasa de reserva 20,0
El efecto menor del embudo eleva la finalización a 18,6 por cada 100 inicios, mientras el efecto sobre la tasa de reserva la eleva a 20,0.
Fuentes
Across 63 conditions, choice overload hadno reliable average effect.The meta-analysis found a mean effect statistically indistinguishable from zero, despitesubstantial variation among settings.Sources: Scheibehenne, B., Greifeneder, R., & Todd, P. M. (2010). Can There Ever Be Too Many Options? Journal of Consumer Research.
More options sound like a clear burden, but the evidence is less simple. Across 63 experimental conditions, the average choice-overload effect was indistinguishable from zero. Context decides whether more choice helps or hurts.
Sources
En 63 condiciones, la sobrecarga deelección no tuvo un efecto medio fiable.El metaanálisis encontró un efecto medio estadísticamente indistinguible de cero, pese auna variación considerable entre contextos.Fuentes: Scheibehenne, B., Greifeneder, R., & Todd, P. M. (2010). Can There Ever Be Too Many Options? Journal of Consumer Research.
Más opciones parecen una carga clara, pero la evidencia es menos sencilla. En 63 condiciones experimentales, el efecto medio de la sobrecarga de elección fue indistinguible de cero. El contexto decide si más opciones ayudan o perjudican.
Fuentes
Privacy concerns predict intentionsmore consistently than observeddisclosure behavior.A 166-study meta-analysis found a stronger relationship with disclosure intentions thanobserved behavior. Separately, an experiment with 286 participants found no indicationthat transparency features increased disclosure.Sources: Baruh, L., Secinti, E., & Cemalcilar, Z. (2017). Online privacy concerns and privacy management: A meta-analytical review. MediaPsychology.; jmis-web.org.
People may say privacy matters without changing what they disclose. The 166-study review found a clearer link to intentions than behavior. In a separate sample of 286 participants, transparency did not increase disclosure.
Sources
Las preocupaciones de privacidad predicenlas intenciones con más consistencia que ladivulgación observada.Un metaanálisis de 166 estudios encontró una relación más fuerte con las intenciones dedivulgación que con la conducta observada. Por separado, un experimento con 286participantes no encontró indicios de que la transparencia aumentara la divulgación.Fuentes: Baruh, L., Secinti, E., & Cemalcilar, Z. (2017). Online privacy concerns and privacy management: A meta-analytical review. Media Psychology.;jmis-web.org.
Las personas pueden decir que la privacidad importa sin cambiar lo que divulgan. La revisión de 166 estudios encontró un vínculo más claro con las intenciones que con la conducta. En otra muestra de 286 participantes, la transparencia no aumentó la divulgación.
Fuentes
Expanded privacy controls doubledpersonalized-ad clicks, while overtcollection improved click intentions.One experiment found users twice as likely to click personalized ads after privacycontrols expanded without changing advertisers’ data use. Three other experimentsfound overt collection increased click-through intentions compared with covert collection.Sources: papers.ssrn.com.; openaccess.city.ac.uk.
Privacy does not always weaken personalization. When people could see and control the data relationship, personalized-ad response improved. One experiment found clicks doubled, while three others found higher click intentions under overt collection.
Sources
Los controles de privacidad ampliadosduplicaron los clics en anunciospersonalizados, mientras la recolecciónexplícita mejoró las intenciones.Un experimento encontró que los usuarios tenían el doble de probabilidad de hacer clicen anuncios personalizados después de ampliar los controles de privacidad, sin cambiarel uso publicitario de los datos. Otros tres experimentos encontraron que la recolecciónexplícita aumentó las intenciones de hacer clic frente a la recolección encubierta.Fuentes: papers.ssrn.com.; openaccess.city.ac.uk.
La privacidad no siempre debilita la personalización. Cuando las personas podían ver y controlar la relación con los datos, mejoró la respuesta a los anuncios personalizados. Un experimento encontró que los clics se duplicaron, mientras otros tres encontraron mayores intenciones de hacer clic con recolección explícita.
Fuentes
Privacy design must earn trustTwo professionals shake hands beside a tablet in an office.Sources: Three ways for organizations to improve privacy and build trust with customers. newsroom.cisco.com.
Controls matter when they make data use feel governable enough to sustain the customer relationship.
El diseño de privacidad debeganarse la confianzaDos profesionales se dan la mano junto a una tableta en una oficina.Fuentes: Three ways for organizations to improve privacy and build trust with customers. newsroom.cisco.com.
Los controles importan cuando hacen que el uso de datos parezca suficientemente gobernable para sostener la relación con el cliente.
Completed bookings hide a largecancellation gapCompleted and canceled hotel booking records by resort or city property, July 2015 to August 2017.Made for Ariel Díaz Vega, by HanademiSources: Antonio, N., de Almeida, A., & Nunes, L. (2019). Hotel booking demand datasets. Data in Brief, 22, 41-49.;sciencedirect.com.UnitBooking records020K40K60KCompleted bookingsCancelled bookingsResort bookings28,93811,122City bookings46,22833,102
A booking model that counts only completed stays misses the commercial risk. The dataset separates resort and city properties, and city hotels recorded 33,102 cancellations versus 11,122 at resorts. Its 31 variables and two-year arrival window make that distinction usable for calibration.
Sources
Las reservas concretadas ocultan una granbrecha de cancelaciónRegistros de reservas hoteleras concretadas y canceladas por hotel vacacional o urbano, de julio de 2015 aagosto de 2017.Made for Ariel Díaz Vega, by HanademiFuentes: Antonio, N., de Almeida, A., & Nunes, L. (2019). Hotel booking demand datasets. Data in Brief, 22, 41-49.;sciencedirect.com.UnidadRegistros de reservas020K40K60KReservas concretadasReservas canceladasReservas vacacionales28.93811.122Reservas urbanas46.22833.102
Un modelo de reservas que cuenta solo las estancias concretadas omite el riesgo comercial. El conjunto separa hoteles vacacionales y urbanos, y los hoteles urbanos registraron 33.102 cancelaciones frente a 11.122 en los vacacionales. Sus 31 variables y su ventana de llegadas de dos años permiten usar esa distinción para calibrar el modelo.
Fuentes
Class imbalance turns 90% accuracy into a27-point liftDerived a 63.0% majority-class baseline as 1 - 44,224 / 119,390, then compared it with 84% deployed andnear-90% published accuracy.Made for Ariel Díaz Vega, by HanademiSources: Antonio, N., de Almeida, A., & Nunes, L. (2019). Hotel booking demand datasets. Data in Brief, 22, 41-49.; UCIMachine Learning Repository. (2019). Hotel booking demand dataset. University of California, Irvine.; Hotel bookingdemand datasets.Unitclassification accuracy, %Always predict completion63Deployed prototype84Published model performance90
The deployed prototype adds 21 points over always predicting completion, while the published 90% level adds 27 points.
Sources
El desbalance de clases convierte 90% deexactitud en una mejora de 27 puntosSe derivó una línea base de clase mayoritaria de 63,0% como 1 - 44.224 / 119.390 y se comparó con 84%de exactitud desplegada y cerca de 90% publicada.Made for Ariel Díaz Vega, by HanademiFuentes: Antonio, N., de Almeida, A., & Nunes, L. (2019). Hotel booking demand datasets. Data in Brief, 22, 41-49.; UCIMachine Learning Repository. (2019). Hotel booking demand dataset. University of California, Irvine.; Hotel bookingdemand datasets.Unidadexactitud de clasificación, %Predecir siempre finalización63Prototipo desplegado84Desempeño publicado de modelos90
El prototipo desplegado suma 21 puntos frente a predecir siempre la finalización, mientras el nivel publicado de 90% suma 27 puntos.
Fuentes
Risk flags more than double cancellationconcentrationMade for Ariel Díaz Vega, by HanademiSources: Antonio, N., de Almeida, A., & Nunes, L. (2019). Hotel booking demand datasets. Data in Brief, 22, 41-49.;UCI Machine Learning Repository. (2019). Hotel booking demand dataset. University of California, Irvine.; Hotelbooking demand datasets.Unitactual cancellations per 100 bookings in each groupRandom bookings37%High-risk flags82%+45 pp050100
A group of 100 risk-flagged bookings contains about 45 more cancellations than 100 randomly selected bookings, a 2.2-fold concentration.
Sources
Las alertas de riesgo más que duplican laconcentración de cancelacionesMade for Ariel Díaz Vega, by HanademiFuentes: Antonio, N., de Almeida, A., & Nunes, L. (2019). Hotel booking demand datasets. Data in Brief, 22, 41-49.;UCI Machine Learning Repository. (2019). Hotel booking demand dataset. University of California, Irvine.; Hotelbooking demand datasets.Unidadcancelaciones reales por cada 100 reservas de cada grupoReservas al azar37%Alertas de alto riesgo82%+45 pp050100
Un grupo de 100 reservas con alerta de riesgo contiene cerca de 45 cancelaciones más que 100 reservas elegidas al azar, una concentración de 2,2 veces.
Fuentes
Only 11.5 of 100 travel checkouts reach acompleted stayMade for Ariel Díaz Vega, by HanademiSources: SaleCycle. (2018). Remarketing report 2018. SaleCycle.; Antonio, N., de Almeida, A., & Nunes, L. (2019). Hotelbooking demand datasets. Data in Brief, 22, 41-49.; UCI Machine Learning Repository. (2019). Hotel booking demanddataset. University of California, Irvine.Unitcheckout starts retained, %Checkout starts100Bookings created18.2Completed stays11.5
The two losses leave 11.5 completed stays, with another 6.7 checkout starts lost after a booking is created.
Sources
Solo 11,5 de cada 100 procesos de pagollegan a una estancia completadaMade for Ariel Díaz Vega, by HanademiFuentes: SaleCycle. (2018). Remarketing report 2018. SaleCycle.; Antonio, N., de Almeida, A., & Nunes, L. (2019).Hotel booking demand datasets. Data in Brief, 22, 41-49.; UCI Machine Learning Repository. (2019). Hotelbooking demand dataset. University of California, Irvine.Unidadinicios del proceso de pago retenidos, %Inicios del proceso de pago100Reservas creadas18,2Estancias completadas11,5
Las dos pérdidas dejan 11,5 estancias completadas y otros 6,7 inicios de pago se pierden después de crear una reserva.
Fuentes
Cancellation models cleared 82% on everykey metricDeployed cancellation-prediction prototype performance across three percentage metrics.Made for Ariel Díaz Vega, by HanademiSources: datascience.codata.org.UnitPercent88%AUC84%Accuracy82%Precision
This is not a lab-only result. The deployed prototype cleared 84% accuracy, 82% precision, and 88% AUC. The important signal is consistency: all three measures stayed above 80%.
Sources
Los modelos de cancelación superaron 82%en cada métrica claveDesempeño de un prototipo implementado para predecir cancelaciones en tres métricas porcentuales.Made for Ariel Díaz Vega, by HanademiFuentes: datascience.codata.org.UnidadPorcentaje88 %AUC84 %Exactitud82 %Precisión
Este no es un resultado exclusivo de laboratorio. El prototipo implementado superó 84% de exactitud, 82% de precisión y 88% de AUC. La señal importante es la consistencia: las tres medidas superaron 80%.
Fuentes
Prediction needs an operating teamTwo professionals work at computer stations in a technical environment.Sources: Privacy’s impact continues to grow, but more remains to be done - Cisco Blogs.
Model performance creates value only when technical teams connect risk signals to hotel workflows.
La predicción necesita un equipo operativoDos profesionales trabajan frente a estaciones informáticas en un entorno técnico.Fuentes: Privacy’s impact continues to grow, but more remains to be done - Cisco Blogs.
El desempeño del modelo crea valor solo cuando los equipos técnicos conectan las señales de riesgo con los flujos de trabajo del hotel.
Action cut cancellations by 37 points,windows improved from 33% to 72%, andsurvival modeling reached 0.04.The evidence points to an operating lesson, not prediction alone. Authors of the deployedsystem reported a 37 percentage-point cancellation reduction after hotels acted onhigh-risk predictions. A separate study found prediction windows captured 33% to 72% ofcancellation days, while Random Survival Forest reached a 0.04 Integrated Brier Scorefor one hotel.Sources: datascience.codata.org.; run.unl.pt.
Prediction becomes valuable when it changes a hotel decision. The deployed system’s authors reported a 37-point drop in cancellations after action on high-risk cases. Separate evidence adds two boundaries: timing windows captured 33% to 72% of cancellation days, and one survival model reached a 0.04 Brier score. These are distinct study results, but together they make the operating point clear: forecast, act, and validate against outcomes.
Sources
La acción redujo cancelaciones 37 puntos,ventanas mejoraron de 33% a 72% y modelode supervivencia alcanzó 0,04.La evidencia apunta a una lección operativa, no solo predictiva. Los autores del sistemaimplementado reportaron una reducción de 37 puntos porcentuales en cancelacionesdespués de que los hoteles actuaron sobre predicciones de alto riesgo. Un estudioseparado encontró que las ventanas captaron entre 33% y 72% de los días de cancelación,mientras Random Survival Forest alcanzó un Integrated Brier Score de 0,04 en un hotel.Fuentes: datascience.codata.org.; run.unl.pt.
La predicción se vuelve valiosa cuando cambia una decisión hotelera. Los autores del sistema implementado reportaron una reducción de 37 puntos en cancelaciones después de actuar sobre casos de alto riesgo. Otra evidencia añade dos límites: las ventanas captaron entre 33% y 72% de los días de cancelación, y un modelo de supervivencia alcanzó un Brier Score de 0,04. Son resultados de estudios distintos, pero juntos aclaran el punto operativo: predecir, actuar y validar con resultados.
Fuentes
Bogotá occupancy regained 2019 beforevisitor volume didInferred 2019 visitors as 14.075 million / 1.129, then indexed visitor totals and hotel occupancy to theirrespective 2019 levels.Made for Ariel Díaz Vega, by HanademiSources: Asociación Hotelera y Turística de Colombia. (2023). Indicadores hoteleros y estadísticas de ocupación. Cotelco.;Departamento Administrativo Nacional de Estadística. (2023). Encuesta mensual de alojamiento. DANE.; Instituto Distrital deTurismo. (2024). Observatorio de Turismo de Bogotá: cifras de viajeros y visitantes. Alcaldía Mayor de Bogotá.Unitindex, 2019 = 1006080100201920212022HoteloccupancyVisitorvolume
By 2022 occupancy stood 3.2% above its 2019 level while visitor volume remained 15.0% below it.
Sources
La ocupación de Bogotá recuperó 2019antes que el volumen de visitantesSe infirieron los visitantes de 2019 como 14,075 millones / 1,129 y luego se indexaron los visitantes y laocupación hotelera frente a sus niveles respectivos de 2019.Made for Ariel Díaz Vega, by HanademiFuentes: Asociación Hotelera y Turística de Colombia. (2023). Indicadores hoteleros y estadísticas de ocupación. Cotelco.;Departamento Administrativo Nacional de Estadística. (2023). Encuesta mensual de alojamiento. DANE.; Instituto Distrital deTurismo. (2024). Observatorio de Turismo de Bogotá: cifras de viajeros y visitantes. Alcaldía Mayor de Bogotá.Unidadíndice, 2019 = 1006080100201920212022OcupaciónhoteleraVolumen devisitantes
En 2022 la ocupación estaba 3,2% por encima de su nivel de 2019, mientras el volumen de visitantes seguía 15,0% por debajo.
Fuentes
In summaryMade for Ariel Díaz Vega, by HanademiSources: observatorio.idt.gov.co.; Luca, M., & Zervas, G. (2016). Fake it till you make it: Reputation, competition, and Yelp review fraud. ManagementScience.; datascience.codata.org.; ideas.repec.org.; Webb, T. L., & Sheeran, P. (2006). Does changing behavioral intentions engender behavior change?Psychological Bulletin.; pewresearch.org.Bogotá had 13,924 registered tourism-service providers, with tourist homes representing the largest category at 59.5%.Yelp's filtering system classified approximately 16% of submitted reviews as suspicious in research examining review fraud.A deployed cancellation-prediction prototype exceeded 84% accuracy, 82% precision, and 88% AUC.A 158-questionnaire Tunisian tourism study found perceived usefulness did not positively affect attitudes toward online booking.Across 47 experiments, a medium-to-large change in intention produced only a small-to-medium change in subsequent behavior.Among U.S. TikTok users under 30, 45% said the platform was mostly good for American democracy.
The value of the research is not only what each source knew, but what became visible when their evidence was combined.
Sources
En resumenMade for Ariel Díaz Vega, by HanademiFuentes: observatorio.idt.gov.co.; Luca, M., & Zervas, G. (2016). Fake it till you make it: Reputation, competition, and Yelp review fraud. ManagementScience.; datascience.codata.org.; ideas.repec.org.; Webb, T. L., & Sheeran, P. (2006). Does changing behavioral intentions engender behavior change?Psychological Bulletin.; pewresearch.org.Bogotá tenía 13.924 prestadores de servicios turísticos registrados, y las viviendas turísticas constituían la categoría predominante con 59,5 %.El sistema de filtrado de Yelp clasificó aproximadamente 16% de las reseñas enviadas como sospechosas en una investigación sobre fraude.Un prototipo implementado para predecir cancelaciones superó 84% de exactitud, 82% de precisión y 88% de AUC.Un estudio tunecino de turismo con 158 cuestionarios encontró que la utilidad percibida no afectó positivamente la actitudhacia las reservas en línea.En 47 experimentos, un cambio moderado o grande de intención produjo solamente un cambio pequeño o moderado en el comportamiento posterior.Entre los usuarios estadounidenses de TikTok menores de 30 años, 45% afirmó que la plataforma era mayormente positivapara la democracia del país.
El valor de la investigación no está solo en cada fuente, sino en lo que apareció al combinar sus evidencias.
Fuentes

The research behind this deck

Digital exposure creates opportunity, not certainty. A credible Bogotá hotel model must separate reach from persuasion, intention from action, and prediction from measurable booking outcomes.

Key findings

The argument

This research is published in English and Spanish. Ver en español

La investigación detrás de esta presentación

La exposición digital crea oportunidades, no certezas. Un modelo hotelero creíble para Bogotá debe separar alcance de persuasión, intención de acción y predicción de resultados medibles en reservas.

Hallazgos clave

El argumento

Esta investigación se publica en inglés y español. Read in English

Related researchInvestigación relacionada
Build your own researchCrea tu propia investigación