La Paradoja de Simpson en hotelería: cuando los datos te engañan (y cómo evitarlo)

En Revenue Management hay una regla no escrita: “Los datos nunca mienten… pero pueden engañar.”

Uno de los mejores ejemplos de esto es la Paradoja de Simpson, un fenómeno estadístico que puede llevarte a tomar decisiones completamente equivocadas… incluso cuando crees que estás haciendo todo bien.

¿Qué es la Paradoja de Simpson?

La Paradoja de Simpson ocurre cuando una tendencia que aparece en un conjunto de datos desaparece o se invierte al segmentarlo.

En otras palabras:

Lo que parece cierto en el total… puede ser falso cuando analizas los detalles.

Ejemplo clásico (para entender el concepto)

Imagina dos universidades evaluando su tasa de admisión:

Resultado total:

• Universidad A: 60% de admisión

• Universidad B: 70% de admisión

• 
  

Parece que la Universidad B es más “flexible”.

Pero al segmentar por facultad:

Facultad de Ingeniería:

• A: 40%

• B: 30%

  
  

Facultad de Humanidades:

• A: 80%

• B: 75%

  
  

En ambos casos, la Universidad A tiene mejores tasas… pero en el total parece peor.

💥 ¿Qué pasó? La distribución de estudiantes por facultad distorsionó el resultado global.

Ejemplo en Revenue Management (con cifras consolidadas)

Ahora llevémoslo a hotelería.

Mes 1

Habitaciones vendidas: Estándar 800 / Superior 200

ADR: Estándar $100 / Superior $150

Ingresos: Estándar $80.000 / Superior $30.000

Ingresos totales: $110.000 ADR total: $110

Mes 2 (mejora en todas las categorías)

Habitaciones vendidas: Estándar 900 / Superior 100

ADR: Estándar $110 / Superior $160

Ingresos: Estándar $99.000 / Superior $16.000

Ingresos totales: $115.000 ADR total: $115

¿Qué vemos?

• Estándar sube de $100 → $110

• Superior sube de $150 → $160

• Ambas categorías mejoran

Pero…

👉 El crecimiento total es limitado 👉 El ADR total apenas refleja la mejora 👉 La rentabilidad puede estar deteriorándose

¿Qué pasó?

El mix cambió:

• Se vendieron más habitaciones estándar (menor valor)

• Se vendieron menos superiores (mayor valor)

• 
  

Resultado: El desempeño global no refleja la mejora real por categoría.

⚠️ Impacto en Revenue Management

Si no detectas la Paradoja de Simpson, puedes:

1. Tomar decisiones equivocadas

Pensar que una estrategia no funciona… cuando sí lo hace en segmentos clave.

2. Penalizar lo que funciona

Reducir inversión o precio en categorías rentables.

3. Optimizar volumen en vez de rentabilidad

Llenar el hotel… pero con peor mix.

4. Perder posicionamiento

Sin darte cuenta, puedes “abaratar” tu hotel.

¿Cómo detectarla?

1. Analiza siempre por categoría

Nunca tomes decisiones solo con el total del hotel.

2. Controla el mix de negocio

¿Qué estás vendiendo más… y qué estás dejando de vender?

3. Analiza por segmentación, no por promedios

Uno de los errores más comunes al analizar datos en hotelería es quedarse en indicadores agregados como ADR, RevPAR o GOPPAR.

La Paradoja de Simpson ocurre precisamente ahí: cuando el promedio oculta lo que realmente está pasando.

La forma correcta de evitarlo no es mirar más indicadores, sino segmentar mejor el análisis.

En Revenue Management, las tres dimensiones clave son:

• Canal (Directo, OTA, B2B, Metabuscadores)

• Categoría de habitación (Estándar, Superior, Suite)

• Plan tarifario (Flexible, No reembolsable, con desayuno, paquetes)

  
  

Es en el cruce de estas variables donde se revela la verdad del negocio.

Por ejemplo:

• Puede parecer que el ADR se mantiene estable…

• Pero al cruzarlo, descubres que sube en directo y cae en OTA

• O que mejora en suites, pero cae en estándar

• O que los planes no reembolsables están canibalizando tarifas más altas

• 
  

💥 Eso es Paradoja de Simpson en acción.

En RevenueClick, hemos desarrollado un BI propio que permite cruzar en tiempo real:

Canal × Categoría × Plan Tarifario

Esto nos permite identificar:

• Cambios en el mix que distorsionan el resultado global

• Segmentos rentables que están perdiendo peso

• Fugas de margen invisibles en el agregado

• Oportunidades de optimización mucho más precisas

En resumen: No se trata de tener más datos, sino de verlos en el nivel correcto de detalle.

4. Identifica inconsistencias

Señales claras de alerta:

• Mejora individual + estancamiento global

• Más ocupación + menos rentabilidad

• Mejores tarifas + peor resultado final

  
  
  
  

🚀 Aplicación en RevenueClick

En RevenueClick evitamos este error constantemente:

Gestión del mix

Priorizamos qué vender, no solo cuánto vender.

Pricing por categoría

Cada habitación tiene su propia estrategia.

Revenue Hacking

Combinamos datos + experimentación para optimizar resultados reales.

Conclusión: el problema no es el dato, es el nivel de análisis

La Paradoja de Simpson nos deja una lección clave:

El promedio es una ilusión peligrosa.

En Revenue Management:

• No gana el hotel con mejor promedio

• Gana el hotel que entiende su estructura

  
  

Porque al final: No es cuánto vendes 👉 Es qué vendes y a quién se lo vendes

En hotelería, los datos no son el problema… el problema es no saber interpretarlos.