Os programas de fidelização são, atualmente, considerados padrões da indústria no sector hoteleiro. Tais programas visam encorajar compras recorrentes, recompensar clientes fiéis, assim como atrair novos, aumentar as taxas de retenção e a quota de mercado, e melhorar a recolha de informação sobre os clientes. No entanto, a simples participação num programa de fidelização não implica uma lealdade ativa. Este projeto in-company procura identificar os clientes leais ativos do Grupo Hoteleiro X, fornecendo à empresa informações sobre quem são agora esses hóspedes e quais poderão vir a sê-lo no futuro, permitindo-lhes conceber estratégias de marketing apropriadas. Neste estudo foi utilizada a metodologia CRISP-DM com o principal objetivo de descobrir as variáveis que mais influenciam a troca de pontos por recompensas, e que, por sua vez, se traduzem em lealdade ativa. Foram utilizados dois modelos: C&RT e a Regressão Logística. De acordo com os resultados do C&RT, as reservas feitas no website da empresa são as preditoras mais importantes de recompensas redimidas, seguidos de estadias na região do Algarve e estadias em hotéis urbanos. Já no modelo de Regressão Logística foi possível concluir que os clientes corporate são muito significativos nesta previsão. Para além disso, pudemos concluir que todos os canais diretos de marcação de estadias são, também, preditores. Os nossos resultados podem, assim, ajudar a melhorar a direção prática da empresa, que lida com um grande volume de dados, podendo estes serem eventualmente integrados nos modelos construídos neste estudo, de forma a gerar novos conhecimentos sobre os consumidores.

Loyalty programs are now considered industry standards in the hotel sector. Such programs aim to encourage repeat purchases, attract new customers, reward loyal ones, increase retention rates and market share, and collect customer information. Nonetheless, simple participation in a loyalty program does not imply active loyalty. This in-company project seeks to identify Hotel Group X's active loyal customers and provide the company with insights into who these guests are today and who may become one in the future, allowing them to design appropriate marketing strategies. The CRISP-DM methodology was employed in this study, and its data mining goals were to uncover the most important predictors of reward redemptions, which translate into active loyalty. Two predictive models were used in this study – C&RT and Logistic Regression. According to the C&RT model, reservations made on the company's website are the best predictor of reward redemptions, followed by stays in the Algarve region and city hotels. The Logistic Regression model suggests that there is a significant predictive power for the corporate customers, followed by all the direct booking channels. Our results can help enhance the practical direction for hotel managers who deal with vast volumes of data that can be further integrated into the model built in this study to generate novel insights on consumers.