В связи с тем, что деятельность компаний, занимающихся электронной коммерцией и онлайн-путешествием, генерирует слишком много данных для обработки группой людей, технология машинного обучения теперь используется, чтобы помочь этим компаниям принимать важные бизнес-решения. Машинное обучение решает эту проблему, потому что оно может обрабатывать данные быстрее, не останавливаясь и предоставляя своим пользователям лучший в своем классе сквозной опыт.

MakeMyTrip — индийская туристическая онлайн-компания, основанная в 2000 году. Компания со штаб-квартирой в Гуруграме, штат Харьяна, предоставляет туристические онлайн-услуги, включая авиабилеты, внутренние и международные туристические пакеты, бронирование отелей, железнодорожные и автобусные билеты. MakeMyTrip с долей рынка более 47% является первой и крупнейшей туристической компанией Индии. Фактически, каждый четвертый пассажир в аэропорту является их клиентом. По состоянию на 31 марта 2018 года у них 7 миллионов активных пользователей в месяц с 14 собственными туристическими магазинами в 14 городах, более 30 франчайзинговыми туристическими магазинами в 28 городах и прилавками в четырех крупных аэропортах Индии. MakeMyTrip имеет офисы в Нью-Йорке, Сингапуре, Куала-Лумпуре, Пхукете, Бангкоке и Дубае.

MakeMyTrip планирует расширить свою базу пользователей до 100 миллионов, используя новейшие инструменты и методы в области науки о данных и аналитики. Руководствуясь желанием предоставить исключительный опыт путешествий для своих клиентов, они постоянно остаются на шаг впереди, разрабатывая технологии и продукты для удовлетворения постоянно меняющихся требований быстро развивающейся туристической экосистемы. Использование данных при создании одной из лучших систем динамического ценообразования для удовлетворения потребностей клиентов путем предоставления действительно персонализированного опыта каждому из ее пользователей является ключом к истории успеха MMT.

Динамическое ценообразование для динамичного рынка

Хорошо разработанный алгоритм машинного обучения может даже обучаться и предлагать ценовые предложения в режиме реального времени, динамическое ценообразование — это то, что теперь могут использовать даже небольшие розничные продавцы и игроки электронной коммерции, чтобы конкурировать на розничном рынке. Это позволяет розничным торговцам устанавливать цены на товары на основе спроса и предложения, что также известно как динамическое ценообразование. Проще говоря, ML ценен тем, что автоматизирует задачу, которую человеку практически невозможно выполнить вручную.

Программное обеспечение на основе машинного обучения получает информацию из данных для разработки решений по динамическому ценообразованию. Но перед этим ритейлеру необходимо знать своих клиентов и какие данные поступают.

Машинное обучение основано на простой философии: чем больше наборы данных, тем лучше процесс обучения и лучше результат. Со временем производительность программного обеспечения на основе машинного обучения только улучшается.

Аналитики могут учитывать и другие факторы для динамического ценообразования. Например, аналитик мог выбрать погоду, спрос, операционные расходы компании, конкуренцию, минимальную цену, лучшую цену и т. д.

В конце концов, для стратегии конкурентного ценообразования решения ML могут многократно очищать Интернет для сбора важной информации о ценах, установленных конкурентами на аналогичные продукты, мнениях потребителей о продуктах, а также истории ценообразования за последнее количество дней/недель.

Как разработать общую динамическую модель ценообразования

Наиболее важным аспектом, который следует учитывать, является уровень детализации, к которому вы стремитесь. Например, вы смотрите на один уровень клиента или на целые сегменты?

Еще одним важным фактором является определение стратегических целей, которые соответствуют бизнес-целям. Максимизация прибыли очевидна, верно? Но вы также можете выбрать цели для привлечения новых клиентов или удовлетворения старых клиентов.

Затем можно разработать модель динамического ценообразования на основе машинного обучения, как только будут получены ответы на приведенные выше вопросы. Модель будет предсказывать, совершит ли кто-либо покупку по цене, оптимально оптимизированной на данный момент времени. Модели можно использовать либо с помощью обобщенных линейных моделей (GLM), либо с помощью методов глубокого обучения.

1. Динамическое ценообразование на основе групп

Сегментация клиентов — это практика разделения клиентской базы на группы лиц, которые сходны в определенных отношениях, имеющих отношение к маркетингу. Это может быть как простое сплит-тестирование A/B, так и более сложное, предсказывающее более высокую готовность платить на основе типа машины, местоположения, демографической информации и т. д.

Сегментация клиентов основана на выявлении ключевых дифференциаторов, которые делят клиентов на группы, на которые можно ориентироваться. Такая информация, как демографические данные клиентов (возраст, раса, религия, пол, размер семьи, этническая принадлежность, доход, уровень образования), география (где они живут и работают), психографические данные (социальный класс, образ жизни и личностные характеристики) и поведенческие (расходы). , потребление, использование и желаемые выгоды) учитываются при определении методов сегментации клиентов.

Сегментация клиентов MakeMyTrip основана на том факте, что все клиенты разные и что их цена будет лучше, если они будут нацелены на конкретные, более мелкие группы, чтобы эти потребители сочли их релевантными и побудили их что-то купить. MMT также надеется получить более глубокое понимание предпочтений и потребностей своих клиентов, чтобы выяснить, какой ценовой сегмент каждая группа считает наиболее ценным, и более точно адаптировать скидки и купоны для этого сегмента.

MakeMyTrip разделил пользователей на разные сегменты, чтобы понять, что они могут делать по-разному для разных групп пользователей и как они могут сделать продукт более подходящим для пользователей. Каждый пользователь делится на следующие категории:

  • Когда пользователь исторически не искал у нас
  • Когда пользователь уже выполнял поиск у нас
  • Поиск рейса
  • Искал отель
  • Искали место отдыха
  • Искал более одного, то есть авиабилеты и отели, отели и отдых и т. д.
  • Когда пользователь уже искал и бронировал у нас раньше и возвращается снова
  • Когда у пользователя есть предстоящее бронирование
  • Если бронирование было в день поездки
  • Когда пользователь совершил поездку с нами

В каждом из приведенных выше сценариев MakeMyTrip должен предоставить пользователю совершенно разную информацию. Например, если пользователь ранее не выполнял поиск с помощью MMT, они предоставляют пользователю наиболее релевантный контент, который вдохновляет пользователя на путешествие. Если пользователь уже выполнял поиск, они определяют наиболее релевантную информацию, которая поможет пользователю при бронировании. Когда пользователь сделал бронирование, необходимо выделить наиболее важные сценарии после бронирования, о которых пользователь должен знать.

2. Динамическое ценообразование в зависимости от времени

Мой друг всегда обсуждал эту форму динамического ценообразования — повышение или понижение цены в зависимости от времени. В самой простой форме вы увидите это во многих отраслях — в конце месяца цены снижаются, поскольку продавцы настаивают на квотах. Мы видим, как люди ждут праздничного сезона, чтобы забронировать свой отпуск, поскольку цены обычно снижаются. Ценообразование на основе времени — это стратегия ценообразования, при которой предприятия устанавливают гибкие цены на продукты или услуги в зависимости от текущих потребностей рынка.

В MakeMyTrip одним из основных компонентов, обеспечивающих удобство и актуальность взаимодействия с пользователем, является предоставление пользователю нужной информации в нужное время и с правильными предложениями. Большинство из вас согласится с тем, что бронирование путешествий требует тщательного планирования, будь то поездка на отдых или деловая поездка. В зависимости от того, где, с кем и в каком контексте вы путешествуете, пользовательские предпочтения и выбор меняются. MakeMyTrip стремится решить эту проблему, учитывая предпочтения пользователей, историю поиска и используя их многолетний опыт бронирования путешествий.

3. Ценовая эластичность спроса

эластичность спроса по цене (PED) описывает, как величина спроса потребителей будет реагировать на изменение цены. Модели динамического ценообразования используют огромное количество исторических данных о спросе и ценах, чтобы определить, какова природа взаимосвязи между этими двумя переменными. Вообще говоря, ценовая эластичность определяется такими факторами, как наличие заменителей; доля бюджета потребителя, которая должна быть направлена ​​на покупку товара; степень необходимости; илояльность к бренду.
Хотя исторические данные теоретически могут дать точную оценку ценовой эластичности потребителей, предсказательная способность такой оценки часто слаба. , и для получения статистически достоверного результата требуется больше точек данных, чем доступно большинству фирм. Однако для повышения уровня сложности может оказаться целесообразным включить анализ закономерностей в детерминантах ценовой эластичности, к которому можно применить эвристику и качественную интерпретацию.

Для MakeMyTrip принципиально важно знать, насколько высока эластичность спроса, в какие периоды и как в зависимости от нее ведет себя ценовая готовность покупателей. Проще говоря, это означает: "Насколько сильно мои потенциальные гости реагируют на изменение цен?"

Исходя из этого, можно принять обоснованное решение о цене номера на конкретный день/период, чтобы максимально использовать потенциал продаж. Если ценовую эластичность игнорировать, отель может быть пустым, если цена слишком высока, и полным, если цена слишком низкая, но номера будут продаваться по слишком низкой цене.

В идеале отельер должен пересчитывать ценовую эластичность каждый день или примерно каждый день. раз в неделю. Только тогда у него будет оптимальная основа для ежедневной правильной оценки своих комнат.

Преимущества модели динамического ценообразования

1. Его можно использовать как способ увеличить продажи

Динамическое ценообразование часто рассматривается как средство повышения цен фирмами.

Хотя в какой-то степени это верно, этот метод также можно использовать для снижения цен. Снижение цены может иногда спровоцировать вялые продажи, позволяя компании достичь своих целей по доходам от продаж в течение дня, месяца или даже дольше. Простая мгновенная распродажа — это один из способов поощрения использования динамического ценообразования на месте.

2. Его можно использовать для максимизации прибыли

Динамическое ценообразование — это метод, который можно использовать для оптимизации доходов, если конкуренты продают товары или услуги по гораздо более высокой цене. Если вы заранее знаете, чего хотят потенциальные потребители, вы можете изменить цены на продукты в зависимости от их покупательских привычек.

3. Это может создать более высокий уровень спроса

Поскольку пустые места приравниваются к нулевому доходу, на мероприятиях обычно используется динамическое ценообразование.

Если в день мероприятия места все еще доступны, некоторые клиенты могут получить их по сниженной цене. Это поможет вам оптимизировать доходы, а также позволит вам использовать любые доходы, доступные в данный момент. Эту процедуру можно найти на MakeMyTrip.

4. Это дает больше информации о поведении клиентов

Кривая спроса для каждого клиента становится легко вычисляемой с помощью динамического ценообразования. Эта кривая показывает наименьшую и наибольшую сумму, которую клиент готов заплатить за определенную транзакцию. Эта кривая создается с использованием различных точек данных, включая устройство, используемое для совершения покупок. С помощью этих дополнительных данных можно получить больше информации о поведении клиентов, что повышает вероятность того, что продажа в конечном итоге может состояться.

Компании, которые используют модели на основе машинного обучения для динамического ценообразования, отмечают увеличение прибыли на 10% и более, а также рост продаж на 10%. Динамическое ценообразование, которое корректирует ставки в режиме реального времени, делает это для вашей компании.

Вывод:

Большинство сторонников динамического ценообразования утверждают, что мы должны просто заявить, что используем динамическое ценообразование на нашем сайте. Это фантастика, но она по-прежнему не устраняет когнитивный диссонанс, связанный с вопросом, получаете ли вы наилучшую возможную ценность.

Стоит отметить, что все вышеперечисленные решения касаются как прозрачности, так и ощущения того, что вас не учитывают. Тем не менее, хотя динамическое ценообразование вряд ли приведет к юридическим проблемам, мы должны помнить о нашем бренде, имидже и любой потенциальной PR-реакции, которая может иметь долгосрочные последствия. Мы обнаружили, что прозрачность ценообразования имеет решающее значение, и мы будем продолжать настаивать на этом.

Приятно работать с такой самостоятельным и мотивированным коллективом. Я хотел бы поблагодарить Md Asif и Prashant Bhardwaj за их неоценимый вклад в эту статью😇.

Использованная литература:

  1. https://www.makemytrip.com/blog/tamil/node/21852
  2. «Аналитика мобильных приложений — MakeMyTrip | Шриджан Рана | MakeMyTrip-Инжиниринг | Середина"
  3. История клиента: MakeMyTrip — Databricks
  4. Мудрость лучших | Материалы пятой конференции ACM по рекомендательным системам
  5. Руководство по динамическому ценообразованию: как реализовать стратегию динамического ценообразования (priceintelligently.com)
  6. https://www.rateboard.io/en/blog/details/price-elasticity-in-the-hotel-industry
  7. https://blog.pricebeam.com/using-price-elasticity-in-dynamic-pricing-models