Санджай Мохан, технический директор группы MMT, рассказывает:

«По сравнению с другими услугами электронной коммерции, путешествия требуют контекста, это менее частая покупка и скоропортящийся инвентарь. Ценообразование в этом случае является динамическим и отличается от того, что может искать пользователь. Вот почему наука о данных, связанная с путешествиями, представляет собой интересную задачу для решения»,

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 — это метод, используемый бизнес-лидерами, такими как Amazon и Airbnb, для оптимизации своих цен в соответствии с рыночными и потребительскими данными, чтобы привлечь больше клиентов и увеличить прибыль. В то время как традиционные алгоритмы динамического ценообразования используют исторические данные для оценки лучших цен, современные алгоритмы динамического ценообразования используют больше данных, а также возможности искусственного интеллекта и машинного обучения для лучшего прогнозирования рыночных тенденций и соответствующей оптимизации цен.

Что такое алгоритм динамического ценообразования?

Алгоритм динамического ценообразования — это набор входных данных и инструкций, лежащих в основе любой стратегии динамического ценообразования. Алгоритмы динамического ценообразования вводят данные о продукте / услуге и выводят оптимальную цену для него в данных обстоятельствах, чтобы максимизировать прибыль поставщика при сохранении клиентов.

Алгоритмы динамического ценообразования используют исторические данные о:

  • Цены на продукцию
  • Производственные затраты
  • Рыночные тренды
  • Покупательское поведение клиентов

Современные алгоритмы могут также включать в себя данные о ценах и акциях конкурентов в режиме реального времени, собранные с онлайн-сайтов с помощью парсеров или роботов RPA.

Почему динамическое ценообразование важно?

По оценкам, около 2,1 миллиарда человек во всем мире будут покупать товары на платформах электронной коммерции, а 81% потребителей проводят онлайн-исследования перед совершением покупки, чтобы понять разницу в цене и дополнительные расходы. Динамическое ценообразование помогает предприятиям электронной коммерции:

  • Привлекайте больше клиентов. Предоставление конкурентоспособных цен и предложений позволяет компаниям привлекать клиентов конкурентов, а также сохранять своих.
  • Увеличение роста продаж. Чем больше потенциальных клиентов, тем больше возможностей для продаж. McKinsey утверждает, что использование моделей динамического ценообразования помогло их клиентам увеличить продажи до 5%.
  • Отражение спроса на продукт. Динамическое ценообразование помогает клиентам понять уровень интереса к определенному продукту. Клиенты, которые отслеживают изменения цен на продукты на платформах электронной коммерции, могут понять, пользуется ли продукт спросом, если они увидят, что его цена растет, что может повысить их интерес к покупке этого продукта, как и у их сверстников.

Как работает алгоритм динамического ценообразования?

Алгоритмы динамического ценообразования работают, оценивая зависимость цены от спроса следующим образом:

  1. Обработка исторических данных о продажах и ценах, ценовых точках и текущем рыночном спросе (например, данные об оберточной бумаге во время Рождества)
  2. Выявление значимых параметров, от которых зависит цена. Например, «открытие школы» — параметр, влияющий на продажи канцтоваров.
  3. Построение математической модели на основе значимых параметров.
  4. Повторно запустите модель, используя новые данные (если они доступны).

Каковы модели алгоритмов динамического ценообразования?

В зависимости от математической модели предприятия могут создавать многочисленные алгоритмы, соответствующие их стратегии динамического ценообразования. Вот несколько подходов, составленных из исследовательских статей:

1. Байесовская модель

В байесовской модели пользователь выбирает априорное значение, указывающее исходное мнение о возможной цене. Затем, всякий раз, когда в алгоритм вводится новая точка данных, исходное убеждение смещается либо выше, либо ниже. Большинство байесовских моделей используют исторические данные о ценах как наиболее важную функцию для определения окончательной цены.

2. Модель обучения с подкреплением

Обучение с подкреплением (RL) — это целеустремленная модель машинного обучения, целью которой является достижение максимальной отдачи за счет обучения на основе данных об окружающей среде. Модель динамического ценообразования RL исследует данные о потребительском спросе с учетом сезонности, цен конкурентов и неопределенности рынка, при этом конечной целью является высокий доход.

3. Модель дерева решений

Деревья решений — это классификационные модели машинного обучения, которые выводят древовидную модель решений и их возможных последствий, включая возможность определенного результата, затраты ресурсов и полезность. Алгоритмы динамического ценообразования дерева решений помогают предприятиям понять, какие параметры оказывают наибольшее влияние на цены, и какой из этих ценовых диапазонов предсказывает самые высокие доходы, и, используя эту информацию, алгоритм прогнозирует лучший диапазон цен для каждого продукта.

Как выбрать лучший алгоритм динамического ценообразования?

Чтобы выбрать лучший алгоритм динамического ценообразования, компаниям необходимо учитывать, что алгоритм должен предоставлять цены, которые:

  1. Максимизируйте прибыль
  2. Минимизируйте отток клиентов
  3. Привлечь клиентов конкурентов
  4. Улучшайте качество обслуживания клиентов и сохраняйте лояльность

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.