Από το insight στο decision automation!
Όλο και περισσότερες εταιρείες επιβατικών μεταφορών υιοθετούν μοντέλα Dynamic Pricing, στα οποία η αξία μιας διαδρομής δεν είναι πλέον σταθερή, αλλά διαμορφώνεται δυναμικά με βάση παράγοντες όπως η ζήτηση, η διαθεσιμότητα οχημάτων, η εποχικότητα, η ώρα της ημέρας, ο ανταγωνισμός. Έτσι, η ίδια διαδρομή μπορεί να κοστολογείται διαφορετικά ακόμη και μέσα στην ίδια ημέρα, απαιτώντας γρήγορες και τεκμηριωμένες αποφάσεις.
Σε αυτό το περιβάλλον, οι εταιρείες μεταφορών καλούνται καθημερινά να διαχειρίζονται μεγάλο όγκο αιτημάτων και να αποφασίζουν ποιες κρατήσεις πρέπει να αποδεχθούν και ποιες να απορρίψουν, με στόχο τη μέγιστη δυνατή κερδοφορία.
Για να καλύψουμε αυτή την ανάγκη, αναπτύξαμε το Autonomous Revenue Decision Engine, μια πλατφόρμα που λειτουργεί ως ένας ψηφιακός Revenue Manager, ειδικά σχεδιασμένος για τον κλάδο των επιβατικών μεταφορών.
Η πλατφόρμα συνδέεται μέσω API με πολλαπλούς παρόχους και κανάλια πωλήσεων, συλλέγει σε πραγματικό χρόνο τις διαθέσιμες προσφορές (offers) και αξιολογεί αυτόματα κάθε νέο αίτημα κράτησης.
Με βάση ένα σύνολο επιχειρηματικών κανόνων, δεδομένων της αγοράς και μοντέλων Τεχνητής Νοημοσύνης, αποφασίζει εάν μια κράτηση θα γίνει accept, reject ή θα προωθηθεί για manual review.
Οι αποφάσεις δεν βασίζονται αποκλειστικά στην τιμή. Το σύστημα αναλύει πολλαπλά κριτήρια, όπως:
- την τιμή της προσφοράς σε σχέση με τα ιστορικά δεδομένα της συγκεκριμένης διαδρομής,
- την αναμενόμενη κερδοφορία μετά τον υπολογισμό όλων των λειτουργικών εξόδων,
- τη διαθεσιμότητα και τη δυναμική αξιοποίησης του στόλου,
- τη ζήτηση για αντίστοιχες διαδρομές και χρονικές περιόδους,
- την σύγκριση τιμής με κάθε προμηθευτή και καναλιού συνεργασίας,
- την πιθανότητα αποδοχής, ακύρωσης ή no-show, μέσω predictive μοντέλων.
Για παράδειγμα, μια εταιρεία μπορεί να ορίσει ποια θεωρείται υψηλή ή χαμηλή τιμή για μια μεταφορά με sedan από το αεροδρόμιο προς έναν συγκεκριμένο προορισμό και για συγκεκριμένη χρονική περίοδο. Αντίστοιχα, μπορεί να θέσει κανόνες όπως το μέγιστο ποσοστό απορρίψεων ανά προμηθευτή, το ελάχιστο αποδεκτό περιθώριο κέρδους ή προτεραιότητες αξιοποίησης του διαθέσιμου στόλου.
Το σημαντικότερο πλεονέκτημα είναι ότι οι κανόνες αυτοί δεν παραμένουν στατικοί. Καθώς εισέρχονται συνεχώς νέα αιτήματα και νέα δεδομένα, τα μοντέλα Artificial Intelligence και Machine Learning αναλύουν τα αποτελέσματα των προηγούμενων αποφάσεων και βελτιώνουν διαρκώς τις προτάσεις και τη στρατηγική του συστήματος. Με αυτόν τον τρόπο, η πλατφόρμα «μαθαίνει» από τη συμπεριφορά του προμηθευτή και προσαρμόζεται στις μεταβολές της ζήτησης, των τιμών της κάθε εταιρείας.
Ένα ακόμη σημαντικό πλεονέκτημα είναι ότι δεν απαιτείται καμία αλλαγή ή υλοποίηση στα υπάρχοντα πληροφοριακά συστήματα των πρακτορείων και των εταιρειών μεταφορών.
Η πλατφόρμα λειτουργεί ανεξάρτητα, συνδέεται απευθείας με τα διαθέσιμα APIs των παρόχων και μπορεί να τεθεί σε λειτουργία χωρίς να επηρεάζει τις υφιστάμενες διαδικασίες.
Στόχος του Autonomous Revenue Decision Engine είναι να επιλέγει, σε πραγματικό χρόνο, τη βέλτιστη προσφορά μέσα από το σύνολο των διαθέσιμων καναλιών, μεγιστοποιώντας την κερδοφορία και την αποδοτικότητα κάθε κράτησης.
Η πλατφόρμα βρίσκεται σήμερα σε Private Beta, όπου δοκιμάζεται σε πραγματικές συνθήκες από επιλεγμένους συνεργάτες. Τα πρώτα αποτελέσματα είναι ιδιαίτερα ενθαρρυντικά και σύντομα θα είναι διαθέσιμη και η Public Beta, δίνοντας τη δυνατότητα σε περισσότερες εταιρείες επιβατικών μεταφορών να αξιοποιήσουν τις δυνατότητες του Autonomous Revenue Decision Engine.
