ダイナミックプライシング

固定価格との違い

従来の固定価格は「原価＋マージン」で決まり、一度設定したら長期間変わらない。ダイナミックプライシングはこの前提を覆し、需要が高い時間帯やシーズンには価格を上げ、閑散期には下げることで収益の最大化を図る。

航空業界では数十年の歴史があるこの手法だが、実装のハードルは高かった。需要予測、競合モニタリング、価格シミュレーションのすべてをリアルタイムで回す必要があるからだ。

AI がもたらした変化

機械学習モデルの進化により、ダイナミックプライシングの実装コストが大幅に下がった。過去の販売データ、天候、イベント情報、競合価格をモデルに入力し、最適価格を予測させるアプローチが一般的になっている。

タイのホテル業界では、OTA（Online Travel Agency）の価格データと自社の予約状況を組み合わせた需要予測モデルの導入が進んでいる。客室稼働率と平均客室単価（ADR）の両立が経営上の課題であり、AI による価格最適化はこの二律背反を緩和する手段として注目される。

導入時の落とし穴

価格変動の頻度が高すぎると顧客の不信感を招くリスクがある。同じ商品が数時間で価格が変わると「いつ買えばいいかわからない」という心理が働き、購買意欲を下げることがある。

また、競合が同じアルゴリズムを使っている場合、互いの価格を参照して値下げ合戦に陥る「アルゴリズム共謀」のリスクも指摘されている。価格の下限設定やルールベースの制約を組み合わせる設計が実務では重要になる。