ການກໍານົດລາຄາແບບໄດນາມິກ

ຄວາມແຕກຕ່າງຈາກລາຄາຄົງທີ່

ລາຄາຄົງທີ່ແບບດັ້ງເດີມຖືກກຳນົດໂດຍ "ຕົ້ນທຶນ ＋ ກຳໄລ" ແລະ ເມື່ອກຳນົດແລ້ວຈະບໍ່ປ່ຽນແປງເປັນເວລາດົນ. Dynamic Pricing ໄດ້ລົ້ມລ້າງສົມມຸດຕິຖານນີ້ ໂດຍການຂຶ້ນລາຄາໃນຊ່ວງເວລາ ຫຼື ລະດູການທີ່ມີຄວາມຕ້ອງການສູງ ແລະ ລຸດລາຄາໃນຊ່ວງທີ່ຄວາມຕ້ອງການຕ່ຳ ເພື່ອເພີ່ມລາຍໄດ້ສູງສຸດ.

ວິທີການນີ້ມີປະຫວັດຫຼາຍສິບປີໃນອຸດສາຫະກຳການບິນ ແຕ່ອຸປະສັກໃນການນຳໃຊ້ຍັງສູງ. ເນື່ອງຈາກຕ້ອງດຳເນີນການພະຍາກອນຄວາມຕ້ອງການ, ການຕິດຕາມຄູ່ແຂ່ງ ແລະ ການຈຳລອງລາຄາທັງໝົດໃນເວລາຈິງ.

ການປ່ຽນແປງທີ່ AI ນຳມາ

ດ້ວຍການພັດທະນາຂອງ Machine Learning Model, ຕົ້ນທຶນໃນການນຳໃຊ້ Dynamic Pricing ໄດ້ຫຼຸດລົງຢ່າງຫຼວງຫຼາຍ. ວິທີການທີ່ໃສ່ຂໍ້ມູນການຂາຍໃນອະດີດ, ສະພາບອາກາດ, ຂໍ້ມູນກິດຈະກຳ ແລະ ລາຄາຄູ່ແຂ່ງເຂົ້າໃນ Model ເພື່ອພະຍາກອນລາຄາທີ່ດີທີ່ສຸດໄດ້ກາຍເປັນເລື່ອງທົ່ວໄປ.

ໃນອຸດສາຫະກຳໂຮງແຮມຂອງໄທ, ການນຳໃຊ້ Model ພະຍາກອນຄວາມຕ້ອງການທີ່ລວມຂໍ້ມູນລາຄາຈາກ OTA (Online Travel Agency) ກັບສະຖານະການຈອງຂອງຕົນເອງກຳລັງຂະຫຍາຍຕົວ. ການຮັກສາທັງ Occupancy Rate ແລະ ADR (Average Daily Rate) ໃຫ້ສົມດູນເປັນສິ່ງທ້າທາຍດ້ານການຈັດການ ແລະ ການເພີ່ມປະສິດທິພາບລາຄາດ້ວຍ AI ໄດ້ຮັບຄວາມສົນໃຈໃນຖານະເປັນວິທີການຫຼຸດຜ່ອນຄວາມຂັດແຍ່ງນີ້.

ບັນຫາທີ່ຕ້ອງລະວັງໃນການນຳໃຊ້

ຫາກລາຄາປ່ຽນແປງຖີ່ເກີນໄປ ມີຄວາມສ່ຽງທີ່ຈະສ້າງຄວາມບໍ່ໄວ້ວາງໃຈໃຫ້ກັບລູກຄ້າ. ເມື່ອລາຄາສິນຄ້າດຽວກັນປ່ຽນພາຍໃນສອງສາມຊົ່ວໂມງ ອາດເກີດຄວາມຮູ້ສຶກ "ບໍ່ຮູ້ວ່າຄວນຊື້ເວລາໃດ" ຊຶ່ງສາມາດຫຼຸດຄວາມຕ້ອງການຊື້ໄດ້.

ນອກຈາກນີ້, ໃນກໍລະນີທີ່ຄູ່ແຂ່ງໃຊ້ Algorithm ດຽວກັນ ຍັງມີການຊີ້ໃຫ້ເຫັນຄວາມສ່ຽງຂອງ "Algorithm Collusion" ທີ່ອ້າງອີງລາຄາຂອງກັນ ແລະ ກັນ ຈົນນຳໄປສູ່ການແຂ່ງຂັນລຸດລາຄາ. ໃນທາງປະຕິບັດ ການອອກແບບທີ່ລວມການກຳນົດລາຄາຂັ້ນຕ່ຳ ແລະ ຂໍ້ຈຳກັດທີ່ອີງໃສ່ກົດລະບຽບຈຶ່ງມີຄວາມສຳຄັນ.