MtoM Mag - Le journal de l'MtoM.

Démocratisation de l’utilisation du revenue management Le revenue management est une méthode née dans les années 80 dans le secteur aérien pour résoudre la décorrélation entre une offre fixe et une demande évolutive. En effet, si le nombre de clients augmente fortement pendant les périodes de vacances, le nombre de places dans l’avion, lui, reste fixe. Le revenue management consiste donc à augmenter les prix en période de pointe pour tirer le plus de valeur de la demande, et au contraire de les baisser en période creuse, pour maximiser le taux de remplissage des avions. C’est pourquoi le prix d’un billet d’avion est très variable en fonction des dates et horaires auxquelles la réservation est effectuée. Cette méthode a été étendue à d’autres secteurs qui ont une capacité fixe à optimiser : les hôtels optimisent leur nombre de chambres, les trains leur nombre de places, les loueurs de voiture leur parc de voitures.

Pourtant, la méthode est devenue au fil du temps de plus en plus complexe, entraînant le développement d’outils de plus en plus spécialisés. En effet, le volume de données disponibles ainsi que le nombre de critères influençant le prix ont explosé, nécessitant le développement de solutions puissantes. D’autre part, le nombre de canaux de vente a été décuplé, avec l’émergence du web bien sûr, mais aussi avec l’arrivée de nouveaux acteurs comme les agences de voyage en ligne (Booking, Expedia). Les outils de revenue management sont donc devenus de plus en plus complexes et spécialisés sur des secteurs précis.

L’IA au service de la gestion des données multiples

Si l’émergence du Big Data a fait exploser le nombre de données disponibles, internes et externes à l’entreprise, de nouvelles méthodes sont apparues pour les gérer. Elles ont l’avantage d’être fondées sur l’utilisation de l’intelligence artificielle.

Premièrement, l’IA permet de pousser l’automatisation des tâches et de traiter ainsi un volume de données quasi infini. Les algorithmes de « clustering », par exemple, agrègent automatiquement les points de données, et permettent de pousser la segmentation au niveau le plus fin. Ensuite, l’IA offre une flexibilité beaucoup plus importante pour intégrer un nombre de variables plus exhaustif. Il devient ainsi plus aisé de prendre en compte les données de navigation sur le site Internet, l’évolution des stocks en temps réel ou les coûts logistiques dans la définition des prix. Enfin, l’Intelligence Artificielle apprend par elle-même et permet de mesurer l’influence de facteurs exogènes sur la prévision de la demande, par exemple l’incidence d’intempéries météorologiques. L’Intelligence Artificielle apporte une flexibilité nouvelle dans la gestion de la complexité, qui permet de développer des outils plus simples et accessibles à une multiplicité de secteurs.

Accessibilité et modulabilité des outils au coeur du modèle SaaS

Le modèle SaaS, qui consiste à héberger le logiciel sur le cloud, rend l’installation d’outils de revenue management plus accessibles aux entreprises. En effet, il permet une plus grande facilité pour adapter l’outil à chaque secteur et à chaque entreprise, en sélectionnant aisément les fonctionnalités pertinentes. De plus, le modèle économique de la licence rend l’investissement de départ moins important. Enfin, le SaaS facilite le développement de plateformes qui sont plus adaptées au déploiement de l’outil dans des organisations élaborées. Il permet ainsi de déployer de manière cohérente la politique tarifaire à travers tous les échelons d’une entreprise.

L’IA et le SaaS fournissent de nouveaux outils pour adapter les méthodes de revenue management à de nouveaux acteurs, permettant aux entreprises de faire varier plus facilement leurs prix. La construction du tarif optimal devient donc un levier essentiel de profitabilité et un atout concurrentiel déterminant !

http://www.pricemoov.com