Intelligenza Artificiale e Revenue Management

Quando si ha a che fare con il Revenue Management, ma più in generale quando si hanno da gestire grandi quantità di dati, cedere alle lusinghe della tecnologia è davvero facile e, per certi versi, necessario.

Basti pensare alla velocità di calcolo o alla scoperta di associazioni nei big data e sarà evidente come nessun cervello umano potrà mai battere in velocità ed efficienza un computer.

Ad esempio, analizzare un Cluster di Hotel in una determinata destinazione implica l’elaborazione e la gestione di una grande mole di dati: pensiamo al prezzo medio, alla finestra di prenotazione, all’occupazione, al tasso di cancellazione, alla tipologia di camera ed altro ancora.

Mettere insieme questi dati ma, soprattutto, interpretarli in maniera proficua, richiede metodo e strumenti adeguati.

Il metodo non può prescindere dalla statistica che riveste un ruolo fondamentale nell’analisi dei dati. Senza la sua capacità di sintesi, proprietà tra le più apprezzate, risulterebbe davvero complicato notare che, in un particolare periodo, qualche parametro del nostro Hotel stia assumendo caratteristiche anomale. Ecco allora che, grazie alla statistica, possiamo agevolmente riassumere tutti i dati oggetto dell’analisi in alcuni valori (per noi) maggiormente significativi.

Di strumenti per l’analisi dei dati oggi ne esistono davvero numerosi ed ormai sempre più PMS iniziano ad integrare moduli di Business Intelligence e Dashboard capaci di raggruppare alcuni KPI (Key Performance Indicator) di base.

Assodato che per migliorare non solo la qualità della propria esistenza quotidiana (ma anche le proprie performance lavorative) ogni Revenue Manager utilizzerà basi di statistica e qualche strumento per supportare il proprio lavoro, vediamo cosa succede quando forse iniziamo a farci prendere la mano dal concetto di Intelligenza Artificiale.

Ad esempio, esistono da molti anni PMS che possono modificare la fascia tariffaria di vendita del nostro Hotel al verificarsi di alcune condizioni che, normalmente, corrispondono ad una maggiore o minore occupazione o, ancora, all’acquisto contemporaneo di più camere (che poi sempre una variazione dell’occupazione è). 

Li abbiamo testati già anni addietro ed abbiamo compreso in poco tempo i limiti di un automatismo che opera seguendo uno schema rigido.

Ipotizziamo, ad esempio, che il nostro PMS (o un modulo esterno) sia stato programmato in modo da impostare la fascia di prezzo più alta al verificarsi di un’occupazione superiore all’80% del nostro hotel.

In realtà il software non fa altro che contare la nostra occupazione e fargli corrispondere un prezzo di vendita (ahimè, ancora oggi questo è una delle varianti utilizzate per riassumere il lavoro di un Revenue Manager).

Ma supponiamo di essere in un periodo di bassa stagione e, per puro caso, abbiamo avuto la fortuna di avere una prenotazione di un gruppo che ci ha occupato l’80% della struttura. I nostri competitor hanno molta disponibilità -e conseguentemente tariffe basse- ma per il nostro il nostro software siamo quasi pieni e quindi pubblica (come gli abbiamo chiesto di fare) una tariffa alta minimizzando così le possibilità di vendita.

E allora ecco che qualcuno pronuncerà la soluzione al problema: l’algoritmo.

Unendo infatti i dati del mio Hotel e quelli del mercato, ecco che il software di IA riesce a calcolare la formula esatta che, nel nostro caso, si concretizzerà nel prezzo di vendita migliore.

Di software basati su algoritmi e machine learning (perché ti suggeriscono una tariffa, l’umano prende la decisione finale e l’algoritmo apprende) ormai ne spuntano come funghi dopo un temporale.

Purtroppo, cavalcando l’onda un pò della moda, un pò delle parole usate a sproposito (ho sentito persone parlare di logaritmi che suggerivano tariffe), a volte capita di assistere anche ad alcuni paradossi come venditori che avvicinano i proprietari di Hotel offrendo un software di poche migliaia di euro che, a loro detta, può sostituire il lavoro del loro Revenue Manager e far crescere il fatturato in maniera esponenziale.

Premesso che se il Revenue di un Hotel è gestito in maniera superficiale (o non gestito) sarà sicuramente probabile aumentare il fatturato con un software che rende dinamica una politica tariffaria, riflettiamo un attimo sulla concreta applicazione dell’IA al Revenue Management.

La contraddizione parte proprio dall’idea stessa (che in alcuni casi si ha interesse a diffondere) che il Revenue sia sintetizzabile nell’attività di Pricing (volgarmente fare le tariffe). 

Non lo dico solo io, ma tanti colleghi che stimo: la fase delle “tariffe” è solo l’ultima, la finale di un lungo processo decisionale supportato dall’analisi dei dati.

Quindi, al limite, questo software andrebbe a supportare solo l’ultima di tutte le attività logiche preventivamente effettuate da un cervello umano.

Perchè un software instancabile ed attivo h24, che ha disposizione i dati storici e i dati della domanda, che ha capacità di learning non potrebbe sostituire un Revenue Manager in carne ed ossa (che costa di più ed è più pigro)?

D’altra parte, se gli aerei volano già da molto tempo grazie agli algoritmi in maniera sicura, perché non dovrebbero essere in grado di pubblicare una tariffa in modo corretto? 

Semplice la domanda, altrettanto semplice la risposta: l’ambiente dove opera un aereo di linea è meno complesso di quello delle vendite di un Hotel.

Chi meglio di noi ha imparato negli ultimi anni che operiamo in un ambiente di lavoro tutt’altro che stabile e prevedibile?

Qualcuno aveva previsto l’andamento anomalo del mese di Agosto di alcune destinazioni comparato con gli altri mesi estivi?

Come interpreta l’algoritmo un pickup lento? Può ragionare su un fattore che influisce sul flusso di prenotazioni come, ad esempio, una diversa condizione di cancellazione?

Nel processo decisionale di acquisto di una camera, come mette in relazione tipologie simili ma diverse di un competitor?

Ecco il primo problema serio: la potenza di calcolo non è capace di produrre pensiero causale.

Certo, l’algoritmo può calcolare molto più velocemente della nostra mente numerose possibilità di scenario ma il buonsenso costituisce un’enorme sfida per l’intelligenza artificiale.

francesco d'acunto

founder