Revenue Management is een managementtechniek die tools combineert voor prijsbepaling, reserveringsbeheer en verkoopafsluiting met het doel de inkomsten van een bedrijf te maximaliseren. Om dit te bereiken, analyseert het voortdurend de vraag, past het prijzen aan en optimaliseert het de voorraad. In deze context heeft kunstmatige intelligentie (AI) het potentieel om deze processen te transformeren, waardoor de nauwkeurigheid en efficiëntie van zakelijke beslissingen wordt verbeterd.
Sommige bedrijven zijn al begonnen met het integreren van AI in sleutelgebieden van hun operaties, terwijl anderen een meer integrale implementatie verkennen, een stap die – zoals elke innovatie – gepaard gaat met bepaalde uitdagingen. Op de XI bijeenkomst van AI Directors, georganiseerd door de AI-Network Association, deelden meer dan 50 professionals uit verschillende sectoren en bedrijven in digitale transformatie hun ervaringen en perspectieven. Het evenement richtte zich op het identificeren van zowel de kansen als de uitdagingen die AI presenteert voor Revenue Management, en opende nieuwe mogelijkheden voor inkomstenoptimalisatie in een steeds competitievere omgeving.
De uitdaging om AI succesvol te implementeren in Revenue Management
De proliferatie van AI in Revenue Management kan al worden gevoeld, maar ook de onzekerheid van de implementatie. Terwijl sommigen enthousiast zijn, onder de belofte van innovatie, gaan velen voorzichtig vooruit, angstig voor een gebrek aan duidelijkheid. Deze dichotomie creëert nu een complex scenario waar gokken en voorzichtigheid samengaan.
De sleutel tot het aanpakken van deze onzekerheid zou gecontroleerde experimenten en voortdurende evaluatie van processen en voortgang kunnen zijn. Het definiëren van duidelijke en meetbare doelstellingen voor elk AI-initiatief, zal helpen om een strategie aan te passen op basis van de behaalde resultaten.
De juiste AI kiezen voor elke behoefte
Het debat over het ideale implementatiemodel voor AI in Revenue Management is in volle gang. Aan de ene kant klinkt generatieve AI erg aantrekkelijk vanwege zijn creatieve potentieel, maar het bevindt zich nog steeds in de beginfase van ontwikkeling, wat het tot een ongeschikte tool kan maken voor alle toepassingen van Revenue Management. Aan de andere kant blijven traditionele Machine Learning-modellen hun effectiviteit bewijzen in termen van voorspelling en optimalisatie.
Het antwoord op de juiste weg is niet binair, want beide benaderingen tonen hun sterke en zwakke punten. Het begrijpen van de specifieke behoeften van elk bedrijfsmodel is essentieel voor het kiezen van het meest geschikte instrument voor elke use case. Er wordt echter ook de mogelijkheid van een gecombineerd model voorgesteld dat voordeel kan halen uit elk bedrijf.
De uitdaging van strategische afstemming
Het identificeren van mogelijke use cases voor AI in Revenue Management komt vaak vanaf de basis, van de teams die dagelijks werken. Maar dit vormt een duidelijk probleem: er wordt een toenemend gebrek aan afstemming met de bedrijfsleiding waargenomen, wat leidt tot een kloof die de toewijzing van middelen (en budgetten) bemoeilijkt.
Voor dit dilemma was de consensus unaniem: het is noodzakelijk om communicatie en samenwerking tussen alle niveaus van de organisatie te bevorderen. Aan de ene kant moet de directie openstaan voor ideeën die van onderaf komen, en aan de andere kant moeten de teams in staat zijn de waarde van hun voorstellen te rechtvaardigen met concrete gegevens en analyses.
Dit brengt de noodzaak met zich mee om de hoge kosten van implementatie en onderhoud van AI-oplossingen te verdedigen tegenover de ROI die het kan genereren. Bovendien de voortdurende noodzaak (en verbintenis) om bij te blijven met de snelle evolutie van dit soort technologieën, wat leidt tot een constante updates van de geïmplementeerde modellen.
Het moeras van gegevens beheren: het belang van gegevensbeheer
Het succes van AI in Revenue Management hangt grotendeels af van de kwaliteit en beschikbaarheid van gegevens, die tegenwoordig inconsistent en incompleet zijn. En hoewel dit voor de hand liggend klinkt, zijn veel bedrijven bezorgd over het dagelijks geconfronteerd worden met een “moeras van gegevens”, een ophoping van ongeorganiseerde en moeilijk te beheren informatie omdat het moeilijk is om waardevolle informatie eruit te halen.
De sleutel is om deze situatie te transformeren in vruchtbare grond voor AI met de implementatie van een integrale gegevensbeheerstrategie, die het verzamelen, schoonmaken, integreren en analyseren van informatie omvat, evenals de integratie van gegevens uit verschillende systemen en bronnen.
Revenue Management heeft gecentraliseerde en toegankelijke gegevens nodig.
De uitdaging van aanpassing en leren
Zoals in andere industrieën, creëert de integratie van AI in Revenue Management een grote vraag: zullen executives en mensen door machines worden vervangen?
Hoewel AI een groot potentieel belooft, is de dreiging niet reëel: het sleutel is om AI te zien als een zakelijke kans en als een kans op training. Het vinden van manieren om zich aan te passen aan nieuwe technologische trends en te leren hoe ze in uw eigen voordeel te gebruiken, zal niet alleen het menselijk kapitaal ten goede komen, maar ook elk bedrijf. Dit impliceert de interne strijd tegen weerstand tegen verandering en de noodzaak om het menselijk kapitaal te trainen om AI-tools effectief te gebruiken.
Als AI de repetitieve taken op zich zou nemen, zou dit Revenue Management bevrijden om zich te concentreren op strategie en creativiteit. AI heeft het potentieel om een slimme assistent te worden, die op zijn beurt waardevolle informatie kan verstrekken en zeer effectief kan zijn bij het ondersteunen van meer geïnformeerde beslissingen.
Potentieel omzetten in resultaten
Met een enthousiasme dat onmiskenbaar is, is het belangrijk om de hype van de realiteit te scheiden in de implementatie van AI. Deze technologie is geen magische oplossing voor de problemen van Revenue Management, maar het kan een krachtig hulpmiddel worden, mits het zorgvuldig en strategisch wordt geïmplementeerd.
Het belangrijkste succes hangt af van het vermogen van bedrijven (en vooral het menselijk kapitaal van elk van hen) om de toekomstige uitdagingen te overwinnen. Of het nu gaat om data management, of zelfs adoptie door gebruikers; de uitdagingen zijn talrijk in use cases en strategische afstemming. Met een toekomst die veelbelovend lijkt, is het belangrijk om een voorzichtige benadering te kiezen, gebaseerd op gegevens en vooral meetbaar, waarmee executives het potentieel kunnen demonstreren.
Onder het motto Artificial Intelligence in Revenue Management: prijsoptimalisatie, risico’s en fraude, bevatte het evenement een presentatie van Francisco Huidobro, directeur digitale diensten, die zich focuste op hoe AI niet alleen de inkomsten en marges verbetert, maar ook een directe impact heeft op de winstgevendheid van het bedrijf. Op hun beurt deelden Zaira Pérez, directeur digitale marketing en Rubén Sánchez Delgado, Project Manager bij decide4AI, hun ervaringen en succesverhalen over hoe AI strategische groei versnelt in de restaurantbranche en e-commerce.