Цены меняются раз в сезон
Прайс утверждается на год, а спрос двигается неделями: выставки, праздники, каникулы, региональные события. К датам высокого спроса остатки уходят по низкой цене.
Выберите тему — соберём контекст
Собираем продажи, отказы, остатки и цены конкурентов в одну модель, формулируем правила и ограничители — и отдаём менеджеру рекомендацию, а не таблицу на сто колонок.
Или сразу: +7 (962) 368-39-51 Telegram
Речь не о том, чтобы продавать дороже. Речь о том, чтобы не продавать дешевле, чем позволяет спрос.
Прайс утверждается на год, а спрос двигается неделями: выставки, праздники, каникулы, региональные события. К датам высокого спроса остатки уходят по низкой цене.
Менеджер вручную открывает сайты соседей и OTA по нескольким датам. Остальные даты и типы размещения остаются без сравнения, а данные устаревают к моменту решения.
Каждый менеджер по-своему решает, кому дать скидку. Один и тот же номер на одни даты продаётся по трём ценам, а маржа уходит в переговоры.
На сайте одна цена, в OTA другая, у агента третья. Клиент видит разницу, требует лучшую цену, а паритет нарушен без всякого умысла.
Нет модели, которая учитывает бронирования с длинным горизонтом, темпы продаж прошлых периодов и события в городе. Решения принимаются по памяти о прошлом годе.
Даже если методика верная, пересчитать десять тысяч дат по нескольким категориям в электронной таблице физически невозможно. Цены просто не доходят до всех дат.
Четыре слоя, которые можно внедрять по отдельности: данные, прогноз, правила и доставка цен.
Без чистых данных любая модель остаётся гаданием. Начинаем с того, что вообще есть в системе.
Модель показывает ожидаемый спрос на каждую дату и то, как он реагирует на изменение цены.
Что именно система делает с ценой: где поднимает, где держит, где защищается от демпинга.
Расчёт бесполезен, если цена не дошла до канала продаж или дошла частично.
Не начинаем с моделей машинного обучения: сначала проверяем, что данные вообще позволяют принимать решения.
Смотрим историю продаж, полноту отказов, качество учёта остатков и то, как решения принимаются сейчас. Определяем, каких данных не хватает для прогноза.
Берём одно направление или одну категорию номеров и один горизонт дат. Настраиваем прогноз, правила и ограничители, считаем эффект на выручку и загрузку.
Расширяем на все даты и категории, подключаем доставку цен в каналы, строим контроль паритета и отчёт по отклонениям ручных правок.
Следим за отклонением прогноза от факта, пересматриваем пороги в сезон и низкий сезон. Обучаем revenue-менеджера работать с рекомендациями, а не вместо них.
Динамическое ценообразование начинается не с алгоритма, а с инвентаризации данных. Минимальный набор: история броней с датами заезда и выезда, каналом продаж и фактически уплаченной суммой; данные об отказах и отменах — они показывают реальный спрос, который не превратился в продажу; остатки и ограничения по закрытию продаж; цены конкурентов по сопоставимым датам и категориям.
Отдельная сложность — события в городе: выставки, концерты, спортивные матчи, школьные каникулы. Их влияние на спрос огромно и плохо выводится из исторических продаж, поэтому календарь событий стоит вести отдельно и поддерживать вручную или через внешние источники. Без него модель будет систематически недооценивать пиковые даты.
Любая автоматика, снижающая цену, без ограничителей быстро превращается в инструмент управляемого демпинга: система видит низкий темп продаж и опускает цену до уровня, при котором выручка на номер падает быстрее, чем растёт загрузка.
Поэтому в проекте всегда есть набор порогов: минимально допустимая цена по категории и дате, максимальный шаг изменения за один пересчёт, лимит числа изменений в сутки, запрет на снижение ниже цены конкурента более чем на заданную величину, обязательное подтверждение человеком при отклонении больше заданного процента. Эти настройки обсуждаются с коммерческим директором, а не выбираются разработчиком.
Проверять «среднюю цену до и после» бессмысленно: между периодами меняются спрос, состав гостей и рынок. Корректный подход — сравнение сопоставимых групп дат: часть управляется новой моделью, часть остаётся на текущих правилах, и вы сравниваете доход на доступный номер, загрузку и долю отказов.
Мы закладываем в систему такой эксперимент до включения автоматики на все даты. Обычно уже через один-два месяца видно, на каких сегментах модель уверенно выигрывает, а где её рекомендации стоит ограничивать. Это же сравнение становится аргументом для коммерческого директора, когда нужно защищать изменение ценовой политики.
Нет. Для большинства задач первые результаты даёт прозрачная модель на правилах и статистике: темпы бронирования, сравнение с прошлыми периодами, загрузка и цены конкурентов. Машинное обучение подключается позже и только там, где есть достаточная история данных и понятная метрика качества прогноза. Правила, которые менеджер может объяснить и оспорить, на старте ценнее сложной модели.
Да, если есть источник остатков и тарифов — например, channel manager, CRS или прямые интеграции с OTA. Мы подключаемся к тому контуру, который у вас уже есть, и работаем с ним как с источником истины по номерному фонду. Если учёт ведётся в таблицах, сначала придётся описать минимальную модель остатков и тарифов, иначе автоматизация будет опираться на недостоверные данные.
Пилот на одном направлении или категории с прозрачным прогнозом и ручным подтверждением рекомендаций запускается за полтора-два месяца. Полный контур с автоматической доставкой цен в каналы, контролем паритета и отчётностью занимает от четырёх до шести месяцев. Срок определяется не моделью, а количеством интеграций с системами учёта и каналами продаж.
Нет, если разделить расчёт и витрину. Цены пересчитываются в фоне по расписанию, результат складывается в хранилище, а страницы и поиск читают уже готовые значения из кэша. Мы не выполняем тяжёлые вычисления в момент запроса пользователя: витрина получает актуальную цену за миллисекунды, а расчёт живёт своей нагрузкой и не влияет на отклик сайта.
Смежные задачи, которые обычно решаются в одном проекте с этой.
Расскажите, какие данные о продажах и конкурентах у вас есть, — оценим, что реально автоматизировать в первом релизе.
Cookie и аналитика
Мы используем необходимые cookie для работы сайта и форм. Аналитические cookie (Яндекс.Метрика, включая запись сессий) подключаем только с вашего согласия — от него можно отказаться. Подробнее: Политика использования cookie и обработка персональных данных.