根据麦肯锡的说法，基于 AI 的定价可以带来 259.1B 到 500B 美元的全球市场价值。但关键问题仍然存在：收入管理能否完全自动化？答案是：理论上，是的，但在实践中，事情会更加微妙。但是让我们退后一步，尝试改写最初的问题，至少稍微改一下：收入管理应该完全自动化吗？在这种情况下，答案是一个响亮的大写字母“是”。 MIT-BHI最近的一项研究表明，与专注于其他领域的公司相比，“进行了人工智能驱动的定价转型的公司实现了超过 1 亿美元的收入增长 70%”。
“自学习算法发展迅速，变得非常复杂，它们已经对运营效率和产量增加产生了很大影响。因此，毫无疑问，收入管理的未来将完全自动化，”Alexander Edström 说， 首席执行官，雾化。
证据就在我们身边，不仅在旅行中。一些例子？亚马逊使用人工智能来推动动态定价；星巴克基于其每周超过 9000 万笔交易的数据采用预测分析，可口可乐或强生等跨国公司多年来一直在使用人工智能定价。在著名的洛桑高等酒店主办的 2019 年服务收入管理和定价会议上， RoomPriceGenie的数据科学家 Kevin Hof 分享了几个案例研究，其中酒店通过采用RMS平均增加了 22% 的收入，类似的结果可以在几十个类似的出版物上找到。
“在收入管理中的技术采用和人工智能实施方面，酒店业非常分散。许多酒店经营者仍然非常保护自己的定价和策略；他们相信他们的历史知识和直觉比任何算法都更清楚。真相是：他们不相信他们不一定知道、理解和无法控制的东西（比如人力收入经理）。这就是技术与人类之间的两难选择，这就是我们需要回归基础和致力于“让科技变得简单”：循序渐进的教育，然后取得可衡量的成果。收益管理是人与科技的混合合作，未来已经到来，”商业战略专家兼收益杂技演员 Silvia Cantarella 说。
See How Linchris Hotels Transformed Hospitality Operations with Canary
To keep pace with changing guest needs and expectations, Linchris implemented Canary’s Guest Management System, transforming their operations to deliver exceptional guest experiences, increase revenue, boost employee satisfaction and much more.
PMS、GIGO 和采用阻止程序
基于这些事实，我们都同意自主智能（在价格决策过程自动化的意义上，几乎没有或没有人工干预）可能是收入管理的方向。然而，这不会特别容易，而且不是（或者至少不仅是）因为现代 RMS 不能胜任这项任务，而是因为 PMS 通常是真正的采用障碍。 GIGO 是大多数收益经理都非常熟悉的概念：产出的质量取决于投入的质量。 “垃圾”数据“输入”会产生无意义的（“垃圾数据”）输出。并且 RMS 严重依赖PMS的数据。由于多种原因，这些系统可能无法提供正确的信息：
1. 人为数据输入错误。这是 PMS 准确性的主要问题。可怕的是，临床数据存储库中的错误率高达 27%，在我们的行业中，eHotelier 的一项研究指出，多达 50% 的酒店数据库已损坏或不完整；
“我们需要在考虑数据质量的情况下重新考虑市场细分或评级架构。数据需要具有可操作性，让我们能够轻松有效地发现机会。但最重要的是，设置需要防止数据输入错误，”Christoph Hütter 说，非传统收入经理。
2. API 设计不佳。 Tyler Charboneau 将此称为“即时满足陷阱”：“这种潜在的短期收益很有吸引力。” Charboneau 说：“我们可以讨论工程和营销之间的意识形态战争，（并且）追求即时满足是可以理解的，但也是危险的。这就像在您的核心服务确实需要粗钢筋时开发一个 tentpole API。理想情况下，设计过程将包括彻底“压力测试和优化。可靠性也很重要。” PMS 公司大力宣传他们的系统有多“开放”的情况并不少见，但我们应该记住，在集成方面，质量总是胜过数量。我们对此怎么强调都不为过，“在计算 RMS 系统的收益时，经常忘记的一件事是组织的 RM 成熟度。当您从零收入开始时，安装任何最简单的算法都会带来巨大的回报-管理知识-不幸的是，由于对 RM 战略的了解不足，我目睹了一个顶级 RMS 的人力设置不佳，其房地产市场份额低于其质量地位，”北欧收入论坛创始人旅游知识管理和总收入大使 Hanna Lak 说
3. PMS 缺乏功能。嗯，这很明显，但是，如果您的物业管理系统尚未开发用于收集特定数据，则 RMS（甚至是人力收益经理，就此而言）将无法将众所周知的兔子拉出来他们的帽子。 “虽然我们仍然主要讨论客房收入，其中 PMS 的数据粒度至关重要，自动化应该已经成为现状，但行业应该关注总收入管理，投资于如何整合来自不同收入来源的数据（即酒店业高级顾问 Damiano Zennaro 说：
自动化还是不自动化？
您的收入管理策略的完全自动化是诱人的。不仅因为它可以（并且通常确实）增加您的整体收入，还因为它还可以显着降低成本。在美国，收益经理的平均工资为每年 81,399 美元，而入门级 RMS 的平均工资为每月 50 美元。好吧，你做数学。
“鉴于一家典型的酒店每年将做出大约 500 万个定价决策，如果没有自动化系统的支持，任何收益经理都不可能每天都做出正确的决定。特别是考虑到要收集和分析的大量数据。强大的 RMS 不仅可以生成适应市场变化的价格，而且实际上可以提前预测这些变化。在瞬息万变的酒店市场中，轻微的价格变化会对需求产生重大影响。因此，如果没有系统来分析特定价格变化对其物业的入住率以及由此产生的收入收益（或缺乏收益）的影响，任何酒店经营者都处于不利地位，”首席传播官和发展官 Klaus Kohlmayr 说，想法。
此外，收益经理可以越来越少地依赖历史数据，尤其是在大流行之后。在这种新范式中，外部数据（如天气报告或公共事件信息）对于可靠的 RM 策略变得至关重要。然而，首先，人类必须收集和汇总它们，从而使我们解决问题 #1。但这些数据可以在 OpenWeatherMap、Picatic 或 Allevents.in 等服务上自动检索。从字面上看，它们只是一个 API。
“通常情况下，收益管理系统 (RMS) 和收益经理使用历史、比较定价和市场数据，并将其与前瞻性需求信号（例如步调）相结合，以推荐最佳费率。不幸的是，由于大流行，历史数据已变得无关紧要。我还相信竞争组定价数据的价值也在下降——你有多大把握你的竞争对手在他们的收入管理实践中胜任并使用正确的 RM 工具，而不仅仅是在自杀式的螺旋式下降中抄袭彼此的费率？
需要根据实时旅行需求动态调整酒店价格，这就是大流行结束最受欢迎的收入管理工具的原因：Excel 电子表格 - 并产生了对人工智能驱动的云 RMS 的迫切需求应对大流行后时代的复杂性，”酒店和在线旅游技术顾问兼战略家 Max Starkov 说。
加入来自世界领先酒店品牌的 10 万多名高管，每周一次将最新见解发送到您的收件箱
结论：我们现在要去哪里？
BCG 和专业定价协会最近进行的定价成熟度评估显示，“超过 50% 的工业品公司仍在使用 Microsoft Excel 来构建他们的主要定价工具。”
“很明显，人工监督的人工智能 RMS 是当今酒店经营者的重要起点。随着收入技术越来越接近营销功能，我们应该期望看到 RMS 和营销工具之间的更多集成，以优化酒店网站上的客人旅程，在来宾移动设备上，以及其他重要的数字接触点，这些接触点目前对于今天的 RMS 解决方案来说是“无法触及”的，” Userguest首席营收官 Erik Muñoz 说。
这并不奇怪，因为收益经理经常被迫用他们所拥有的少量信息来填补空白，而这主要是供应商的错和责任。然而，一种新的、更简单、更有效、更准确的收入管理方式正在敲响我们的大门，是时候我们大家齐心协力，最后打开它了。
