Code promo Uber

La tarification dynamique alimentée par l'IA est partout

25 novembre 2018

Les fluctuations de prix liées à la demande ne sont pas nouvelles: il y a encore un siècle, les cinémas demandaient moins pour les projections en matinée que pour les spectacles du soir plus populaires, et les prix des chambres d'une station balnéaire naturellement variés en fonction des saisons. Cette pratique est toutefois devenue une science exigeante et la tarification algorithmique dynamique transforme les transports, le commerce électronique, les loisirs et un large éventail d’autres industries.

Le concept est simple: les prix fluctuent automatiquement en fonction des données sur l'offre, les demandes historiques et la concurrence, afin de s'adapter rapidement aux changements du marché et d'améliorer la rentabilité. À mesure que les algorithmes deviennent plus puissants et que plus de données deviennent disponibles, les prix des produits et services des entreprises peuvent automatiquement répondre à la demande et à la concurrence en temps réel.

Dans ce rapport, nous examinerons l’application de la tarification dynamique algorithmique à travers des études de cas de startups Uber and Lyft et du géant du commerce électronique Amazon. Nous discuterons également des problèmes potentiels liés à la tarification dynamique personnalisée.

Tarification dynamique en temps réel Uber et Lyft

La stratégie de tarification dynamique contribue à la croissance des revenus des entreprises qui montent au sol. En même temps, cela augmente également le risque de perdre la confiance des clients dans le système.

La tarification dynamique axée sur la technologie actuelle trouve ses racines dans le secteur des transports, où American Airlines est considéré comme un pionnier de la stratégie. Il y a quarante ans, la compagnie aérienne avait mis en place des tarifs très avantageux en fonction de la demande prévue de passagers et de la disponibilité des sièges. Le système a été rapidement adopté par la plupart des autres compagnies aériennes.

Des sociétés comme Uber et Lyft développent désormais ce concept en exploitant leurs données massives en temps réel. Les utilisateurs voient différents prix dans différentes zones d'une ville et à différentes heures de la journée, ajustés de manière dynamique en fonction de données en temps réel sur l'offre de conducteurs et de prévisions sur l'emplacement des clients, le trafic, les conditions météorologiques, etc.

En substance, les mécanismes de «surtension» d’Uber et de «prime time» de Lyft ne diffèrent pas de ce que American Airlines avait fait des décennies plus tôt. Tous sont basés sur le modèle économique classique de l'offre et de la demande. Pendant les heures de pointe au travail ou le samedi soir, lorsque la demande de services de téléphonie dans des zones spécifiques augmente, le prix sera suffisamment élevé pour décourager certains clients, qui peuvent soit attendre que le prix baisse, soit utiliser les transports en commun. En conséquence, la demande est réduite. En conséquence, le prix plus élevé attirera également davantage de conducteurs dans la région pour répondre à la demande restante, ce qui établit un nouvel équilibre. De cette manière, les plates-formes peuvent influer de manière proactive sur l'offre et la demande afin de maximiser l'efficacité de leurs services.

Les systèmes de tarification dynamique en temps réel basés sur l'IA, pilotés par l'IA, par exemple, répondront à la demande croissante de voitures autour d'un lieu où un concert ou un film vient de s'achever, et feront monter les prix. Une demi-heure plus tard, comme le prix plus élevé a attiré plus de conducteurs et que la demande excessive a été satisfaite, le prix reviendra à un niveau normal. Ces ajustements en temps réel reposent sur l’énorme trafic de données sur ces plates-formes et sur la capacité de leurs puissants algorithmes de prédire la demande future. Sans ces ajustements en temps réel, les prix ne reflèteraient pas les conditions du marché assez rapidement pour que le processus soit efficace.

Les systèmes de tarification dynamiques d’Uber et Lyft doivent toutefois faire face à plusieurs défis. Par exemple, ils ont tendance à diviser une ville en blocs et à définir les ajustements de prix en conséquence. Certains passagers avertis réduisent leurs tarifs en marchant simplement vers un pâté de maisons adjacent pour réserver leur trajet. En outre, le système n’a pas de prix plafond strict. En décembre dernier, un passager d'Uber à Toronto s'est vu facturer un prix de 18 518 dollars canadiens pour une course de 6 km. Sous la pression des médias sociaux, Uber a par la suite annulé l'accusation, mais l'incident a endommagé la confiance du public dans l'entreprise.

Amazon: Tarification dynamique en ligne sur brique et mortier

Amazon est bien connu pour ses pratiques de tarification dynamique, qui sont appliquées sur la plate-forme elle-même, par des vendeurs tiers sur Amazon Marketplace et dans les nouveaux magasins de vente au détail Amazon Go.

Premier site de commerce électronique aux États-Unis et en Europe, Amazon gère un volume considérable de transactions en ligne et surveille en permanence les prix de la concurrence pour des centaines de millions de produits. Amazon génère ainsi automatiquement les données critiques nécessaires à la mise en œuvre de sa tarification dynamique. Une étude a montré que le prix de 100 produits aléatoires sur Amazon avait fluctué jusqu'à 260% au cours d'une année. Par exemple, sur le site britannique, le même paddle était proposé à des prix allant de 235 £ à 699 £.

Outre l’ampleur des changements, la fréquence des changements est également impressionnante: en moyenne, le prix d’un produit change tous les cinq jours, alors que les prix de certains produits sont modifiés jusqu’à 300 fois par an. Une grande partie des modifications de prix ont été automatisées et déterminées en fonction des prévisions de ventes des produits, basées sur la quantité considérable de données d’achat d’Amazon et de puissants algorithmes d’apprentissage automatique. Comme Uber et Lyft, Amazon vise à optimiser le volume des ventes et le prix en fonction de ses données sur l'offre, la demande et la concurrence. En 2016, Amazon a tranquillement mis fin à sa politique de mise en correspondance des prix, la libérant de la promesse d'offrir le prix le plus bas et de passer à un modèle de prix calculé basé en grande partie sur le comportement du client.

Environ 10% des vendeurs tiers sur Amazon Marketplace adoptent également la tarification algorithmique automatisée basée sur l'IA pour se démarquer de la concurrence. Buy Box d’Amazon, la section de la page du produit sur laquelle Amazon présente les offres des meilleurs vendeurs, est un champ de bataille essentiel pour la tarification algorithmique. Les recherches montrent que les vendeurs utilisant la tarification algorithmique sont plus fréquemment présentés dans la boîte d'achat, ce qui leur confère une plus grande visibilité, davantage d'ordres et davantage d'avis d'utilisateurs. Au fur et à mesure que Amazon évalue ses vendeurs tiers en fonction du volume des ventes et des commentaires des clients, ces vendeurs algorithmiques ont plus de chances d'être sélectionnés pour la Buy Box et leur avantage s'amplifiera avec le temps. La tarification dynamique peut ainsi produire un scénario «gagnant-pris pour tous» dans certaines catégories de produits.

À l'aide de l'étiquetage électronique, la tarification dynamique peut également être étendue des détaillants en ligne aux magasins physiques. Kaufland, un groupe de supermarchés en Allemagne, a déjà adopté la technologie d'étiquetage numérique. Cela élimine non seulement le coût humain lié à l'impression et à la révision des étiquettes de prix physiques, par exemple lors de promotions, mais peut également permettre une modification instantanée des prix de centaines de produits différents dans des milliers de magasins. Dans un proche avenir, il est probable que nous verrons une tarification dynamique dans les magasins Amazon Go traditionnels.

Problèmes potentiels liés à la tarification dynamique personnalisée

Un angle différent et plus controversé de la tarification dynamique consiste à fixer des prix différents pour différents clients. De nombreuses grandes entreprises de commerce électronique préfèrent ne pas divulguer si elles le font ou si elles le font de manière discrète, cette pratique pouvant être considérée comme une forme de tarification de la discrimination. Par exemple, il n’est pas inhabituel de voir un prix différent pour un forfait voyage lorsque vous visitez un site Web de réservation sur votre ordinateur portable par rapport au prix affiché sur l’ordinateur d’un ami, ou même sur l’application de la société de réservation sur votre smartphone.

Les systèmes de tarification dynamique des détaillants en ligne créent et répondent aux profils de tarification des utilisateurs individuels, qui peuvent être basés sur leur code postal, leur type d’appareil, le type de produits qu’ils ont consultés et commandés, ainsi que d’autres données. Comme un vendeur de voitures avisé, les vendeurs s'efforcent d'évaluer le client pour déterminer son budget. il est donc naturel de fixer un prix plus élevé pour ceux qui sont susceptibles de le payer.

En 2000, Amazon facturait des prix différents à différentes personnes. La société s’est excusée et a promis de ne pas fixer de prix en fonction des données démographiques des clients. Toutefois, même si la tarification reste constante sur un produit spécifique, d'autres variantes peuvent créer des scénarios de tarification personnalisés:

  • Créez différents niveaux de tarification adaptés à différents clients
  • Personnaliser les ensembles de produits en fonction des profils de prix des utilisateurs
  • Ciblez différents clients avec différentes suggestions de produits à différents prix, etc.

De tels ajustements subtils dans la présentation et la tarification, augmentés par une tarification algorithmique dynamique, peuvent également amener certains acheteurs à payer plus que d'autres, ce qui profite au vendeur.

L'expansion des plates-formes de vente utilisant une tarification dynamique rend de plus en plus difficile la détection des systèmes de tarification potentiellement injustes ou la protection contre ceux-ci. Les consommateurs feraient bien d’appliquer l’ancien «caveat emptor» non seulement au produit qu’ils achètent, mais aussi au prix qu’il porte, même si son esprit ne permet pas à lui seul de lever le voile sur le mystère et la complexité de la tarification dynamique algorithmique.