Le dynamic pricing : accélérateur de performance pour le « Revenue management »

Cropped Favicon Economi Matin.jpg
Par Pierre Hébrard Publié le 31 janvier 2018 à 19h46
Dynamic Pricing Entreprises Vente Produit
2,5 millionsAmazon change ses prix 2,5 millions de fois par jour.

La question de l’optimisation des prix n’est pas récente : elle s’est posée au secteur aérien et hôtelier dès les années 70.

Aujourd’hui, avec l’avènement de l’intelligence artificielle et du machine learning, elle peut être aisément applicable à d’autres secteurs. Elle se révèle une solution particulièrement efficace pour mieux gérer les stocks sans perdre la main sur la relation client.

Vers l’adaptation des prix à la demande

La tarification a toujours été pensée en fonction de paramètres tels que le coût de production ou les quantités produites. L’écoulement des stocks, et les volumes des ventes dans le domaine des services, sont encore les seuls indicateurs de performance dans de nombreux secteurs.

Dans certains secteurs, comme l’hôtellerie ou le voyage, le prix est pourtant lié à un autre paramètre, certes hautement variable, mais autrement déterminant : la demande. Un lien évident, quand on sait que le contexte dans lequel s’effectue le parcours d’achat peut énormément varier d’un client à l’autre. Dans la restauration, cette pratique se traduit par les happy hours, et il arrive que les gérants de brasseries adaptent leurs prix à leur clientèle et à son heure d’arrivée : dans un même quartier, les salariés de grandes entreprises seront plus à même de payer plus cher que les étudiants. La réduction du prix pour les uns est rattrapée par la hausse des prix opérée pour d’autres, sans qu’aucune typologie de client ne soit lésée. A l’inverse, demande et stock ne s’accordent pas toujours : difficile d’augmenter le nombre de chambres dans un hôtel en fonction du nombre de commandes. Il est donc temps que le prix et la demande se rencontrent enfin. Grâce au dynamic pricing, on peut désormais faciliter cette rencontre et l’optimiser !

Prendre en compte les facteurs qui conditionnent la demande

La demande n’est pas une donnée fixe. Lors d’un même parcours d’achat, un besoin peut changer du tout au tout. Son degré d’urgence et la possibilité de le satisfaire dépendent de certains paramètres extérieurs. Prenons à nouveau l’exemple de l’hôtellerie. Si un commercial souhaite réserver une chambre, mais qu’il est encore sur la route de l’hôtel, il peut être ralenti par les intempéries ou par un événement qui a lieu dans le secteur où se trouve l’hôtel, et changer d’avis à la dernière minute. S’il se trouve dans la ville de l’hôtel et qu’un événement (festival, intempéries) l’empêche de repartir, il sera plus enclin à payer une chambre à un prix plus élevé pour pouvoir se loger. Pour un même besoin, deux consommateurs ne sont pas disposés à payer le même tarif.

En étudiant minutieusement ces paramètres, les entreprises peuvent adapter leurs prix à chaque typologie de clients. Chez certains acteurs de la grande distribution ou de la vente en ligne (Amazon, notamment), le dynamic pricing est déjà une pratique récurrente. Cette stratégie a la particularité de booster le chiffre d’affaires.

Résoudre la problématique du prix : le rôle de l’intelligence artificielle

De nombreux secteurs font déjà appel au dynamic pricing pour adapter leurs prix à la demande et à son contexte. C’est dans le domaine aérien que cette pratique a fait ses débuts, avec les méthodes de tarification appliquées par American Airlines. Depuis, elle a fait ses preuves dans des secteurs aussi variés que l’hôtellerie, les croisières, les transports ferroviaires, terrestres ou maritimes, la location de véhicules ou de matériel, les spectacles vivants ou encore les parcs d’attraction. Néanmoins, le prix reste encore une des principales problématiques. Difficile pour le Revenue Manager d’un hôtel ou d’une grande librairie, par exemple, d’harmoniser les prix pratiqués en ligne et ceux fixés en points de vente physiques. Aujourd’hui, le dynamic pricing est d’autant plus rapide à mettre en pratique que les entreprises peuvent recourir à l’intelligence artificielle et au machine learning. En permettant le traitement automatique des tâches marketing, cette dernière facilite déjà la gestion des activités récurrentes (promotions, contrôle de la chaîne de production, etc.). Dans le domaine de la relation client, l’intelligence artificielle a permis aux entreprises de faire un bond considérable en avant : elles ont accès à des volumes grandissants de données client. Avec le progrès de l’utilisation des terminaux mobiles, il est aujourd’hui plus aisé de recueillir des informations sur les comportements des clients et leur parcours-type d’achat. Le besoin de répondre à la problématique du prix a permis l’émergence de solutions d’un nouveau genre : les outils de tarification dynamique qui utilisent l’intelligence artificielle pour proposer le bon prix à la bonne cible.

La tarification dynamique, en plus de permettre une meilleure gestion des stocks et une augmentation sensible du chiffre d’affaires, permet en outre d’optimiser davantage l’expérience client.

Cropped Favicon Economi Matin.jpg

Fondateur de Pricemoov, Pierre Hébrard a forgé son expérience en parcourant le monde, en tant que chef d'entreprise et trader en Afrique et en Asie. Titulaire du MSc en mathématiques de l'Imperial College de Londres, ce passionné des chiffres a détecté le besoin grandissant qu'ont les entreprises, y compris les grands groupes, de se démarquer par le prix, face à une clientèle changeante et exigeante. En 2015, il décide de répondre à ce besoin en fondant Pricemoov.

Aucun commentaire à «Le dynamic pricing : accélérateur de performance pour le « Revenue management »»

Laisser un commentaire

* Champs requis