Illustration av en färja där passagerare går ombord
Prisinsikter för färja och buss

Därför hänger ert RMS inte med på populära avgångar

Revenue management-system byggdes för flygbolag. Logiken var rimlig: fasta tidtabeller, ett begränsat antal platser och tillräckligt med historisk data för att göra pålitliga efterfrågeprognoser. Använd samma modell för färjor och bussar, så får ni något som fungerar hyfsat för det mesta.

Problemet är att ”för det mesta” inte är när det spelar störst roll.

Prognoser bygger på det som har varit

Ett traditionellt RMS tittar på historiska bokningsmönster och använder dem för att förutsäga hur en kommande avgång kommer att fyllas. Om förra årets fredagskvällsavgång till Tallinn sålde slut tre veckor i förväg antar systemet att årets gör det också, och prissätter därefter.

Det fungerar tills det inte gör det. En konkurrent sänker priserna på samma linje. Ett stort evenemang skapar oväntad efterfrågan en vanligtvis lugn tisdag. Ett företag bokar 40 hytter med två veckors varsel. Inget av detta fanns i förra årets data, och ett system som blickar bakåt kommer inte att hantera något av det rätt.

När prognosen väl har hunnit ikapp har avgången redan varit felprissatt i flera dagar.

Trappstegsmodellen har samma problem

Många operatörer som inte har ett fullständigt RMS använder i stället en trappstegsmodell: priset stiger när avgången fylls. Den är enkel, förutsägbar och lätt att förklara för kunderna.

Men en trappa går bara åt ett håll. Om en avgång fylls långsammare än väntat ligger priset kvar. Systemet saknar en mekanism för att sänka priset och väcka efterfrågan. Platser förblir osålda, och avgången går halvtom till ett pris som ingen ville betala.

Samma logik gäller åt andra hållet. Om en avgång fylls snabbare än trappan räknade med fick de som bokade tidigt ett för lågt pris. Intäkter som kunde ha tagits hem gick förlorade, eftersom trappan inte visste att efterfrågan skulle bli så stark.

Att anpassa sig går snabbare än att förutsäga

Alternativet är ett system som slutar försöka förutsäga hur efterfrågan blir och i stället reagerar på hur den faktiskt är.

När en avgång börjar fyllas snabbare än vanligt höjs priset automatiskt. När bokningarna oväntat går långsammare justeras priset för att väcka efterfrågan innan det är för sent att fylla avgången. Algoritmen behöver inte veta varför efterfrågan beter sig som den gör. Den behöver bara se det och reagera.

Det är precis vad Priceff gör. Varje avgång behandlas som ett eget pristillfälle och uppdateras löpande efter bokningarna i realtid. Passagerarbiljetter och fordonsplatser prissätts var för sig, eftersom efterfrågan på dem sällan rör sig i takt. Och när något oväntat händer följer priset med direkt i stället för att vänta på nästa prognosomgång.

Vad det kostar att ligga ett steg efter

På en livligt trafikerad linje med flera avgångar om dagen blir den samlade effekten av felprissatta avgångar snabbt stor. Några procent förlorade intäkter per avgång blir en betydande summa under en hel säsong.

Frågan gäller inte om ert nuvarande system fungerar. Det gör det säkert, för det mesta. Frågan är vad det kostar er på de avgångar där det inte gör det.


Thomas Gräsbeck

Nyfiken på vad dynamisk prissättning i realtid kan göra för era linjer? Boka ett samtal på 30 minuter så visar jag.

Fler guider