Slik bruker SAS algoritmer til å finne ut hvor mye du vil betale for sete­reservering

Både lengden til reisen, booking-tidspunktet og ukedagen er faktorer som kan være med på å bestemme hvilken pris SAS tar for en setereservasjon.

Det er resultatet av et analyseverktøy som flyselskapet har implementert for å tilby mer persontilpassede priser til kundene – og dermed tjene mer penger.

I 2016 satte SAS seg som mål å fordoble såkalt ancillary revenue (hjelpeinntekter) altså inntekter som ikke kommer fra salg av flybilletter – i 2020. En av kildene til ancillary revenue er det gebyret som kunder kan betale for å reservere et spesifikt sete når de bestiller flybilletten sin. Men i 2017 risikerte SAS å bomme på selskapets målsetning for inntekter fra setereserveringer.

Derfor kastet SAS seg på Accenture Amadeus Alliance – et leverandørsamarbeid som er rettet mot flybransjen.

«Målet med prosjektet, var å hjelpe til med å forbedre ancillary revenue gjennom prissetting basert på en underliggende analytisk tilgang,» skriver Practice Lead Michael Kanacher hos Amadeus i en e-post til DataTech.

«Fra et data science-synspunkt er det både tradisjonelle optimeringsmetoder og AI-algoritmer som kan løse den oppgaven.»

MIT-algoritme

I en 12 uker lang utviklingsperiode satte SAS, sammen med Accenture Amadeus, seg fore å forstå hvilke parametere som potensielt påvirker om en kunde vil betale for en setereservasjon.

Faktorer som lengden på flyreisen, reisedag, billettpris, samt hvor lang tid på forhånd billetten ble booket, ble gjennomgått av prosjektgruppen for å avgjøre hvordan de hver for seg påvirker kundens kjøpelyst. Til dette formålet benyttet Accenture Amadeus en maskinlærings-algoritme med navnet «Contextual Treatment Selection» (CTS).

CTS-algoritmen er utviklet gjennom et samarbeid mellom Accenture og Massachusetts Institute of Technology (MIT), hvor forskere har dokumentert potensialet i algoritmen til nettopp denne formen for prissetting.

I en forskningsartikkel fra 2017 introduserte MIT-forskere CTS-modellen som en sammensetning av beslutningstrær, og demonstrerte hvordan algoritmen kan øke inntektene fra nettopp setereservasjoner betydelig i forhold til for eksempel en fast pris.

Hemmelig oppskrift

Michael Kanacher kaller arbeidet med algoritmen for selskapets «hemmelige ingrediens», men understreker at dette ikke er den vanskelige delen av prosjektet.

– Utfordringen med data science-prosjekter som disse er vanligvis ikke algoritme-delen, men anvendeligheten av tilnærmingen til forretningsproblemet, forklarer han.

Under arbeidet har dataekspertene måttet balansere modellens forventede ytelse med kompleksiteten – både i forhold til å gjøre modellen forståelig for bedriften og gjøre den enkel å implementere, bemerker Michael Kanacher.

– Grovt sagt ville en mer kompleks modell normalt gi en høyere forventet gevinst, men den kommer på bekostning av å være enkel å tolke for bedriften og enkel å legge inn i produksjonen, forteller han.

– Å finne den rette balansen og forklare analyseresultatet på en måte som bedriften forstår og føler seg komfortabel med, er den virkelige kunsten innen data science – spesielt i en kundeservice-sammenheng.

Denne vanskelige balansen ble utviklet, diskutert og avtalt i samarbeid med SAS sine egne eksperter, opplyser Michael Kanacher.

Etter det 12 uker lange utviklingsprosjektet implementerte SAS 11 nye prissettingsregler, som på bakgrunn av analysen skal fastsette den mest optimale prisen i forskjellige situasjoner. På tre måneder ga dette en økning på 14,5 prosent i inntekter fra setereserveringer på flyturer i Europa, går det fram av en case-beskrivelse.

Artikkelen har tidligere vært publisert på Datatech. Datatech tilhører Teknologiens Mediehus.