本文是关于基于客户偏好优化航空公司辅助包的三部分系列文章的最后一篇。在第1部分中,我们讨论了数据收集和客户细分方法。在第2部分中,我们遇到了旅行者Caroline,并了解了如何使用推荐和提供引擎向她提供一套个性化的服务,她从这些服务中找到了一个理想的捆绑包,准备和她的男朋友去西班牙旅行一周年。

在本节中,我们将介绍使用实验引擎为辅助捆绑包提供“测试和学习”框架,这将进一步提高我们的营销效果,确保旅行者获得既符合他们偏好又具有竞争力的价格。

实验发动机

消费者的期望和市场环境会变化,因此拥有能够自动适应变化环境的自学习工具是很有用的。强化学习技术通常都是为了这个目的而使用——这意味着人工智能被置于类似于游戏的情境中,在这种情境中,它会因为某些行为而获得奖励(或惩罚)。具体来说,Sabre Labvwin电竞投注s在使用多臂bandit (马伯)实验方法。简单地说,这是经典的A/B测试方法的替代方法,即AI不断地将精力集中在能够产生积极结果的行动上。这个名字来自于赌场的老虎机,赌客投下一枚硬币,拉动杠杆(或手臂),然后得到回报(或不得到回报)。在“多臂强盗”方法中,赌徒同时玩几台老虎机——有多种“杠杆”,每一种都产生不同的成功可能性,利用机器学习,我们可以缩小哪一种杠杆带来最高的回报。

多臂土匪实验方法有多种不同的商业用途。首先,它可以作为自动化框架的一部分使用;一个例子是Sabre的推荐系vwin电竞投注统,它会自动分配实验,观察结果,并随着时间的推移使用结果来提高模型生成的推荐的质量。其次,零售商可能会决定进行一次性实验,以帮助回答以下商业问题:

  • “在这个市场上,产品的最佳价格是多少?”
  • “我的产品的文字描述最适合某些客户类型或销售渠道?”
  • “什么样的产品图像或配色方案为这些项目和客户类型提供了最高的对话率?”

在Savwin电竞投注bre,我们使用这些受控的实验方法来微调价格和内容,以动态生成优惠,并且模型将自动转向客户细分的最佳表现优惠。让我们假设一个旅行者,卡洛琳,她最终选择了一个包括零食和饮料、有更大伸腿空间的座位和优先登机的服务:很可能这个服务在其他被认为与卡洛琳在单药环境下相似的旅行者中表现得很好。

下图说明了随着时间的推移,这些算法学习哪些内容是表现最好的以及如何multi-armed强盗自适应方法与传统的A / B测试:很明显,可能与持续改进使用马伯,我们得到可靠的见解更快而消耗更少的资源选择收益率较低的回报。

改编自:Frosmo2017年,乔尼·图鲁宁(Joni Turunen)的《多武装强盗》(Multi-Armed Bandit)

其他应用程序

在本节中,我们将讨论两种值得注意的策略:预订后预订/交叉销售活动和一种称为“市场适应定价”的动态定价形式。

在最初的销售环节中提供实时促销的另一种选择是让客户进行首次预订,然后通过电子邮件进行跟进,并通过单抗方法对销售效果进行审查。因此,卡洛琳的预订可能会触发一封电子邮件,让她有机会说出她愿意支付多少钱来升级座位到更高的舱位(因为这是与她过去经常购买的舱位相当的服务)。

一个相关的(非常令人兴奋的)改进报价管理解决方案的机会是适应市场的动态定价。这些系统使用流(或实时)数据源,包含当前市场状况的信息(如Sabre低价搜索购物数据),结合客户选择模型,在持续的基础上监控和优化竞争定位。vwin电竞投注在计算项目吸引力时,考虑传统机票价格和时间表的商业工具已经存在。vwin电竞投注Sabre动态可用性)。然而,我们有很大的机会扩展这些工具,同时考虑辅助道具的吸引力和价格,从而进一步个性化体验,提供更具竞争力的优惠。这一领域的研究正在进行中,并将作为新的发行标准(如国际航空运输协会NDC)得到更广泛的采用。

结论

以客户为中心的一个关键是,能够在正确的时间以正确的价格向正确的客户提供正确的产品或捆绑服务,这是基于明确的和已显示的客户偏好的。在销售流程生命周期中,理解这些偏好并对客户请求产生针对性的响应是新的现实。为了产生真正与客户产生共鸣的有针对性的服务,需要在数据基础设施和高级分析方面进行大量投资。然而,我们相信,这个机会至少同样重要,因为这些数据可以让我们更好地了解消费者的行为和偏好,并通过有针对性的提供确保重复的、有利可图的客户,从而增加增量收入。