Những nhà nghiên cứu cho biết, khi các hãng hàng không bắt đầu giải quyết vấn đề chi phí cho những chuyến bay và dịch vụ bổ trợ vào năm 2008, nhiều khách hàng đã nhận ra đây là một chiến thuật nhằm mang đến những chiếc vé cơ bản có giá thấp và sau đó hãng hàng không bổ sung thêm các khoản thu thêm để tăng lợi nhuận. Trong một nghiên cứu mới, các nhà nghiên cứu sử dụng phương thức “unbundling” (tách nhỏ gói sản phẩm dịch vụ) để đáp ứng nhu cầu của khách hàng, đồng thời tối đa hóa doanh thu hàng không, với các mô hình định giá thông minh mang tính cá nhân hóa, được cung cấp trong thời gian thực như một cửa hàng thật sự. Kết quả của nghiên cứu được trình bày tại Hội nghị về Khám phá tri thức và khai thác dữ liệu tại Anchorage, Alaska.

Theo giới nghiên cứu, các hãng hàng không hiện đang hoạt động trên một biên lợi nhuận rất mỏng. Mặc dù các hãng cũng kiếm được một phần đáng kể doanh thu khi khách hàng mua những sản phẩm bổ trợ, nhưng việc sử dụng “unbundling” lại có thể mang đến cơ hội tiết kiệm chi phí cho khách hàng. Khách hàng không phải trả tiền cho những thứ họ không cần và mức giảm giá cũng được áp dụng cho những khách hàng có thể mua thêm những sản phẩm dịch vụ bổ trợ.

Bà Lavanya Marla, giáo sư về kỹ thuật hệ thống và doanh nghiệp cùng với các đồng tác giả cho biết: “Hầu hết các hãng hàng không cung cấp cho mọi khách hàng cùng một mức giá cho một túi hành lý được checkin. Tuy nhiên, không phải mọi khách hàng đều có cùng nhu cầu đi lại với cùng mức ngân sách. Với trí tuệ nhân tạo, chúng tôi có thể sử dụng thông tin được thu thập trong khi khách hàng mua sắm để dự đoán một mức giá mà họ sẽ cảm thấy thoải mái”.

Giáo sư Lavanya Marla và các đồng sự nghiên cứu về sử dụng trí tuệ nhân tạo để thiết kế một mô hình định giá tùy chỉnh cho khách hàng của những hãng hàng không. (Ảnh: techxplore).

Cũng theo các nhà nghiên cứu, để đạt được điều này, những mô hình định giá sử dụng kết hợp các kỹ thuật trí tuệ nhân tạo như máy tự học và mạng lưới thần kinh nhân tạo để theo dõi và chỉ định mức độ nhu cầu theo sở thích đi máy bay của từng khách hàng. Những mô hình này xem xét các yếu tố giá khác nhau như nguồn gốc chuyến bay, điểm đến, thời gian di chuyển và thời gian của chuyến đi để gán giá trị tương ứng theo yêu cầu. Giáo sư Marla nhận xét: “Ví dụ, một khách hàng đi du lịch trong một vài ngày có thể thiếu động lực để trả tiền cho một túi hành lý được checkin. Nhưng, nếu bạn giảm giá cho hành khách với mức giá phù hợp, nơi mà sự tiện lợi vượt xa chi phí, bạn có thể hoàn thành việc bán sản phâm bổ trợ đó  thành doanh số bán hàng. Điều đó tốt cho khách hàng và tốt cho hãng hàng không”.

Với công trình nghiên cứu của mình, nhóm Đại học Illinois và tổ chức Deepair Solutions đã hợp tác với một hãng hàng không châu Âu trong khoảng 6 tháng để thu thập dữ liệu và thử nghiệm mô hình của họ. Deepair Solutions là một công ty trí tuệ nhân tạo phục vụ ngành công nghiệp du lịch. Công ty có trụ sở tại London và có văn phòng tại Dallas. Khi đang mua sắm, khách hàng đăng nhập vào trang định giá mà khách hàng được mời mua các sản phẩm dịch vụ bổ trợ với mức giảm giá được dự tính trước. Ông Kartik Yellepeddi, đồng sáng lập của tổ chức Deepair Solutions và các đồng sự cho biết: “Chúng tôi bắt đầu dự án bằng cách giảm giá theo mô hình trí tuệ nhân tạo cho 5% khách hàng đã đăng nhập vào. Hãng hàng không sau đó cho phép chúng tôi điều chỉnh tỷ lệ phần trăm này, cũng như thử nghiệm các kỹ thuật trí tuệ nhân tạo khác nhau được sử dụng trong các mô hình của chúng tôi, để có được một bộ dữ liệu mạnh mẽ. Hãng hàng không bắt đầu thấy sự gia tăng trong chuyển đổi doanh thu bổ trợ cho mỗi khách hàng và cho phép các nhà nghiên cứu giảm giá cho tất cả các khách hàng đã đăng nhập. Do tính chất độc đáo của giá cả được cá nhân hóa, chúng tôi đã xây dựng mức độ công bằng và riêng tư cao cho các mô hình của mình. Có một mức giá tối đa không được vượt quá và chúng tôi không theo dõi những thông tin nhân khẩu học của khách hàng như thu nhập, chủng tộc, giới tính, v.v., chúng tôi cũng không theo dõi một khách hàng nào trong nhiều lần truy cập vào một trang web bán hàng. Mỗi lần truy cập lặp lại được xem như một khách hàng riêng biệt”.

Với sự gia tăng trong chuyển đổi bán sản phẩm bổ trợ giúp cho doanh thu bổ trợ trên mỗi ưu đãi tăng lần lượt 17% và 25%. Nhóm nghiên cứu cho biết trí tuệ nhân tạo có thể giúp ngành hàng không thoát khỏi khái niệm “khách hàng trung bình” và làm quen với khái nhiệm “cá nhân hóa khách hàng du lịch”. Giáo sư Marla kết luận: “Trong những năm gần đây, ngành hàng không đã cảm thấy rằng họ đang có vé chưa giữ được sự liên lạc kết nối cần thiết với cơ sở khách hàng của mình. Ngành hàng không đang mong muốn tìm ra những cách mới để đáp ứng nhu cầu của khách hàng và duy trì lòng trung thành của khách hàng”.

Chi tiết xem tại đây.

Theo Techxplore