Galactic Air precificava complementos por comprador, mas apenas abaixo do preço humano

As companhias aéreas ganham cada vez mais dinheiro com serviços auxiliares, mas muitas ainda precificam bagagens, assentos e extras com base em regras estáticas voltadas a grupos médios de clientes. Isso ignora o contexto de cada sessão de compra.

A Deepair e uma grande companhia aérea europeia, anonimizada como Galactic Air, testaram uma abordagem diferente: preços dinâmicos personalizados com base em características do voo e da sessão do cliente. O modelo não tinha liberdade total; suas ofertas precisavam permanecer abaixo do preço curado manualmente para o mesmo grupo de clientes.

Essa restrição é a parte elegante. Ela transformou o aprendizado de máquina em um mecanismo controlado de descontos, em vez de uma máquina opaca de elevação de preços, tornando o teste A/B online mais fácil de aceitar.

Ao longo de seis meses de implementação em produção, o sistema aumentou a receita de serviços auxiliares por oferta em 25% e a conversão em 15% em comparação com preços baseados em regras curados manualmente.

Personalizar preços com uma salvaguarda de equidade

Mudou a precificação de serviços auxiliares de médias por segmento para ofertas específicas por sessão.

O teto abaixo do preço manual limitou o risco reputacional e de atendimento ao cliente.

O teste A/B em produção mediu o efeito em relação ao processo de precificação existente da companhia aérea.

Melhorou a conversão e a receita ao mesmo tempo, sugerindo que os preços antigos eram frequentemente rígidos demais.

A precificação dinâmica se implanta com mais segurança quando inclui uma salvaguarda de negócio. Um otimizador com teto pode aprender onde a regra antiga é alta demais sem criar novos picos de preço.

O artigo publicado em 2022 relata que os modelos de melhor desempenho entraram em produção no sistema de reservas da companhia aérea por seis meses, elevando a receita por oferta em 25% e a conversão em 15% em relação ao processo baseado em regras vigente.