I sistemi di Revenue Management utilizzano la correlazione di dati con lo scopo di supportare le decisioni di vendita. Nei sistemi più avanzati vengono implementati modelli matematico-statistici per l’elaborazione delle previsioni e quando si parla di matematica e statistica, si sa, non c’è spazio per le opinioni.
Un sistema matematico è in grado di elaborare previsioni esatte a fronte di un input dati completo e corretto. Se, tuttavia, la base dati che alimenta gli algoritmi responsabili del suggerimento tariffario è composta da dati insufficienti e oltretutto errati, che risultato dovremmo aspettarci da questa funzionalità?
Un sistema in grado di suggerire una tariffa deve essere in grado di dare un buon consiglio almeno 9 volte su 10!
Voi accettereste un consiglio da un sistema che invece sbaglia 9 volte su dieci?
Immaginiamo un navigatore satellitare che 9 volte su dieci mi indica un itinerario errato: le conseguenze in termini di perdita di tempo e soldi sarebbero esagerate. Sfido chiunque a dimostrarmi che mi sbaglio.
La tariffa consigliata in realtà è un’opinione, un modello matematico che pretende di dimostrare l’indimostrabile.
E poi mi chiedo: in nome di quale ragione si pretende di essere in grado di consigliare la tariffa di vendita pubblica se i meccanismi che sorreggono il motore della distribuzione del prodotto turistico sono inconoscibili? Divinazioni!
Per essere in grado di consigliare la giusta tariffa dovremmo poter descrivere l’evoluzione della domanda per ogni albergo, istante per istante. Ma questa evoluzione si nutre anche di cambiamenti prodotti dall’evoluzione stessa. È un sistema che non ha soluzione analitica. Ci sono troppi parametri liberi, arbitrari che vanno dunque ad alimentare modelli matematici non propriamente attendibili.
Quindi, perché c’è chi sostiene di riuscire a elaborare la tariffa consigliata? Siamo sicuri che sia proprio questo il futuro del Revenue Management?