Precificação dinâmica em companhias aéreas: como a IA pode remodelar a estratégia de receita

Este é um post colaborativo da Databricks e da Celebal Technologies. Agradecemos a Bala Amavasai, Diretor de Tecnologia da Celebal Technologies, por sua colaboração.  

Quando a Delta Airlines lançou um sistema de precificação baseado em IA, deu o que falar. De repente, todo mundo estava se perguntando: as tarifas vão disparar toda vez que eu atualizar a página? Isso é só um código para passagens mais caras?

Apesar de a Delta ter explicado que a ferramenta se destina ao suporte à decisão, e não à segmentação individual, ela gerou muita atenção e críticas, provocando um debate sobre a “precificação de vigilância” e o futuro das tarifas aéreas.

Este artigo é a Parte I da nossa série sobre Precificação Dinâmica em Companhias Aéreas. Nele, exploramos a evolução e os aspectos econômicos por trás da precificação das companhias aéreas. Na Parte II, vamos nos aprofundar em como a Databricks Data Intelligence Platform pode ajudar as companhias aéreas a modernizar suas estratégias de precificação por meio de IA, análise em tempo real e governança de dados unificada.

Por trás das manchetes, a verdade é que as companhias aéreas dependem da precificação para sobreviver. Para entender por que as companhias aéreas dependem tanto da precificação, primeiro você precisa analisar os aspectos econômicos do setor.

As companhias aéreas operam com margens apertadas. Os aviões são caros para comprar e manter, as operações são de capital intensivo e a concorrência mantém as tarifas baixas. Além disso, os assentos de avião são um inventário perecível com prazo de validade. Depois que as portas se fecham, aquele assento vazio é perdido. Sem liquidações. É por isso que a precificação é mais do que apenas uma alavanca para o lucro, é essencial para a sobrevivência.

Onde Tudo Começou

As companhias aéreas não inventaram a precificação dinâmica, mas foram umas das primeiras a adotá-la na prática moderna. Na década de 1980, após a desregulamentação, as companhias aéreas começaram a investir em tecnologias que podiam ajustar automaticamente as tarifas com base na demanda e no momento da compra.

Isso foi só o começo. Na última década, o avanço da IA e da ciência de dados reformulou completamente o processo. Hoje, a precificação automatizada não se limita às companhias aéreas, está em toda parte. As empresas de transporte por aplicativo são conhecidas por usar a "precificação dinâmica", que ajusta as tarifas minuto a minuto com base na demanda. Seja para um voo, um ingresso de show ou uma corrida por aplicativo, a precificação em tempo real se tornou uma característica marcante das experiências de consumo modernas.

A Escolha de um Viajante

Digamos que você esteja voando de DC para São Francisco. Você pode sair dos aeroportos Dulles, Reagan ou até mesmo de Baltimore. Cada um tem opções de voo direto ou com conexão.

Se você estiver viajando a negócios, talvez pague mais por um voo sem escalas que chegue a São Francisco até o meio-dia. Se for uma viagem de férias, você pode abrir mão de um pouco de conveniência por uma tarifa mais barata.

Nos bastidores, as companhias aéreas estão constantemente avaliando esses cenários, usando IA para decidir o valor de cada assento a qualquer momento.

O que as companhias aéreas otimizam

A precificação dinâmica não opera isoladamente, está vinculada a indicadores-chave de desempenho (KPIs) que as companhias aéreas monitoram de perto:

• Fator de ocupação: Percentual de assentos ocupados por voo; fatores de ocupação mais altos significam melhor aproveitamento da capacidade.
• RASM (Receita por Assento-Milha Disponível): uma medida da eficiência geral da receita.
• CASM (Custo por assento-milha disponível): métrica de custo operacional que as companhias aéreas buscam minimizar.
• NPS (Net Promoter Score): Um indicador da satisfação e lealdade do cliente, que equilibra a precificação com a percepção do passageiro.

Estratégias de precificação bem-sucedidas encontram um equilíbrio entre maximizar o RASM e manter boas pontuações na experiência do cliente.

O que compõe o preço que você vê

As companhias aéreas geralmente abrem as reservas com seis a onze meses de antecedência. Elas começam com uma curva de vendas alvo, um plano geral de quantos assentos devem ser vendidos em diferentes momentos antes da partida.

A IA usa essa base de referência e a ajusta em tempo real, usando sinais como:

• Procura: Quantas pessoas estão pesquisando ou reservando essa rota?
• Concorrência: O que os concorrentes estão cobrando por voos semelhantes?
• Sensibilidade do cliente: As reservas se mantêm estáveis se os preços subirem um pouco ou caem?
• Momento: a demanda de negócios geralmente atinge o pico no meio da semana, e a de lazer, nos fins de semana.
• Sazonalidade e fatores externos: clima, feriados, preços dos combustíveis e até mesmo grandes eventos.
• Comportamento digital: Carrinhos abandonados, dados de fidelidade e cliques que demonstram intenção.
• Histórico: Padrões de reserva anteriores e receitas registradas em sistemas de receita e sistemas de distribuição global (GDS).

A maioria das companhias aéreas ainda enfrenta dificuldades para reunir todos esses sinais de dados em um só lugar. Muitas dependem de sistemas de reserva legados, como mainframes, que não foram projetados para a análise moderna. Adicione a isso pipelines de dados fragmentados, limites regulatórios rígidos, e se torna incrivelmente difícil obter uma visão única e confiável da demanda, da concorrência ou do comportamento do cliente. E mesmo quando os dados estão disponíveis, arquiteturas multi-hop e problemas de qualidade de dados introduzem latência suficiente para tornar os ajustes de preços em tempo real um desafio.

Juntos, esses inputs criam mais do que apenas um preço. Elas criam uma estratégia que muda constantemente, às vezes de um dia para o outro, às vezes de hora em hora.

A visão dos líderes de receita

Para um Diretor de Receita (CRO) ou Vice-presidente Sênior de Gestão de Receita, essa tarifa variável não é apenas um número. É o leme financeiro da companhia aérea.

Cada pesquisa, cada escolha de reserva, se torna um sinal de dados que alimenta decisões mais amplas: a rede está sendo monetizada de forma eficiente? As margens de lucro estão sendo protegidas contra o aumento dos custos com combustível ou mão de obra? A participação de mercado em hubs estratégicos está sendo defendida?

A IA transforma esses sinais em inteligência para que os líderes possam tomar decisões. A pergunta muda de “Qual preço venderá este assento?” para “Como essa decisão afeta o RASM, compensa o CASM, melhora minha pontuação NPS e molda a lucratividade a longo prazo?”

É aqui que o julgamento entra:

• As tarifas devem ser reduzidas para aumentar o fator de ocupação ou mantidas para proteger o rendimento?
• O preço para passageiros e cargas deve ser equilibrado de forma diferente para maximizar a lucratividade da aeronave?
• Com que rapidez a companhia aérea deve responder quando os concorrentes otimizam suas tarifas?

A IA não substitui essas escolhas. Pelo contrário, isso os fortalece. Ela fornece aos líderes as ferramentas para antecipar a demanda, detectar a elasticidade e responder instantaneamente, ao mesmo tempo em que alinha cada decisão com objetivos financeiros mais amplos.

Nessa perspectiva, a precificação dinâmica não se trata de extrair alguns dólares a mais dos viajantes. Trata-se de garantir que cada voo, cada rota e cada mercado contribuam para a saúde financeira da companhia aérea.

Analisando o cenário geral

A precificação dinâmica não tem como objetivo explorar cada viajante. O objetivo é garantir que os aviões voem com lucro e, ao mesmo tempo, dar mais opções aos passageiros. Às vezes, isso significa pagar menos se você tiver flexibilidade; em outras, pagar mais pela comodidade.

Para as companhias aéreas, a precificação com IA não se trata apenas de vender assentos. Trata-se de manter o negócio funcionando em um dos setores mais difíceis que existem. E, sinceramente, estamos apenas arranhando a superfície.

Em nosso próximo artigo, vamos analisar a fundo a arquitetura técnica de um mecanismo de precificação dinâmica, explorando como pipelines de dados, modelos de IA e sistemas de decisão em tempo real trabalham juntos na Databricks Data Intelligence Platform para manter os aviões cheios e as companhias aéreas lucrativas.

(This blog post has been translated using AI-powered tools) Original Post