定价与收益最优化管理 – 迪士尼成功背后的大数据分析

简介:

当你听到迪士尼这个名字的时候你第一时间会想到什么?米老鼠?大白?迪斯尼乐园?如果你是一个商人的话你可能会首先想到迪士尼强大的品牌公认力和它长久以来的受欢迎程度。也许很少有人会立刻联想到商业数据分析这一点,但这恰恰正是迪士尼保持成功的一个秘密—— 将数据分析与定价及收益优化管理应用在它的整个商业战略决策中



上个月,迪士尼主题乐园和度假区负责收益管理的高级副总裁Mark Shafer在多伦多进行了一场有关大数据分析引领商业决策的演讲,揭秘了迪士尼如何利用海量客户数据和定价分析来保持迪士尼的蓬勃发展。Mark的商业数据分析团队如今已经超过了140人,并且还在逐渐扩大。从数据整合,到模型分析,再到策略实施,这支团队坐落在迪士尼主题乐园和度假区内,却在定价、销售、营销和收益管理等方面为迪士尼的全部业务提供数据分析支持。这些业务除了主题乐园和度假酒店外,还包括动画电影,电视网络(美国广播公司ABC,迪士尼频道,迪士尼XD频道,迪士尼电子游戏等),音乐戏剧,游轮专线等。



Mark在演讲中用“狮子王”百老汇演出的成功作为例子,重点强调了数据分析对于迪士尼起到的重要影响。尽管剧场相对较小,演出时间也不够长,“狮子王”却是截止到现在总收入最多的百老汇演出。这是如何实现的呢?“狮子王”这个广泛的知名度和受众度是一个原因,但另一原因却是动态定价模式——更广泛来说又被称为定价与收益最优化管理。

前定价与收益最优化管理时代


众所周知,盈利是由价格和成本决定的。


单位盈利(Profit=单位价格(Price-单位成本(Cost


保持单位价格不变,单位成本越低,利润越高。同样的,如果成本固定,从理论上来说,价格越高的企业盈利自然越高。然而,由于各个行业及市场的竞争性不同,很多企业制定的价格往往出现价格过高销量惨淡,或者价格偏低失去了本该获得的利润,甚至造成了市场资源浪费的状况。


拿零售业的换季销售与清仓甩卖为例,销售总监的计划是在10周内将春季剩余的货物清仓处理掉。这时候如何选择减价的时机与幅度就是定价分析和优化可以解决的问题。现实中人们往往急于减价甩卖,大幅的降价使得10周的任务5周就完成并还对着空空的货架沾沾自喜,殊不知白白损失掉了大笔的收益。


酒店住宿预订的例子也极其类似,酒店管理者们能领会到要根据不同季节不同时间段调整各个房型的房价,但是传统的管理者靠的是经验和直觉,而不是基于需求预测来确定房价。例如,一家酒店的经理将客房从128元降至78元,在短时间内会给酒店带来大量的客源,入住爆满,但其实这样并不明智。首先,客房数量有限(假设有30间客房,且简单起见每间价格都一样),大幅的降价带来的是超过自身接待能力的需求,也许降价至98元也刚好能客满,这样就无形中每天亏损了(98-78)x30=600元的利润。其次,降价吸引的大部分是对价格非常敏感的客户,今后一旦酒店再从78元涨回正常价格128元,这些客户极有可能会因为接受不了而流失。


除了降价来刺激需求,多数的企业还倾向于采取不断降低自身生产成本的策略。虽然如此,但成本降得再低也是有一定瓶颈的,于是人们开始从方程的另一个维度寻求解决之道。海量大数据的产生,为更精准的价格预测分析,收益最优化管理及商业决策提供了有力帮助。


定价与收益最优化管理


定价与收益最优化管理是通过理解预测消费者的行为,区别定价,控制供给,并随时根据实时需求来重新优化的过程来实现收益最大化。这一理论最初是从80年代的航空业兴起的。1978年美国联邦政府取消了对航空票价及市场准入的管制,随后新的航空公司就不断依靠低运营成本来打出超低价机票吸引客户涌入市场,使得各家航空公司竞争日趋激烈。这也迫使了航空行业更急于寻觅更加有效的销售及定价策略,于是定价与收益优化管理理论应运而生。这一理论也随着电子商务时代可利用的客户数据越来越多而迅速发展,并逐渐延伸应用到运营环境非常相似的酒店行业。


回到迪士尼“狮子王”百老汇演出的票务动态定价问题,Mark的团队设计的这个定价系统一共分为了这么几个步骤:

· 根据过往15年来票房收入的趋势预估每场演出的票房需求,得出需求价格公式,并界定合理的价格范围。

· 由剧场大小和地形来划分区域,根据座位限制、票价档数和需求价格公式来得出最优化的票价。

· 开放售票后,再实时观察票房表现来调整价格。


未来趋势


在新的定价理论与收益最优化管理体系中,价格超过了如销量、固定成本、可变成本等其他变量,排在了影响利润的诸多因素的第一位。针对不同客户群体和客户需求来制定更适合的价格已经成为了收益最优化的必需策略。比如苹果公司的iPhone,不同内存容量的手机成本差距不会超过100元,但是价格差距却在800元左右。国外各种软件和App应用也会特意下功夫删减豪华版的功能来推出一个超低价的普通版本或学生版本。类似的,很多国际航空公司已经通过对消费者偏好及需求数据分析,将票价从传统的三种(头等舱,商务舱,经济舱)再细分为九种甚至更多,于是你发现即便在飞机上同一排,靠窗的座位要比中间的座位贵几十美金,而靠过道的座位又比靠窗的座位贵上几十美金。



现在,越来越多的企业已经意识到并开始重视利用定价分析等相关策略来准确定位市场,加上动态分析和收益最优化管理做到实时监控,力争在每个渠道范围,对各个客户群体都能有针对各个产品的精准定价。


原文发布时间为:2015-03-20

本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号

相关文章
|
1月前
|
数据可视化 搜索推荐 大数据
基于python大数据的北京旅游可视化及分析系统
本文深入探讨智慧旅游系统的背景、意义及研究现状,分析其在旅游业中的作用与发展潜力,介绍平台架构、技术创新、数据挖掘与服务优化等核心内容,并展示系统实现界面。
|
2月前
|
数据采集 人工智能 分布式计算
ODPS在AI时代的发展战略与技术演进分析报告
ODPS(现MaxCompute)历经十五年发展,从分布式计算平台演进为AI时代的数据基础设施,以超大规模处理、多模态融合与Data+AI协同为核心竞争力,支撑大模型训练与实时分析等前沿场景,助力企业实现数据驱动与智能化转型。
301 4
|
2月前
|
存储 分布式计算 大数据
MaxCompute聚簇优化推荐功能发布,单日节省2PB Shuffle、7000+CU!
MaxCompute全新推出了聚簇优化推荐功能。该功能基于 31 天历史运行数据,每日自动输出全局最优 Hash Cluster Key,对于10 GB以上的大型Shuffle场景,这一功能将直接带来显著的成本优化。
164 3
|
2月前
|
JSON 大数据 API
巧用苏宁易购 API,精准分析苏宁易购家电销售大数据
在数据驱动的电商时代,精准分析销售数据能助力企业优化库存、提升营销效果。本文详解如何利用苏宁易购API获取家电销售数据,结合Python进行数据清洗与统计分析,实现销量预测与洞察提取,帮助企业降本增效。
78 0
|
2月前
|
数据采集 搜索推荐 Java
Java 大视界 -- Java 大数据在智能教育虚拟学习环境构建与用户体验优化中的应用(221)
本文探讨 Java 大数据在智能教育虚拟学习环境中的应用,涵盖多源数据采集、个性化推荐、实时互动优化等核心技术,结合实际案例分析其在提升学习体验与教学质量中的成效,并展望未来发展方向与技术挑战。
|
1月前
|
存储 SQL 分布式计算
终于!大数据分析不用再“又要快又要省钱”二选一了!Dataphin新功能太香了!
Dataphin推出查询加速新功能,支持用StarRocks等引擎直连MaxCompute或Hadoop查原始数据,无需同步、秒级响应。数据只存一份,省成本、提效率,权限统一管理,打破“又要快又要省”的不可能三角,助力企业实现分析自由。
153 49
|
1月前
|
存储 SQL 分布式计算
MaxCompute 聚簇优化推荐原理
基于历史查询智能推荐Clustered表,显著降低计算成本,提升数仓性能。
196 4
MaxCompute 聚簇优化推荐原理
|
1月前
|
存储 并行计算 算法
【动态多目标优化算法】基于自适应启动策略的混合交叉动态约束多目标优化算法(MC-DCMOEA)求解CEC2023研究(Matlab代码实现)
【动态多目标优化算法】基于自适应启动策略的混合交叉动态约束多目标优化算法(MC-DCMOEA)求解CEC2023研究(Matlab代码实现)
|
1月前
|
数据采集 数据可视化 关系型数据库
基于python大数据的电影数据可视化分析系统
电影分析与可视化平台顺应电影产业数字化趋势,整合大数据处理、人工智能与Web技术,实现电影数据的采集、分析与可视化展示。平台支持票房、评分、观众行为等多维度分析,助力行业洞察与决策,同时提供互动界面,增强观众对电影文化的理解。技术上依托Python、MySQL、Flask、HTML等构建,融合数据采集与AI分析,提升电影行业的数据应用能力。
|
1月前
|
大数据 数据挖掘 定位技术
买房不是拍脑袋:大数据教你优化房地产投资策略
买房不是拍脑袋:大数据教你优化房地产投资策略
101 2

热门文章

最新文章