Amadeus Nevio modernise la gestion des revenus des compagnies aériennes

Amadeus IT Group lance son système Nevio, conçu pour transformer la gestion des revenus des compagnies aériennes dans le paysage de la distribution moderne. Cette évolution vise à permettre des stratégies de tarification et d'offres plus flexibles et centrées sur le voyageur, grâce à l'intelligence artificielle (IA) et au machine learning (ML).

Les besoins des compagnies aériennes ont évolué avec la transition vers une distribution moderne. Selon un rapport d'Amadeus, 34 % des compagnies aériennes considèrent la modernisation de leurs stratégies de gestion des revenus comme une priorité technologique majeure. Nevio a pour objectif de maximiser la contribution des voyageurs au chiffre d'affaires en fournissant des prévisions de demande précises et en exploitant la sensibilité aux prix des clients.

Le système marque un passage des approches traditionnelles centrées sur le vol à une approche centrée sur le voyageur. Cela implique un changement des classes de réservation statiques et des tarifs enregistrés vers des offres optimisées qui sont continuellement créées et tarifées. Les compagnies aériennes sont encouragées à adopter des architectures plus flexibles pour répondre aux besoins dynamiques du marché et vendre leurs offres à des prix souhaités.

Amadeus a précédemment introduit des techniques telles que l'ajustement actif des prévisions (AFA), qui aide les compagnies aériennes à s'adapter rapidement aux changements de la demande du marché. Un projet pilote avec SAS a montré que l'AFA améliorait considérablement la précision des prévisions. Dans le marché actuel, caractérisé par une demande plus saisonnière et spontanée, cette adaptabilité est cruciale pour le développement des stratégies de tarification.

À l'avenir, Amadeus se concentrera sur l'intégration de l'IA et de la science des données dans la gestion des revenus. L'entreprise souligne l'importance d'une approche hybride combinant le machine learning avec l'expertise humaine. Cette méthode améliore l'efficacité des données, la fiabilité et la transparence des modèles d'IA. L'optimisation des prix basée sur le contexte de chaque session d'achat permet de fournir des offres plus personnalisées et pertinentes aux voyageurs individuels.