Uber et Airbnb - Gestion des revenus et parallèles avec l'industrie du ski

Jul 26 2016

Uber et Airbnb – Gestion des revenus et parallèles avec l’industrie du ski

par

Kathryn Quinn

La gestion des revenus est essentiellement la pratique consistant à modifier le prix d’un produit afin de maximiser les revenus. Il est courant dans le secteur du transport aérien et de l’hébergement, mais on commence à l’observer dans divers autres secteurs tels que le sport et le commerce de détail.

Uber et AirBnB sont deux entreprises bien connues dans tout le pays, mais elles en sont à des stades différents dans leur approche de la gestion des revenus. Uber augmente ses tarifs pour les périodes de forte demande, déclarant sur son site : “Notre objectif est d’être aussi fiable que possible en vous mettant en relation avec un chauffeur chaque fois que vous en avez besoin. En période de forte demande, le nombre de conducteurs avec lesquels nous pouvons vous mettre en relation devient limité. Par conséquent, les prix augmentent pour encourager davantage de chauffeurs à se libérer.” [AirBnB ne peut pas contrôler le prix d’une annonce individuelle, mais a récemment mis au point un outil qui donne aux hôtes des conseils sur les prix sur leur site. “Nous avons développé un modèle mathématique qui apprend la probabilité qu’un invité réserve une annonce spécifique, à des dates spécifiques, à une gamme de prix différents. Il utilise différents types d’informations, notamment votre type d’annonce, sa localisation, votre prix actuel, votre disponibilité et la distance qui sépare chaque date disponible.”[2]

Si l’on considère l’industrie du ski, il existe de nombreux parallèles entre les industries de l’hébergement (AirBnB) et du transport (Uber), dans la mesure où toutes trois gèrent une demande très variable et ont des coûts variables limités. En éclairant ces parallèles, j’espère apporter plus de clarté sur la façon dont l’industrie du ski peut utiliser la gestion des revenus et plus particulièrement sur la façon dont Liftopia s’intègre dans ce tableau.

L’algorithme de tarification des surcharges d’Uber

Au niveau le plus basique, le programme de prix de pointe d’Uber est un cours d’économie de base. Lorsque la demande est plus élevée en raison d’un concert, du mauvais temps, d’un jour férié, etc., la courbe de la demande se déplace vers la droite.

Dans un marché libre, les fournisseurs augmenteraient leurs prix pour refléter l’augmentation de la demande, ce qui se traduirait par un prix et une quantité plus élevés à l’équilibre (P1 > P, Q1 > Q). Le graphique ci-dessus suppose qu’il n’y a pas de changement dans l’offre, alors que l’argument d’Uber est qu’en augmentant ses tarifs lors des poussées de la demande, il incite davantage de conducteurs à prendre la route. Cela représenterait une augmentation de l’offre, comme le montre le graphique ci-dessous.

Photo-4

En réagissant rapidement à l’évolution de la demande, Uber est en mesure d’offrir aux utilisateurs un meilleur rapport qualité-prix, tout en veillant à ce que les chauffeurs disposent d’un nombre suffisant de courses pour que cela vaille la peine de conduire. Mais alors qu’Uber peut réellement modifier l’offre (le nombre de voitures en circulation), les stations de ski ont peu de possibilités d’influer sur leur offre (une station ouverte ou fermée). Ceci est confirmé par Bill Gurley, membre du conseil d’administration d’Uber, qui déclare : “Avec les hôtels, les avions et les voitures de location, l’offre est relativement fixe. On ne peut pas construire plus de chambres pour le réveillon du Nouvel An, puis les démonter”[3].

Comme les stations de ski ne peuvent pas modifier leur offre pour répondre à la demande, elles sont limitées à l’amélioration des conditions pour attirer les clients (damage, fabrication de neige, etc.) et/ou à la modification de leurs prix. Une chose qu’Uber a constatée, et à laquelle on s’attendrait dans n’importe quelle industrie, c’est que l’augmentation des prix diminue la quantité demandée. La question est de savoir de combien.

L’élasticité des prix est la relation entre la quantité demandée et le prix, ce qui signifie que si vous augmentez le prix de X dollars, vous pouvez vous attendre à ce que la quantité demandée diminue de Y unités. Si un produit est élastique par rapport au prix (comme Uber), cela signifie qu’une petite variation du prix a un effet spectaculaire sur la quantité demandée. Les stations de ski ont une demande à la fois élastique et inélastique, les périodes de pointe étant moins affectées par les changements de prix que les périodes creuses. C’est là que la tarification dynamique entre en jeu. Les plans tarifaires de Liftopia sont construits de telle manière qu’ils permettent aux stations de générer des revenus supplémentaires grâce à des augmentations de prix stratégiques, tout en offrant une protection contre une augmentation trop rapide des prix sur des dates très élastiques.

Ce graphique montre que lorsque les prix augmentent (axe Y), la quantité allouée à chaque point de prix (taille des cercles) augmente. Pour ce partenaire particulier, nous voyons un prix minimum de 46,99 $ qui passe à 51,99 $ (contre un taux de fenêtre de 55 $) par incréments de 1 $. Dans le scénario où la demande d’un jour est inélastique, le fait d’allouer moins de billets dans les prix bon marché permet à ces prix de se vendre rapidement, ce qui permet d’augmenter les recettes et d’optimiser les possibilités. Si la demande est élastique, les prix augmentant d’un dollar entre deux points de prix auront moins d’effet sur la quantité demandée que s’ils étaient de plus de deux dollars.

Outils de tarification d’AirBnB

AirBnB a connu une croissance spectaculaire depuis sa création en 2008. Ils sont maintenant présents dans plus de 34 000 villes dans 190 pays[4] et dans beaucoup d’entre eux, AirBnb a considérablement perturbé l’industrie hôtelière. Si de nombreux hôtes gèrent plusieurs inscriptions sur leur site, certaines propriétés sont souvent hébergées par un seul individu ou une seule famille, et l’industrie du ski en Amérique du Nord peut être considérée de manière similaire. Les plus grands portefeuilles (Peak, Intrawest, Vail) opèrent aux côtés de collines à but non lucratif et de stations individuelles. Ces portefeuilles disposent d’une base de capital plus importante qui leur permet de fonctionner avec une complexité accrue, tandis que des limitations peuvent restreindre une station plus petite à un fonctionnement simple. La gestion des recettes est un exemple de restriction.

La gestion des recettes dans le secteur de l’hôtellerie et de la restauration a vu le jour avec American Airlines, à la suite de la loi sur la déréglementation des compagnies aériennes de 1978. En proposant des billets à prix réduit en échange de leur caractère non remboursable, de la limitation de leur capacité et de l’obligation de réserver à l’avance, les compagnies aériennes ont rapidement découvert qu’elles pouvaient augmenter leurs recettes. Le secteur de l’hébergement a rapidement suivi le mouvement, car son “bien” est également périssable (date spécifique), l’offre est limitée (nombre de chambres d’hôtel) et la demande varie selon les périodes.

Au fil du temps, la gestion des revenus est devenue presque omniprésente pour les hôtels, et la quantité de données qu’ils recueillaient leur permettait d’affiner leurs techniques et d’optimiser leurs stratégies. Grâce aux progrès technologiques des années 1990 et 2000, les hôtels ont pu prévoir la demande sur la base des tendances des années précédentes et fixer plus efficacement le prix de leurs chambres. Ce sont comme les grandes entreprises du portefeuille de ski.

En revanche, les hôtes d’AirBnB ne disposent pas d’équipes de gestion des revenus, d’années de données pour éclairer les décisions, ni de postes de travail coûteux pour prévoir la demande. C’est pourquoi un certain nombre de sociétés externes ont développé des produits pour aider les particuliers à gérer la tarification de leurs annonces. Beyond Pricing est une société extérieure qui fournit un outil de conseil sur la tarification d’AirBnB. Ils analyseront les autres sites de location de vacances, la météo, les arrivées des compagnies aériennes, la saisonnalité, le jour de la semaine et les événements spéciaux. Le résultat est un calendrier avec les taux recommandés.

Photo-5

PriceLabs est un service similaire qui utilise des algorithmes d’apprentissage automatique pour prédire le prix optimal d’une annonce. Renting Your Place est une solution plus complète qui fournit non seulement des conseils sur les prix, mais aussi sur les équipements à fournir et la langue à utiliser dans votre annonce. Chacun d’entre eux prélève une petite commission sur chaque réservation AirBnB, réduisant ainsi le revenu global que perçoit un hôte, tout en promettant d’augmenter le revenu global.

Dans l’industrie du ski, de nombreuses stations utilisent un site^tiers (GetSkiTickets, Liftopia) pour atteindre un public plus large, à l’instar du public que AirBnB fournit aux hôtes. Comme nous l’avons mentionné plus haut, les hôtes (et les centres de villégiature, d’ailleurs) disposent de différents niveaux d’information, de sorte qu’utiliser les recommandations de prix de l’une des entreprises ci-dessus est similaire à un centre de villégiature cherchant des recommandations de prix auprès d’une entreprise extérieure pour les vendre sur GST ou Liftopia. Cependant, en 2015, AirBnB a publié ce qu’elle a appelé Price Tips[5], qui est un conseil sur la façon de fixer le prix des annonces pour les hôtes. Il s’agit plutôt de Liftopia ou GetSkiTickets qui recommandent une stratégie de prix pour vendre sur leurs propres sites.

Alors que les hôtes d’AirBnB deviennent plus avisés, qu’est-ce que cela signifie pour les propriétés plus traditionnelles dans l’espace d’accueil ? Au minimum, AirBnB augmente l’offre de chambres. Le Wall Street Journal estime que “Airbnb a augmenté l’offre d’hébergement de la ville d’environ 17 %” lors de la visite du pape au début de l’année[6]. [Pendant les périodes de très forte demande, les hôtes d’AirBnB contribuent à faire baisser les prix pour les clients de l’hébergement. Lorsque la demande est faible, les hôtes d’AirBnB peuvent retirer leurs annonces, ce qui a pour effet d’augmenter l’offre de logements de façon beaucoup plus modeste. Dans le vide, cela entraînerait une baisse du RevPAR (revenu par chambre disponible) des hôtels, mais ce n’est que récemment que cela s’est produit, comme le montre ce graphique pour la ville de New York[7]:

Un document de recherche de l’Université de Boston met un chiffre dessus : “En utilisant cette spécification DD, nous constatons qu’au Texas, chaque augmentation supplémentaire de 10 % de la taille du marché Airbnb a entraîné une diminution de 0,37 % du revenu des chambres d’hôtel”[8].

Conclusion

L’industrie du ski s’est longtemps considérée comme “différente” des autres industries du voyage et du transport en raison des préoccupations météorologiques. Cependant, en raison de l’imprévisibilité des conditions météorologiques et des coûts d’infrastructure élevés du ski, les stations doivent absolument être prêtes à adopter la gestion des revenus pour prospérer.

Contrairement à Uber, les stations de ski ont très peu de contrôle sur l’offre de leur activité. Les jours de poudreuse, les stations ne peuvent pas s’agrandir, construire plus de remontées mécaniques ou changer d’emplacement. Lorsque les conditions sont mauvaises, ils ne peuvent pas réduire la distance à parcourir jusqu’à la station pour inciter les clients à faire le déplacement. Pour cette raison, le prix (souvent combiné au marketing) est leur seul levier pour maximiser les revenus lors des pics et des creux.

Certaines stations de ski sont dans une meilleure position en ce qui concerne les données qu’elles possèdent sur leurs revenus et leur fréquentation. La moitié de l’équation est d’être capable d’examiner 5 à 10 ans de fréquentation et de prédire les dates où la demande est la plus forte, l’autre moitié étant de savoir combien il faut faire payer ces jours-là, et quand. Liftopia et les stations utilisent les données de la saison précédente et les données de stations similaires pour établir une prévision des prix, mais les stations, Liftopia et les concurrents de Liftopia doivent devenir plus systématiques, axés sur les données et évolutifs pour prospérer.