Tout savoir sur l’algorithme de PriceLabs – Partie 2

Toutes les clés sur le fonctionnement de  l’algorithme de tarification dynamique PriceLabs, deuxième partie

Dans la première partie de notre vue d’ensemble de l’outil de tarification dynamique de Pricelabs, nous vous avons révélé comment nous calculons les meilleurs prix pour vos logements sur une prochaine date en prévoyant leur occupation, en estimant leur probabilité de réservation, et en fixant le tarif qui optimise vos revenus attendus. Dans cette partie 2 détaillée de l’algorithme de PriceLabs, nous abordons un dernier point essentiel dans la fonctionnement de notre outil.

On vous explique également pourquoi vous avez intérêt à proposer des prix différents selon la saison, le jour de la semaine, le rythme du marché et s’il y a un pic de demandes en raison d’un jour férié ou d’un événement notable. Si vous n’avez pas encore lu cet article numéro 1, nous vous conseillons de le faire avant de vous immerger dans celui-ci.

Introduction d’une ultime notion 

Examinons une dernière facette de notre algorithme : le taux d’évolution ou comment les tarifs d’une date à venir évoluent au fil du temps. Il existe deux raisons principales à cela.

Les prévisions d’évolution

Ces prévisions pour une date future peuvent changer tous les jours, à mesure que de nouvelles informations viennent bousculer le marché. Le graphique ci-dessous vous montre comment elles ont évolué au cours des mois précédant le 14 avril 2023 à Phoenix aux États-Unis. Vous remarquez un bond soudain de ces perspectives de réservations après novembre 2022. La chanteuse Taylor Swift a, en effet, annoncé ses dates de tournée dans la ville. Entre août et octobre 2022, ces prévisions avaient chuté car la région souffrait d’un certain retard par rapport aux tendances de l’année précédente, notamment dû à un ralentissement général de l’économie locale. Les informations sur les concerts de la star américaine ont complètement changé la donne, puisque les prévisions de réservation ont grimpé d’environ 25 %.

Remarque : Ce graphique n’est fourni qu’à titre indicatif. Il n’est effectivement valable qu’à un instant T, le moteur de prévision qui alimente la tarification dynamique fonctionnant quotidiennement. 

La Possibilité restante de réservation

Dans l’exemple que nous venons de voir, il est clair, qu’au regard de cette montée en flèche des prévisions après l’annonce des dates de tournée de T. Swift, que les prix optimaux devraient logiquement augmenter. En revanche, leur façon d’évoluer devient moins évidente quand on ne note aucun changement dans les prévisions de demandes d’hébergement. Les prochains points de cette article aident à faire émerger les bonnes intuitions autour du « pourquoi » et du « comment » les taux auront tendance à évoluer au fur mesure que la date de début du séjour approche.

Clé numéro 6 : changement des prix en fonction du délai de réservation

Nos clients nous demandent souvent pourquoi nos recommandations de prix sont généralement élevées pour une date éloignée et diminue au fil des jours. Pour rappel, dans la première partie de cette publication, nous avons vu que la probabilité de réservation est liée à l’occupation prévue.

Prenons, par exemple, un taux d’occupation attendu de 90 % (mais aucune réservation n’a encore été faite). Cela signifie que nous comptons sur le fait que 90 propriétés similaires sur 100 soit « bookées ». Dans ce cas, nous pouvons nous permettre de recommander un prix assez conséquent, étant donné que la plupart d’entre elles ont de fortes chances de trouver preneurs.

Arrêtons-nous maintenant à trois mois de la date de commencement du séjour. Considérons qu’à ce moment-là, 80 biens sont désormais réservés. Le marché évolue donc au rythme prévu et nos prédictions d’un taux d’occupation à 90 % tiennent toujours. Cela signifie que sur les 20 logements restants, nous nous attendons à ce que seulement 10 soient effectivement choisis, soit une probabilité de réservation de 50 %.

Bien que les perspectives générales n’aient pas changé (taux d’occupation toujours de 90 %), si le bien n’a pas encore été réservé, les chances qu’il le soit en le proposant au même tarif ont, de ce fait, diminué. Par conséquent, il serait logique de vouloir baisser les prix pour augmenter les revenus attendus.

Clé numéro 7 : le taux d’évolution

Il est nécessaire d’introduire le facteur « délai » dans le calcul de la probabilité de réserver à des prix différents.

Afin de mieux comprendre, imaginons le scénario suivant : 

  • Les prix sont modifiables trois fois à 360, 240 et 120 jours de la date du séjour.
  • Les montants peuvent équivaloir à 200, 400, 600, 800 ou 1000 $. 
  • Il n’y a aucune réservation plus de 360 jours à l’avance.
  • Les probabilités pour chaque fenêtre de réservation se trouvent dans le tableau ci-dessous.

Comme vous pouvez le déduire de ces chiffres, la probabilité totale de réservation à un certain prix peut être dérivée des probabilités de chaque fenêtre de réservation.

Par exemple, à 200 $, la probabilité totale de réservation peut être établie en fonction de la formule : 

PB (prix = 200) = 20 % + (1-20 %) * (40 % + (1-40 %) * (80 %)) = 90 %

Calculons maintenant le chiffre d’affaires maximum attendu dans les 2 scénarios suivants.

Scénario 1 : en ne fixant les prix qu’une seule fois

Le prix idéal serait le plus élevé résultant de la multiplication des chiffres des deux premières colonnes (Prix et probabilité totale de réservation). La ligne correspondant au prix fixé à 600 $ semble être la mieux placée puisqu’à 50 % de taux de probabilité de réservation, cela nous donne un chiffre d’affaires attendu de 300 $ (600 x 50 %). Donc, s’il fallait ne choisir qu’un seul tarif, ce serait effectivement 600 $.

Scénario 2 : en modifiant le prix à trois reprises

Trouver le meilleur ensemble de prix peut constituer un véritable défi au niveau du calcul à effectuer. Cela, étant donné la multitude de décisions à prendre en fonction des nombreuses possibilités et probabilités découlant de plusieurs conditions. Sachant que dans l’exemple qui nous préoccupe (cf tableau), il existe cinq prix applicables pour chacune des trois fenêtres de réservation, nous avons donc un total de 125 possibilités à étudier (5x5x5).

Maintenant, imaginons que nous avons toujours 5 prix éventuels pour un séjour qui a lieu dans 360 jours. Seulement ici, nous avons l’occasion de changer de tarif quotidiennement. Le nombre des possibilités passe alors à 5 puissance 360. Un chiffre tellement énorme que même le plus rapide des ordinateurs mettra du temps à vous le donner.

La ligne la plus facile à expliquer est celle qui correspond à la fenêtre de réservation de 120 jours. Le prix favorisant le chiffre d’affaires espéré le plus élevé paraît être 400 $, ici (400 x 52 % = 208 $).

Concernant la fenêtre de 240 jours nous devons, non seulement envisager les revenus espérés en obtenant des réservations dans ce délai, mais également prendre en compte le fait de ne rien vendre et d’attendre la fenêtre allant de 0 à 120 jours pour le faire. Loin de nous l’idée de proposer des tarifs trop bon marché à 240 jours, car nous avons vu que nous pouvons quand même en proposer un à 400 $, un peu plus tard. Là, la maximisation  apparaît assez complexe, mais fort heureusement relève d’un domaine d’optimisation mathématique ayant fait l’objet d’une étude approfondie. Nous pouvons, en effet, résoudre ce problème en nous servant de l’équation de Bellman (encore appelée programmation dynamique). 

Nous vous épargnons ces calculs très compliqués (vous pouvez, cependant, vous renseigner en cliquant sur le lien ci-dessus), mais il en ressort que grâce à eux, nous sommes en mesure de vous fournir la meilleure solution pour montrer que les revenus attendus sont supérieurs à ce qui a été mis en évidence dans le premier scénario.

L’ensemble optimal de prix ci-après (et suivant ceux des fenêtres de réservation citées), vous donc un chiffre d’affaires espéré de 303 $ :

  • à 360 jours, 800 $
  • à 240 jours, 600 $
  • à 120 jours, 400 $ 

Avec 303 $, le scénario 2 met en avant un chiffre d’affaires 1 % plus performant que celui du scénario 1 (300 $).

Même si notre exemple fait ressortir une augmentation de revenus assez modeste (1 %), avec cette évolution de prix, notre analyse des données réelles du marché montre bien que les gains résultant d’une utilisation adéquate des remises tarifaires de dernière minutes avoisinent plutôt les 9 % de progression. Cette différence vient du fait que nos algorithmes ne modifient pas les prix seulement trois fois par an, mais bien tous les jours.

Remarque : vous noterez que le prix pour la fenêtre de réservation allant de 0 à 120 jours montre  une réduction par rapport au tarif optimal du premier scénario. Alors que, pour celle allant de 240 à 360 jours, nous constatons un supplément. Notre algorithme calcule évidemment cela automatiquement à mesure que le délai change.

Clé numéro 8 : l’augmentation des prix à la dernière minute, une bonne idée ? 

Bien sûr ! L’exemple que nous avons étudié dans le point précédent  suppose que nos prévisions de demande sont connues dès le départ et ne changent pas. Or, comme nous l’avons remarqué plus haut,  beaucoup de facteurs peuvent venir bousculer nos certitudes au fur et à mesure qu’une date approche.  Ici, un ralentissement de l’économie, là, une tournée de T. Swift. 

Les prix peuvent donc augmenter, plus on avance dans le temps et si le marché montre une évolution des réservations plus rapide que nos prévisions. Cela peut également se produire lorsqu’il existe une différence notable dans la réactivité des prix par rapport à des réservations anticipées et celles de dernière minute. 

Clé numéro 9 : pourquoi les compagnies aériennes réagissent-elles différemment ?

Bien qu’elles fassent, comme le secteur de la location saisonnière, partie de l’industrie du voyage, ces deux branches subissent une dynamique de marché très différente.

Les locations de vacances sont assez proches de profiter d’un concurrence dite « parfaite ». Un voyageur potentiel bénéficie de nombreuses possibilités de logements sur un marché qui apparaît, de ce fait, assez fragmenté. Par ailleurs, dans une région ou un secteur sur lesquels la majeure partie des biens peuvent être gérés par une seule et même personne, les revenus découlant de la réservation d’un hébergement ne sont pas partagés avec un autre propriétaire.

Les compagnies aériennes baignent plutôt dans un marché oligopolistique. C’est à dire qu’il n’y a qu’un petit nombre d’options possibles pour relier une ville A à une ville B. De plus, si nous prenons en considération les voyages d’affaires de dernière minute, trois facteurs supplémentaires peuvent entrer en jeu : 

  • Les programmes de fidélité qui font que les passagers sont susceptibles de privilégier leur compagnie préférée.
  • Les contrats passés avec des grandes entreprises qui font voyager leurs employés sur une compagnie en priorité.
  • Une sensibilité plus faible des voyageurs d’affaire vis-à-vis du montant d’un billet d’avion.

Tout ceci explique que le moyen de maximiser les revenus d’une compagnie aérienne réside surtout dans le fait de toujours proposer des prix élevés en dernière minute, même si cela suppose de voler avec quelques sièges vides. Contrairement à une maison ou un appartement destiné à de location de courte durée, le chiffre d’affaires total d’un avion prime sur une optimisation des revenus par siège. 

Pour les logements en location saisonnière, les prix revus à la hausse pour une date de séjour lointaine remplissent une autre fonction importante. Ils permettent de pallier la marge d’erreur qui est à prendre en compte dans les prévisions de demande lorsque celles-ci concernent une date très éloignée. Nous détenons tous les outils pour proposer les meilleures recommandations possibles sur la base de données disponibles, mais de nombreux évènements peuvent avoir un impact sur les demandes pour ces dates futures. Les prix élevés servent, en quelque sorte, à se protéger contre de tels évènements et notamment quand les dates de séjour proposées à la réservation sont suffisamment lointaines pour qu’il n’y ait que peu de demandes sur celles-ci, de toute façon.

Une dernière remarque

Établir des tarifs dynamiques pour chacune des nuitées à venir n’est pas un exercice à faire ponctuellement. Notre équipe de spécialistes en science des données a constaté, que même avec des prévisions stables, des prix pour les dates disponibles longtemps à l’avance et les remises de dernière minute font grimper votre chiffre d’affaires de 11 % en moyenne.

À ce propos, nous vous donnons quelques idées très intéressantes sur la façon dont les promotions de dernière minute auraient intérêt à varier selon le marché et la saisonnalité, sur cet article de blog.

Nous concluons ainsi notre exploration de l’outil de tarification dynamique de PriceLabs. Nous espérons que cet article vous aura éclairé sur ce processus complexe qu’est l’optimisation des tarifs de votre bien en location de courte durée. Si vous souhaitez profiter pleinement des avantages liés à notre solution, nous vous invitons à l’essayer, commencez votre essai gratuit, sans plus attendre. Que vous soyez expert en gestion immobilière ou propriétaire débutant dans le secteur des meublés de tourisme, notre algorithme est conçu pour que vous puissiez piloter vos affaires de main de maître. 

Toutes vos questions étant judicieuses, contactez notre équipe d’assistance qui se fera un plaisir de nous les transmettre immédiatement.

 Nous continuons à élaborer le meilleur outil, 

L’équipe data science PriceLabs

Commencez par PriceLabs :

Vous voulez savoir ce que Pricelabs peut faire pour vous ? Voyez par vous-même avec un essai gratuit

Revenue Estimator Pro: Get Instant Revenue Estimates for Any Address.

X

Join our newsletter