Intelligent prissætning fylder færger op

Baggrund

Molslinjen er med seks forskellige færgeruter Danmarks største indenrigsrederi. I det følgende ser vi på en case udviklet til rederiets største rute, mellem Jylland og Sjælland. En case der kommer ud af Molslinjens tidligere samarbejde med det prisvindende AI-firma Halfspace.

Med en vision om at være verdens mest digitaliserede og AI-drevne færgeselskab forsatte Molslinjen deres samarbejde med Halfspace, der i 2019/2020 havde hjulpet Molslinjen med at kapacitetsoptimere sine afgange igennem en AI Forecast Engine. Med mere præcise passagerforudsigelser blev det lettere for Molslinjen at kapacitetsbestemme afgangene og komme hurtigere fra havn. Det blev en AI-løsning, der hurtigt skabte markante resultater for Molslinjen og en case, der vandt tre priser til DDA i 2020.

Halfspace er gået fra at være førende i den europæiske fodboldverden inden for live-predictions af udfald i sportsbegivenheder, til i dag at levere avanceret data analytics og machine learning-løsninger til flere af Danmarks største virksomheder.

Molslinjen betjener årligt mere end 1.500.000 køretøjer og 3.700.000 gæster via 8.400 færgeafgange mellem Jylland og Sjælland. På 85% af rederiets færgeafgange over Kattegat, er der dog overskydende plads. Det er en stor fordel at kunne fylde færgerne helt op, både i forhold til energiforbrug pr. passager, omkostningseffektivitet og meromsætning.

FRA STATISK TIL DYNAMISK PRISFASTSÆTTELSE

Med målet om at fylde flere færger, sænke energiforbruget pr. passager samt optimere Molslinjens forretning, udfærdigede Molslinjen en ny strategi med et særligt fokus på dynamiske, AI-baserede billetpriser. Historisk har Molslinjen altid arbejdet manuelt med deres prissætning af færgebilletter. Priserne blev udarbejdet med udgangspunkt i tilgængelighed og tid, frem til en given færgeafgang. Dette blev manuelt overvåget af rederiets eksperter. Molslinjen har tusindvis af fartplaner, der strækker sig et år ud i fremtiden, og som hver især skal sælges til den helt rigtige billetpris; derfor var det oplagt at få AI virksomheden Halfspace til at sætte optimale priser automatisk og dynamisk ved hjælp af avanceret data science.

Opgaven for Halfspace lå i at gå fra prædiktiv til præskriptiv AI, i det løsningen skulle hjælpe Molslinjen med dynamisk og automatisk at vælge de rigtige billetpriser til enhver given afgang, så flere færger ville ende fyldte. En løsning der både tog højde for "Business Blue Class" passagerer (Molslinjens premiumprodukt) der altid skal have mulighed for plads på Molslinjens færgeafgange, og afkodede alle øvrige kunders booking- samt annulleringsmønstre.

Løsning

For at løse Molslinjens udfordring, har Halfspace bygget et cutting-edge eksempel på prescriptive analytics, som det i dag vurderes at under 2% af Europæiske virksomheder aktivt gør brug af i deres forretning. Systemet ikke bare forudser antallet af gæster, men udregner og sætter den optimale pris til hver færgeafgang helt automatisk. Det intelligente system tager beslutninger baseret på hvor mange, der har booket billetter, hvornår de bookede og hvad de bookede, og sætter automatisk de korrekte priser ved at interface med Molslinjens computersystemer. AI-løsningen tester derudover løbende betalingsvilligheden hos kunder og fodrer sig selv med erfaringerne herfra, for kontinuerligt at forbedre sin performance. Målet var flere fyldte færger og bookingaktivitet fordelt udover flere afgange med den ekstra dimension at kunne reagere hurtigt og i realtid ift. ændringer i markedet, så som f.eks. en lukket Storebæltsbro, der medfører flere køretøjer der ønsker at tage færgen.

Som første skridt i løsningsprocessen skulle Halfspace tilgå alle Molslinjens data vedrørende reservationer og billetsalg fra de seneste seks år. På baggrund af Molslinjens datasæt udviklede Halfspace en cutting-edge model til at forudsige kundernes respons til forskellige priser, der kombinerer moderne machine learning modeller baseret på neurale netværker med klassiske statistiske modeller, som gør det muligt at lære fra Molslinjens historiske data men samtidigt inkorporere de antagelser, Molslinjen har opnået gennem mange års manuelle erfaringer.

Derefter byggede Halfspace en algoritme der bestemmer den optimale prisstruktur. Algoritmen blev udviklet med inspiration fra den seneste forskning i luftfartsindustrien, udarbejdet af industrieksperter fra bla. Swiss Airlines og forskere på MIT universitetet, og stor domæneviden hos Molslinjens stakeholders.

Efterfølgende blev begge dele implementeret i et MLOps framework, hvorved systemet automatisk og løbende forbedrer performance i takt med at ny data bliver tilgængelig. Samtidigt har Halfspace bygget en webbaseret platform med navnet Unified Analytics Platform (UAP) der gør det muligt for Molslinjens eksperter at følge med i systemets beslutninger, justere AI systemets beslutningsproces på baggrund af deres erfaring, eller helt omgøre de automatiske beslutninger, hvis det er nødvendigt i enkelte tilfælde. Dette sikrer et stabilt system, hvilket er essentielt når AI indlemmes i en central del af operationen.

Efter at have udarbejdet en løsning til kapacitetsforudsigelser på færgerne tilbage i 2019/2020, og nu en løsning til dynamisk prisfastsættelse, har Molslinjen i samarbejde med Halfspace taget et kvantespring mod fremtidens digitale, data- og AI drevne optimering indenfor færgefarten.