【環球旅訊 鄒育敏】2017年過半， 七月流火沒有讓共用經濟降溫， 也沒有讓技術公司“用人工智慧改造傳統行業”的熱情冷卻下來。
伊翔運達屬於後者， 其創始人劉震近日向環球旅訊透露， 其自主研發的跨行業通用交易定價和收益管理AI系統在酒店和民航業的應用取得突破性的進展， 並展示了對標其他廠商的資料。
圖1 伊翔運達和全球收益管理領先廠商在中國某酒店進行價格預測的準確度對比
說起收益管理廠商， 酒店業有IDeaS， 民航業有PROS。 伊翔運達這一家名不見經傳甚至連官網都沒有的創業公司是什麼來頭？
新三板掛牌的包機商安科運達於2016年報中披露， 2016年5月， 安科運達和劉震共同投資成立伊翔運達， 原因是安科運達管理層認為自身需要精細化的系統運營使公司風控從人工上升到系統， 提高效率， 降低風險。 為實現公司業務模式數位化、網路化的全面改造， 並為公司業務轉型奠定良好的基礎， 設立伊翔運達來完成虛擬航空公司和收益管理系統等設計和實現。
據劉震透露， 目前在收益管理方面， 伊翔運達已經和美團點評、住哲、春秋航空、中航信及十幾家單體酒店合作， 公司在整體的運營上， 目前也獨立于安科運達。
到底跨行業通用交易定價和收益管理AI系統與傳統的收益管理系統有什麼區別？劉震向環球旅訊描述伊翔運達如何以包括航司在內的中國旅遊企業為藍本進行收益管理系統的設計。
始於中國民航收益痛點
在創立伊翔運達之前， 劉震服務過美國西南航空、Sabre Holding和IBM， 並曾擔任中航信前CIO。 和他一同組隊創業的4位來自美國德克薩斯州的核心成員， 不是在PROS工作多年， 就是擁有美國德克薩斯大學達拉斯分校終身教授身份的電腦演算法、運籌學、大資料專家。
民航從業者大多知道， 美國德克薩斯州的達拉斯是美國航空和Sabre的總部所在地， 也是收益管理的發源地， 曾經領導收益管理發展近20年；而總部位於休斯頓的PROS是當前民航收益管理的領頭廠商。
“我們一開始做的事情都是圍繞安科運達的資料和業務邏輯展開。
劉震分析， 最初航司以成本、收益為定價基礎， 對於用戶需求和旅客價值研究較少；現如今， 尤其是Meta Search（元搜索）出現之後， 用戶可以通過搜索比價， 在選擇機票的時候有更多的主動權， 傳統的成本-收益模型依託歷史的航班、訂座和票價資料已有脫節之勢， 航司在做收益時， 是時候在成本收益之外， 將互聯網比價、議價的結果也考慮進來。
此外， 目前國內航司使用的普遍是國外廠家生產的收益管理系統。 收益管理的核心是演算法， 而任何演算法都有它的前提和假設，
劉震表示， 國外的廠商幾乎沒有一家以中國航司為藍本設計收益管理系統， 他們對標的歐美航司， 無論是客機規模、組成、運營、航線網路和機票銷售模式甚至是使用者預訂習慣， 都和中國航司不一樣， 比如中國旅客很少提前兩周甚至更長時間訂票， 再比如現在很多中國航司開通了從二線城市直飛的洲際航線， 對於傳統樞紐航司也產生了一些衝擊。
“可是， 中國航司在國際民航業的話語權不夠大， 要讓國外的廠商按需求定制系統， 幾乎不可能。 ”劉震如是說。
以中國航司為藍本打造一個全新的收益管理系統， 這聽起來很美好， 畢竟據劉震介紹，
“但我們不想只做民航業能用的東西， 即使團隊的核心成員都有強大的民航相關背景。 民航業的利潤是很低的， 只有2%， 如果只做民航能用的東西， 將來會很苦。 ”劉震坦言。
一方面， 如果只做航司能用的收益管理系統， 意味著伊翔運達將會與目前的國內幾大航司普遍使用的PROS正面競爭。 雖說新系統代替舊系統並非不可能， 但PROS面世之後執行業之牛耳長達20餘年， 江湖地位不是一時就能挑戰。
在國內， 相對民航業， 酒店業及零售業的收益管理缺位更為明顯。 此前鴻鵲CEO胡質健在接受環球旅訊採訪時表示， 目前酒店收益管理領域還有99%的市場空白。“而零售業的規模更是遠遠大於民航+酒店，這是依翔運達交易定價和收益管理的目標。”劉震表示。
另一方面，對於創業者而言，不按套路出牌，也許會產生更多可能性，無論好的壞的。
跨行業通用，AI調節參數
要做好收益管理，一套好的工具很重要。同時，在預測和優化的過程中，目前各垂直領域的收益管理系統，都試圖集合更多的協力廠商資料、賦能機器學習以實現更高的精准度。
以酒店收益管理為例，IDeaS第三代收益管理系統(G3 RMS)，已經在其分析引擎中集成了幾千家酒店的內部和外部市場的資料（包括TravelClick），該系統會自動評估需求波動和競爭性變化，以部署最佳定價和存量房控制決策；同時，它還提供全面的互動式儀錶板和報告工具，幫助酒店實現更好的盈利。
再比如眾薈RevenuePlus，其設計的AI收益管理系統，在酒店PMS小資料上加上更多行業性的資料，比如航空客流資料、消費者行為資料等，資料至少兩小時更新甚至五分鐘更新一次，動態及高頻地給系統喂資料實現即時動態定價和調價可能。
“無論集結了多少資料，垂直行業的收益管理工具最終和核心業務緊密結合。但是人工智慧和機器學習給了我們另外的思路，就是做一個演算法的通用平臺，把與業務邏輯結合的事情交給資料。”劉震認為，適應互聯網及AI發展的收益管理通用平臺，除了要以中國市場為藍本設計，還應該有三大特點。
一是跨行業，新型收益管理AI平臺的基礎演算法應該是通用的，行業的特點可以用行業的大資料和人工智慧來進行優化約束，打破傳統的民航收益管理只做民航，酒店收益管理只做酒店的局限性。
二是自我學習能力，從資料中發現新的變化，動態調整演算法適應業務變化，改變傳統的系統演算法需要演算法工程師通過改進演算法和調整代碼的方法來調優和適應新的業務變化的被動。
三是自我調整能力，傳統的收益管理系統由廠商安裝調優後，交給航空公司的網路收益人員，網路收益人員要花費大量的時間來理解、學習和使用系統，這要求航司要有一批深入理解數學方法和收益的網路收益人員。“而現實是航司網路收益人員都在抱怨調節參數的困難，新的收益管理系統試圖用人工智慧的方法去適應和調節參數。”劉震表示。
如何跑贏傳統收益管理系統
據劉震透露，依據上述邏輯和痛點，伊翔運達花了一年的時間打造跨行業通用交易定價和收益管理AI系統，“你也可以理解為我們建立一個通用演算法的平臺，將不同行業的資料放在一個系統裡，跑出一個針對某一垂直領域的收益管理解決方案，目前已經在民航和酒店試點。”
在預測和優化學習模型中，除了不同行業的庫存資料，伊翔運達嘗試引入天氣資料、社會事件影響資料、治安資料等等傳統收益管理系統只作為預測參考的資料進行計算。
劉震舉例說，把酒店和民航的資料放在一起學習，很容易發現機場周邊酒店預計和航班取消延誤之間的強關聯；再比如，某地召開國際大型活動，比如奧運會等，必然與航司、酒店的收益產生關聯。但這些關聯有可能是正向的，也有可能是反向的，“好比北京的酒店，以前兩會期間爆滿，去年預訂率下降，如果僅靠經驗定價的話，酒店可能措手不及。”
為確保預測的準確性，除了不停優化系統，伊翔運達需要獲得更多資料，包括使用者行為資料。
在民航方面，目前伊翔運達已和開始和中航信、春秋航空合作。劉震坦言，“合作剛剛開始，具體的合作方式也不方便透露更多，只是航司有自己的資料、航信有自己的資料、代理人或OTA也有他們掌握的機票相關資料，如果都能合作起來是最好的。”
在酒店方面，與美團點評合作酒店收益管理，其邏輯也是追求資料的完整性。
“為什麼說傳統的收益管理落後？原來的收益管理只考慮供應商B和用戶C兩端，互聯網帶來了協力廠商平臺P，在商業博弈的過程中任何一方都掌握不到完整的資訊，比如酒店有比較完整的庫存資訊，但缺少使用者比價議價的資訊；而平臺上有幾萬家酒店的價格資訊，但沒有一家酒店的完整庫存資訊。”劉震分析。
此外，由於伊翔運達目前團隊組成是20多名技術人員，缺少BD隊伍，逐一說服酒店進行合作對於初創技術型企業而言顯然耗時耗力，且資料樣本較少。接入美團點評之後，伊翔運達有機會接觸更多的酒店資料和使用者行為，一方面為入駐美團點評的單體酒店提供一鍵式優化收益的雲收益管理服務；另一方面為美團點評自身的收益，比如在PC端和移動端、不同區域的交易定價和收益管理提供服務。
但美團點評的酒店庫存，最終也是由酒店來決定的，伊翔運達既要優化平臺收益又要優化酒店收益，2P和2B難道不是左右互搏？
“這確實涉及到企業戰略選擇問題。”劉震坦言，“就像我們既然可以幫B端定價，就可以幫C端做價格預測，但這兩件事存在矛盾。我們最後會定一個方向，是2B、2C還是2P。”
值得關注的是，目前伊翔運達也嘗試為航司發展輔助服務以及酒店發展非客房服務提供收益解決方案，試圖找到座位與輔助服務之間，或是酒店客房與吃喝玩樂遊購娛之間的關係。
劉震以航司輔助服務為例，可分為與座位相關（比如升艙）和座位不相關（比如賣酒）兩種。“不管是不是相關，都需要找到座位與輔收之間的關係，或者說供需的關聯。目前航司的收益管理的核心還是座位，像LCC在運營上更關注輔助服務，會在預測收益的時候把座位的權重降低，有些航司只要求賣座位，就在計算的時候把把座位的權重提高。”
圖2 伊翔運達和全球收益管理領先廠商在某知名航司進行實測的資料對比
後記
天花板比較高領域，壁壘也比較高，交易定價和收益管理就是這樣的創業領域。劉震希望做一個跨行業通用的交易定價和收益管理AI系統，把與業務結合的市場交給資料自行運算，最終從民航、酒店、景區、租車覆蓋到零售，最終進入銀行、證券交易方方面面，而且在商業模式上，也區別于傳統的收益管理系統。
“傳統的收益管理其實都是賣軟體，再加上一年20%-25%的維護費。伊翔運達的模式更傾向於收益的提成和分享。”劉震以航司為例，如果每座公里收益2美分，使用伊翔運達的系統之後提高到2.5美分，提高的部分則雙方按一定比例分成，“主要是考慮到提高收益的因素很多，不光是系統的問題。”
這樣的商業模式，註定了伊翔運達只有在覆蓋足夠多的企業之後，才能很好地盈利。
同時，跨行業通用的系統看似與細分領域的系統差異化發展，但事實卻是全方位競爭。
一是客戶競爭。民航業有PROS，酒店業國外有IDeaS、國內有眾薈、鴻鵲等。對於B端客戶而言，特別是航司，更換系統的系統成本、機會成本以及學習成本高昂，這也可以解釋為什麼PROS被航司認可之後能夠在全球民航收益管理領域保持領先，比如東航，在使用同為PROS生產的P5系統向O&D系統過渡，也是採用在某一航線首先試點的方式進行。
二是技術競爭。伊翔運達的定位是技術公司，相對於初創公司，巨頭在資金實力允許的情況下，更容易實現技術上的贏家通吃。最近PROS以3500萬美元現金收購保加利亞B2B機票搜索平臺Vayant Travel Technologies，稱其基於SaaS的購物、定價和行銷技術與PROS的“現代電商技術”非常互補，包括動態定價和應用人工智慧的收益管理解決方案。而早在2015年，Priceline收購了酒店收益管理創業公司PriceMatch；2016年，Expedia也推出了針對酒店的收益管理解決方案Rev+，並將其融入了針對酒店的綜合行銷解決方案。
三是數據競爭。收益管理的核心是演算法，人工智慧演算法的精進需要有龐大的資料支援。目前伊翔運達能夠讓民航資料和酒店資料跑出相關性，但對於酒店而言，除了民航出行的客人還有高鐵出行的客人及本地客，有來自美團點評的客人也有來自攜程的客人，如何獲得完整的資料，資料獲得之後如何用技術去盤活，對於伊翔運達來說也是挑戰之一。
同時，民航客流資料對於某一家單體酒店的定價決策的關聯度有多高，還需要伊翔運達通過大量的資料樣本分析和實際案例進行不斷驗證和優化。
對伊翔運達而言，當下最重要的，是讓跨行業通用的交易定價和收益管理AI系統落地到更多企業，獲得更多的資料樣本。畢竟相比技術價值，實打實的收益資料才是合作方買單的動力。
目前酒店收益管理領域還有99%的市場空白。“而零售業的規模更是遠遠大於民航+酒店，這是依翔運達交易定價和收益管理的目標。”劉震表示。另一方面，對於創業者而言，不按套路出牌，也許會產生更多可能性，無論好的壞的。
跨行業通用，AI調節參數
要做好收益管理，一套好的工具很重要。同時，在預測和優化的過程中，目前各垂直領域的收益管理系統，都試圖集合更多的協力廠商資料、賦能機器學習以實現更高的精准度。
以酒店收益管理為例，IDeaS第三代收益管理系統(G3 RMS)，已經在其分析引擎中集成了幾千家酒店的內部和外部市場的資料（包括TravelClick），該系統會自動評估需求波動和競爭性變化，以部署最佳定價和存量房控制決策；同時，它還提供全面的互動式儀錶板和報告工具，幫助酒店實現更好的盈利。
再比如眾薈RevenuePlus，其設計的AI收益管理系統，在酒店PMS小資料上加上更多行業性的資料，比如航空客流資料、消費者行為資料等，資料至少兩小時更新甚至五分鐘更新一次，動態及高頻地給系統喂資料實現即時動態定價和調價可能。
“無論集結了多少資料，垂直行業的收益管理工具最終和核心業務緊密結合。但是人工智慧和機器學習給了我們另外的思路，就是做一個演算法的通用平臺，把與業務邏輯結合的事情交給資料。”劉震認為，適應互聯網及AI發展的收益管理通用平臺，除了要以中國市場為藍本設計，還應該有三大特點。
一是跨行業，新型收益管理AI平臺的基礎演算法應該是通用的，行業的特點可以用行業的大資料和人工智慧來進行優化約束，打破傳統的民航收益管理只做民航，酒店收益管理只做酒店的局限性。
二是自我學習能力，從資料中發現新的變化，動態調整演算法適應業務變化，改變傳統的系統演算法需要演算法工程師通過改進演算法和調整代碼的方法來調優和適應新的業務變化的被動。
三是自我調整能力，傳統的收益管理系統由廠商安裝調優後，交給航空公司的網路收益人員，網路收益人員要花費大量的時間來理解、學習和使用系統，這要求航司要有一批深入理解數學方法和收益的網路收益人員。“而現實是航司網路收益人員都在抱怨調節參數的困難，新的收益管理系統試圖用人工智慧的方法去適應和調節參數。”劉震表示。
如何跑贏傳統收益管理系統
據劉震透露，依據上述邏輯和痛點，伊翔運達花了一年的時間打造跨行業通用交易定價和收益管理AI系統，“你也可以理解為我們建立一個通用演算法的平臺，將不同行業的資料放在一個系統裡，跑出一個針對某一垂直領域的收益管理解決方案，目前已經在民航和酒店試點。”
在預測和優化學習模型中，除了不同行業的庫存資料，伊翔運達嘗試引入天氣資料、社會事件影響資料、治安資料等等傳統收益管理系統只作為預測參考的資料進行計算。
劉震舉例說，把酒店和民航的資料放在一起學習，很容易發現機場周邊酒店預計和航班取消延誤之間的強關聯；再比如，某地召開國際大型活動，比如奧運會等，必然與航司、酒店的收益產生關聯。但這些關聯有可能是正向的，也有可能是反向的，“好比北京的酒店，以前兩會期間爆滿，去年預訂率下降，如果僅靠經驗定價的話，酒店可能措手不及。”
為確保預測的準確性，除了不停優化系統，伊翔運達需要獲得更多資料，包括使用者行為資料。
在民航方面，目前伊翔運達已和開始和中航信、春秋航空合作。劉震坦言，“合作剛剛開始，具體的合作方式也不方便透露更多，只是航司有自己的資料、航信有自己的資料、代理人或OTA也有他們掌握的機票相關資料，如果都能合作起來是最好的。”
在酒店方面，與美團點評合作酒店收益管理，其邏輯也是追求資料的完整性。
“為什麼說傳統的收益管理落後？原來的收益管理只考慮供應商B和用戶C兩端，互聯網帶來了協力廠商平臺P，在商業博弈的過程中任何一方都掌握不到完整的資訊，比如酒店有比較完整的庫存資訊，但缺少使用者比價議價的資訊；而平臺上有幾萬家酒店的價格資訊，但沒有一家酒店的完整庫存資訊。”劉震分析。
此外，由於伊翔運達目前團隊組成是20多名技術人員，缺少BD隊伍，逐一說服酒店進行合作對於初創技術型企業而言顯然耗時耗力，且資料樣本較少。接入美團點評之後，伊翔運達有機會接觸更多的酒店資料和使用者行為，一方面為入駐美團點評的單體酒店提供一鍵式優化收益的雲收益管理服務；另一方面為美團點評自身的收益，比如在PC端和移動端、不同區域的交易定價和收益管理提供服務。
但美團點評的酒店庫存，最終也是由酒店來決定的，伊翔運達既要優化平臺收益又要優化酒店收益，2P和2B難道不是左右互搏？
“這確實涉及到企業戰略選擇問題。”劉震坦言，“就像我們既然可以幫B端定價，就可以幫C端做價格預測，但這兩件事存在矛盾。我們最後會定一個方向，是2B、2C還是2P。”
值得關注的是，目前伊翔運達也嘗試為航司發展輔助服務以及酒店發展非客房服務提供收益解決方案，試圖找到座位與輔助服務之間，或是酒店客房與吃喝玩樂遊購娛之間的關係。
劉震以航司輔助服務為例，可分為與座位相關（比如升艙）和座位不相關（比如賣酒）兩種。“不管是不是相關，都需要找到座位與輔收之間的關係，或者說供需的關聯。目前航司的收益管理的核心還是座位，像LCC在運營上更關注輔助服務，會在預測收益的時候把座位的權重降低，有些航司只要求賣座位，就在計算的時候把把座位的權重提高。”
圖2 伊翔運達和全球收益管理領先廠商在某知名航司進行實測的資料對比
後記
天花板比較高領域，壁壘也比較高，交易定價和收益管理就是這樣的創業領域。劉震希望做一個跨行業通用的交易定價和收益管理AI系統，把與業務結合的市場交給資料自行運算，最終從民航、酒店、景區、租車覆蓋到零售，最終進入銀行、證券交易方方面面，而且在商業模式上，也區別于傳統的收益管理系統。
“傳統的收益管理其實都是賣軟體，再加上一年20%-25%的維護費。伊翔運達的模式更傾向於收益的提成和分享。”劉震以航司為例，如果每座公里收益2美分，使用伊翔運達的系統之後提高到2.5美分，提高的部分則雙方按一定比例分成，“主要是考慮到提高收益的因素很多，不光是系統的問題。”
這樣的商業模式，註定了伊翔運達只有在覆蓋足夠多的企業之後，才能很好地盈利。
同時，跨行業通用的系統看似與細分領域的系統差異化發展，但事實卻是全方位競爭。
一是客戶競爭。民航業有PROS，酒店業國外有IDeaS、國內有眾薈、鴻鵲等。對於B端客戶而言，特別是航司，更換系統的系統成本、機會成本以及學習成本高昂，這也可以解釋為什麼PROS被航司認可之後能夠在全球民航收益管理領域保持領先，比如東航，在使用同為PROS生產的P5系統向O&D系統過渡，也是採用在某一航線首先試點的方式進行。
二是技術競爭。伊翔運達的定位是技術公司，相對於初創公司，巨頭在資金實力允許的情況下，更容易實現技術上的贏家通吃。最近PROS以3500萬美元現金收購保加利亞B2B機票搜索平臺Vayant Travel Technologies，稱其基於SaaS的購物、定價和行銷技術與PROS的“現代電商技術”非常互補，包括動態定價和應用人工智慧的收益管理解決方案。而早在2015年，Priceline收購了酒店收益管理創業公司PriceMatch；2016年，Expedia也推出了針對酒店的收益管理解決方案Rev+，並將其融入了針對酒店的綜合行銷解決方案。
三是數據競爭。收益管理的核心是演算法，人工智慧演算法的精進需要有龐大的資料支援。目前伊翔運達能夠讓民航資料和酒店資料跑出相關性，但對於酒店而言，除了民航出行的客人還有高鐵出行的客人及本地客，有來自美團點評的客人也有來自攜程的客人，如何獲得完整的資料，資料獲得之後如何用技術去盤活，對於伊翔運達來說也是挑戰之一。
同時，民航客流資料對於某一家單體酒店的定價決策的關聯度有多高，還需要伊翔運達通過大量的資料樣本分析和實際案例進行不斷驗證和優化。
對伊翔運達而言，當下最重要的，是讓跨行業通用的交易定價和收益管理AI系統落地到更多企業，獲得更多的資料樣本。畢竟相比技術價值，實打實的收益資料才是合作方買單的動力。