Uber och dynamisk prissättning: Så balanserar du utbud och efterfrågan i realtid

Uber löste faktiskt ett problem som taxibranschen ignorerat i decennier. Klockan tre på natten efter en konsert fanns det ju sällan tillräckligt med bilar. Efterfrågan var hög medan utbudet var lågt. Ubers lösning var ganska enkel i teorin. De lät helt enkelt priset göra jobbet.

Tvåsidig marknadsplats

Det som gör Ubers modell intressant är att priset fungerar som en signal åt båda håll. Ett högre pris för passagerare minskar förstås efterfrågan. Samtidigt lockar en högre ersättning fler förare att logga in och köra mot just det området. Priset blir alltså en balansmekanism som i realtid justerar utbud och efterfrågan tills de möts.

Systemet styr aktivt beteendet på båda sidor av marknadsplatsen. Förare får bonusar och multiplikatorer som incitament att köra vid obekväma tider. Passagerare ser å andra sidan det högre priset och kan välja att vänta eller ta en alternativ transport.

Algoritmens logik

Ubers prissättningsalgoritm tar hänsyn till flera faktorer samtidigt. Den väger in antalet tillgängliga förare i området, aktiva förfrågningar, historiska mönster, väderförhållanden och evenemang i närheten. Allt detta processas i realtid.

Resultatet blir en multiplikator. Vid normal balans är multiplikatorn 1,0x. När efterfrågan överstiger utbudet stiger den väl ibland till 2x eller mer. Systemet reagerar dessutom inte enbart på nuet. Baserat på historiska data vet algoritmen att efterfrågan kommer att öka kraftigt klockan 02:00 en lördagsnatt vid Stureplan. Den börjar nog justera priser innan kön ens har bildats.

Vad företag kan lära sig

Du behöver ju inte vara Uber för att använda samma principer. Företag med varierande efterfrågan kan dra nytta av dynamisk prissättning. Det gäller restauranger med hög belastning, hotell med säsongsvariationer, e-handlare med kampanjer och konsultbolag med projektcykler.

Grundprincipen är densamma. När efterfrågan överstiger kapaciteten höjer du priset. Det ökar intäkten per enhet samtidigt som det sprider ut efterfrågan över tid. Kunder som inte är priskänsliga betalar mer när det är mycket folk. De som är priskänsliga flyttar faktiskt sitt köp till en lugnare tidpunkt där priset är lägre.

Data som förutsättning

Hela modellen faller förstås utan data. Uber samlar in stora mängder datapunkter varje dag. Det handlar om varje resa, avvisade förfrågningar och valda rutter. Den datan matar algoritmerna som gör prissättningen möjlig.

För ett mindre företag handlar det nog om att börja samla rätt data. Det kan vara transaktionshistorik med tidsstämplar eller kapacitetsutnyttjande per timme. Du kan också titta på avvisade förfrågningar under hög belastning. Med den datan kan du faktiskt bygga enkla modeller som ger dig 80 % av effekten med en bråkdel av komplexiteten.

Riskerna med dynamisk prissättning

Uber har ju fått mycket kritik för sin prissättning. Under kriser har priserna skjutit i höjden, vilket har uppfattats som exploatering. Det finns alltså en viktig lärdom här. Dynamisk prissättning kräver etiska gränser. Du behöver sätta ett tak och ha tydliga undantag.

Kunder accepterar väl dynamisk prissättning när de förstår logiken. Att priset är högre nu för att säkerställa tillgänglighet är en förklaring de flesta kan acceptera. Att ta mer betalt bara för att man kan fungerar däremot sällan.

Från Uber till din verksamhet

Börja med att identifiera dina perioder med hög belastning. När överstiger efterfrågan din kapacitet? Fundera på vad det kostar dig i form av förlorade kunder eller övertid. Sedan kan du experimentera med prisdifferentiering. Det behöver ju inte vara på Ubers nivå, men tillräckligt för att jämna ut belastningen.

Detta kräver förstås data och en viss transparens. Resultatet blir en verksamhet som tjänar mer när det är mycket folk utan att förlora kunder när det är lugnt. Precis som Uber löste taxiproblemet kan du alltså lösa ditt kapacitetsproblem med pris som styrmedel.

Om du vill diskutera hur du kan applicera detta i din verksamhet får du gärna höra av dig via kontakta oss. Vi tror på att börja smått och tänka stort för att hitta en lösning som passar just dig.