StubHub
moteur de recommandation de prix dynamique aux vendeurs
En 2019, StubHub lance Pricing Assistant, un moteur qui recommande et ajuste automatiquement le prix des billets des vendeurs selon le marche et l'approche de l'evenement, sur pres de vingt ans de donnees.
Objectif
Aider les vendeurs a poser un prix qui maximise la probabilite de vente, donc le volume de transactions et les commissions preleves par la marketplace.
Le déploiement
Pricing Assistant, deploye en Amerique du Nord a partir d'avril 2019 et annonce officiellement en novembre 2019, est un toggle optionnel: une fois active, l'algorithme ajuste le prix des billets a la hausse ou a la baisse au fil de l'evolution du marche et de l'approche de la date de l'evenement. Il s'appuie sur pres de vingt ans de donnees de ventes, les prix par siege et section, les transactions recentes comparables et l'activite de marche en cours, et donne un prix conseille ainsi qu'une fourchette haute et basse. La fonctionnalite Sell It Now, lancee en parallele, permet une vente immediate a prix garanti.
Résultats Preuve C
Communique officiel StubHub et presse specialisee billetterie decrivant nommement l'outil, son fonctionnement et son perimetre. Aucun chiffre de resultat financier public, d'ou un niveau C.
Comment ça fonctionne
Architecture documentéeLa stack en détail
- outil Pricing Assistant toggle vendeur : prix conseille avec fourchette haute et basse, puis ajustement automatique au fil du marche et de l'approche de l'evenement
- outil Moteur de recommandation de prix in-house modele s'appuyant sur pres de vingt ans de donnees de ventes, les prix par siege et section et les transactions recentes comparables
- outil Sell It Now vente immediate a prix garanti, lancee en parallele du Pricing Assistant
Comment ça tourne, concrètement
Pour les équipes ops-
1Activation par le vendeur client
Le vendeur active Pricing Assistant sur ses billets en liste.
-
2Lecture du marche IA
L'algorithme lit prix par section et siege, transactions recentes comparables et activite en cours.
-
3Ajustement du prix IA
Il monte ou baisse le prix au fil de l'evolution du marche.
-
4Baisse a l'approche de l'evenement IA
Il abaisse le prix a mesure que la date approche pour maximiser la probabilite de vente.
L'activite de marche et les transactions recentes comparables par siege et section. Sans liquidite de comparables, la recommandation de prix perd sa fiabilite.
Comment vos clients perçoivent ce type d'usage
Études sourcéesLe pricing algorithmique est le terrain le plus inflammable : 68% des consommateurs disent se sentir leses quand les marques utilisent le pricing dynamique et 80% jugent plus dignes de confiance les marques aux prix constants (Gartner, 2024). L'equite percue varie selon le secteur : le pricing dynamique n'est juge juste que par 33% a 40% des repondants selon qu'il s'agit de concerts ou de cinemas (YouGov, 17 marches). Le prix personnalise par les donnees individuelles est le plus rejete : 47% des Americains s'y opposent fermement (Consumer Reports, 2024).
Conditions d'acceptation
- La constance des prix comme signal de confiance : 80% jugent plus fiables les marques aux prix stables (Gartner 2024)
- Le secteur conditionne l'equite percue : le pricing dynamique est mieux tolere pour les cinemas (40% le jugent juste) que pour les concerts (33%) (YouGov 2024)
Lignes rouges
- Le pricing dynamique percu comme abus : 68% se sentent leses (Gartner 2024)
- Le prix individualise a partir des donnees personnelles : 47% d'opposition ferme (Consumer Reports 2024)
- Les frais caches et hausses imprevues, vecus par 79% des consommateurs sur un an et associes a la perte de confiance (Gartner 2024)
Sources : Gartner 2024 · YouGov 2024 · Consumer Reports 2024
Voir l'acceptation complète : par pays, par usage, par génération
Comment répliquer
Inférence - non sourcéPrérequis data
- historique de transactions par siege et section
- activite de marche en temps reel
- comparables par type d'evenement
Prérequis orga
- marketplace avec inventaire vendeur
- outil pour exposer les recommandations
- regles de garde-fous sur les prix
Stack possible
- moteur de recommandation de prix maison
- modele de probabilite de vente
- flux de donnees de marche
Le plan, étape par étape
- Étape 1Consolider l'historique : transactions par evenement, siege et section, avec les comparablesLivrable : Dataset de transactions nettoye et structure
- Étape 2Modeliser la probabilite de vente par niveau de prix a partir des comparablesLivrable : Modele evalue en backtest sur les ventes passees
- Étape 3Definir les garde-fous : bornes de prix, fourchettes et regles a l'approche de la dateLivrable : Politique de pricing documentee et testable
- Étape 4Exposer l'outil aux vendeurs en opt-in (toggle) sur un segment piloteLivrable : Outil actif chez des vendeurs pilotes, sell-through mesure
- Étape 5Comparer taux de vente et revenu des annonces avec et sans l'outil, ajuster puis ouvrir a tousLivrable : Lecture chiffree du sell-through et deploiement general
Première étape : Construire une estimation de probabilite de vente par prix sur l'historique de transactions comparables.
Le même pattern, prouvé dans d'autres industries
Airbnb
suggestion de prix dynamique aux vendeurs (host pricing)
Delta Air Lines
pricing dynamique par IA (yield management)
Shopee
automatisation des campagnes publicitaires vendeur par IA
Sources
- S1 StubHub launches Pricing Assistant and Sell It Now to make it even easier to sell tickets to live events Primaire archive à générer
- S2 StubHub Announces New Tools, Including Sell It Now Feature Secondaire archive à générer
- S3 StubHub Adds Dynamic Ticket Pricing Secondaire archive à générer
Une erreur, une info plus récente, une source ?
Cette fiche vit de sa justesse. Si un chiffre a bougé, si le déploiement a changé, ou si vous avez une source de meilleure qualité, dites-le nous. Toute correction sourcée est vérifiée avant publication.