最近看到 Bloomberg 一篇談航空公司導入 AI 定價的報導，讓我想到一件其實在旅宿與數位銷售領域已經發展很久的事情：
AI 最後決定的，究竟是「這個產品現在值多少錢」，還是「這個人最多願意付多少錢」？
Bloomberg 報導提到，Delta 等航空公司正嘗試把 AI 更深地導入票價決策，像 Fetcherr 這類公司甚至以 Large Market Model（LMM）分析大量市場訊號，讓價格調整變得更即時、更細緻。
真正讓我有興趣的，不只是 AI 能不能把機票價格算得更準。
而是當模型開始有能力推估旅客的 willingness to pay，也就是「支付意願」，航空公司的定價邏輯可能會從：
「這班飛機現在應該賣多少？」
慢慢走向：
「這個旅客現在願意付多少？」
這也是這篇 Bloomberg 報導讓我想寫這篇文章的原因。
因為回到旅宿產業，其實我們早就在不同程度上看到類似的邏輯。
Uber 大家可能最熟悉。
下雨、演唱會散場、某個區域突然很多人叫車，價格就會上升。這通常稱為 Dynamic Pricing 或 Surge Pricing。
它基本上判斷的是：
「現在這個市場的供需狀態是什麼？」
旅館 Revenue Management 其實也非常類似。
住房率、Lead Time、星期、季節、節慶活動、競品價格、歷史需求、剩餘房量，都可能影響下一刻的房價。
所以 Dynamic Pricing 本身並不是一件新鮮事。
但另外一種情境，我在旅館訂房網站或其他電商網站其實已經看過很多年。
客人進入訂房頁面，看完價格，似乎準備離開。
滑鼠往瀏覽器右上角移動時，突然跳出一個視窗：
「等等，現在完成訂房享 8 折。」
這種技術通常稱為 Exit-intent Popup。
系統根據滑鼠移動、停留時間或其他頁面行為，判斷使用者可能準備離開，再丟出一個優惠，希望把即將流失的訂單救回來。
嚴格來說，它比較不是 Revenue Management。
它更接近：
Behavioral Targeting
Conversion Rate Optimization（CRO）
On-site Personalization
也就是：
不是只判斷「房間值多少錢」，
而是在判斷：
「眼前這個客人現在需要什麼刺激，才會完成交易？」
這和 Bloomberg 那篇航空報導談到的 AI 定價，其實有一個很有意思的交集。
以前的 Exit-intent 邏輯可能非常簡單：
滑鼠往右上
→ 判斷要離站
→ Popup
→ 給 8 折。
但 AI 可以把它變得複雜很多。
假設一位旅客：
三天內搜尋同一家飯店四次
看過同一個房型三次
停留七分鐘
看過取消政策
再去看停車資訊
選擇兩大兩小
入住日期只剩三天。
AI 甚至不需要知道這個人叫什麼、收入多少。
光是這些行為訊號，就可能推估：
Purchase Intent：High
Price Sensitivity：Medium
Booking Probability：82%
接下來真正有趣的問題就來了。
系統應該給他什麼？
降價 5%？
送早餐？
Late Check-out？
免費停車？
房型升等？
還是什麼都不要給？
因為 AI 可能判斷：
「這個人本來就會訂。」
這時候我認為旅宿 AI 很可能會從：
Dynamic Pricing
慢慢走向：
Personalized Offer。
而 Personalized Offer，某種程度上比 Personalized Pricing 更值得旅宿業關注。
因為飯店不一定需要讓兩個人看到完全不同的房價。
它可以維持同樣的 BAR，但針對不同旅客動態組合：
早餐
Late Check-out
Room Upgrade
Spa Credit
Airport Transfer
Parking
Cancellation Terms
Loyalty Points
同樣一間 NT$6,800 的房間，
不同的人看到的，可能是一個完全不同的 Offer。
這也代表另一個我認為很重要的變化。
過去飯店的 Commercial Function 大致是分開的。
Revenue Manager 決定：
「賣多少錢？」
Marketing 決定：
「怎麼讓客人來？」
CRM 決定：
「這個客人是誰？」
E-commerce 決定：
「怎麼提高 Conversion？」
但 AI 最後可能把這四件事情慢慢合併成同一個決策流程：
Who is this guest?
What does this guest want?
How likely is this guest to book?
How price-sensitive is this guest?
What should I offer?
At what price?
Right now?
如果是這樣，它其實已經不再只是傳統的 RMS。
我反而會把它理解成：
Real-time Commercial Decision Engine。
而 Bloomberg 這篇航空 AI 定價報導真正讓我感興趣的，也正是這條界線。
Dynamic Pricing 問的是：
「現在這個市場值多少？」
Personalized Pricing 問的卻是：
「你最多願意付多少？」
這兩句話看起來只差一點點，背後卻是完全不同的商業邏輯。
美國 FTC 甚至已經開始使用一個更敏感的名詞：
Surveillance Pricing。
也就是利用瀏覽紀錄、消費紀錄、位置、人口特徵，甚至網站互動行為，去決定不同消費者看到的價格、促銷或產品呈現。
當然，這不代表現在航空公司或 OTA 已經普遍做到「看你滑鼠停太久就偷偷漲價」。
目前很多相關討論仍然是在談技術上可以做到什麼，以及未來可能走到哪裡。
但我認為真正值得旅宿業思考的，不是 AI 有沒有能力做到。
能力其實很快就會有。
真正的問題是：
我們準備讓它做到什麼程度？
會員便宜 10%，大部分人可以接受。
App 專屬價，大部分人也可以接受。
早鳥價、不可取消價、淡旺季價，大家都已經習以為常。
但如果有一天，
A 和 B 在同一分鐘搜尋同一家飯店、同一房型、同一入住條件，
AI 因為判斷 A 的支付意願比較高，
所以 A 看到 NT$8,200，
B 卻看到 NT$7,300。
消費者會不會還覺得這只是 Revenue Management？
這可能才是 Bloomberg 這篇航空 AI 定價報導背後，真正值得旅宿業提前思考的問題。
未來 AI Revenue Management 最大的議題，也許不只是：
「AI 可以幫飯店增加多少 Revenue？」
而是：
「當 AI 越來越了解每一位客人的購買意圖、價格敏感度與支付意願，我們準備讓它走到哪裡？」
這條線，我認為會是接下來 AI 在旅宿 Commercial Technology 上，非常有意思，也非常敏感的一條界線。
(感謝有AI幫忙整理名詞解釋 phewww)
