Dynamic Pricing & Overbooking

动态定价与超额预订

针对易逝容量（酒店客房、活动门票、租赁设备、诊所时段、餐厅座位）的预订量、容量和价格数据进行收益管理计算。提供当前定价建议、面向高价值细分客群的保护水平、价格弹性、安全的超额预订上限，以及预订速度过快或过慢时的提醒。返回价格区间和拒绝服务的概率；不会自动执行定价。

注册名称	ai.saifs/revenue-optimization
端点	https://revenue-optimizer-mcp-microsoft.saifs.ai/mcp
传输方式	Streamable HTTP（远程，无需安装）
身份验证	OAuth 2.1 — PKCE（S256）和动态客户端注册；首次使用时，客户端会打开登录页面
发布者	SAIFS AI

安装

VS Code / GitHub Copilot

添加到 .vscode/mcp.json（工作区）或用户的 mcp.json：

{
  "servers": {
    "saifs-revenue-optimization": {
      "type": "http",
      "url": "https://revenue-optimizer-mcp-microsoft.saifs.ai/mcp"
    }
  }
}

然后从 MCP 视图启动服务，并在提示时登录。

Claude（claude.ai、Desktop）

设置 → 连接器 → 添加自定义连接器，然后粘贴：

https://revenue-optimizer-mcp-microsoft.saifs.ai/mcp

Claude Code

claude mcp add --transport http saifs-revenue-optimization https://revenue-optimizer-mcp-microsoft.saifs.ai/mcp

任何其他 MCP 客户端

使用 Streamable HTTP 传输方式连接到 https://revenue-optimizer-mcp-microsoft.saifs.ai/mcp。服务会返回带有 WWW-Authenticate: Bearer … resource_metadata=… 挑战的 401，因此支持 OAuth 的客户端会自动登录。

工具

工具	功能
denied_service_risk	在预订上限下，估算被拒绝服务的客户概率和预期人数。
estimate_elasticity	根据价格和销售历史，估算需求对价格的响应。
explain_recommendation	说明建议背后的收益管理逻辑和假设。
optimal_overbooking	根据到店率，计算可使预期利润最大化的预订上限。
optimize_price	根据剩余容量、距截止日期的天数和需求，推荐当前价格。
protection_levels	计算为高价值细分客群预留的容量（Littlewood / EMSR）。
recommend_overbooking	根据未到店率、容量和成本，推荐安全的超额预订水平。
show_rate_estimate	按路线、日期或细分客群估算到店率，并提供置信度。
watch_booking_pace	在预订速度过快或过慢时发出提醒，触发价格调整。

示例提示词

• “我们应该超额预订多少间客房？”
• “为下周设置票价档位”
• “什么价格能使收入最大化？”

支持

• 网站：https://saifs.ai
• 问题反馈：https://github.com/Saify-Technologies/saifs-ai-mcps-docs/issues
• 隐私政策：https://saifs.ai/privacy_policy