مکانیسم قیمتگذاری بلیط هواپیما: مدیریت بازده و «باکتهای کرایه» چگونه هزینه سفر شما را تعیین میکنند؟
قیمتهای بسیار متفاوتی که مسافران برای یک پرواز کاملاً یکسان میپردازند، تصادفی نیستند، بلکه نتیجه الگوریتمهای پیچیدهای هستند که موجودی صندلیها، تقاضای تاریخی و منحنیهای رزرو در زمان واقعی را متعادل میکنند.
به قلم آرش علوی
این خبر را به اشتراک بگذارید
- استراتژیستهای مدیریت درآمد
- تمرکز بر به حداکثر رساندن درآمد کل پرواز از طریق قیمتگذاری پویا و کنترل موجودی.
- حامیان مصرفکننده سفر
- تمرکز بر شفافیت، یافتن بهترین ارزش و مدیریت قوانین پیچیده کرایه.
- ارائهدهندگان فناوری هوانوردی
- تمرکز بر مدرنسازی سیستمهای قدیمی با قیمتگذاری پیوسته و شخصیسازی مبتنی بر هوش مصنوعی.
روند رویداد
اواخر دهه ۱۹۷۰
مقرراتزدایی خطوط هوایی ایالات متحده به شرکتها اجازه میدهد تا آزادانه قیمتهای خود را تعیین کنند و مدیریت بازده مدرن متولد میشود.
دهه ۱۹۸۰
امریکن ایرلاینز (American Airlines) سیستم DINAMO، اولین سیستم جامع مدیریت بازده کامپیوتری، را معرفی میکند که سودآوری صنعت را متحول میکند.
دهه ۲۰۰۰
ظهور آژانسهای مسافرتی آنلاین، خطوط هوایی را مجبور میکند ساختارهای قیمتگذاری پیچیده خود را برای مصرفکنندگان روزمره قابل مشاهده کنند.
دهه ۲۰۲۰
شرکتهای بزرگ هواپیمایی شروع به گذار از باکتهای کرایه الفبایی قدیمی به مدلهای قیمتگذاری پیوسته مبتنی بر هوش مصنوعی میکنند.
چرا مهم است
درک ریاضیات نامرئی پشت قیمتگذاری خطوط هوایی، رزرو بلیط را از یک بازی حدس و گمان خستهکننده به یک سیستم قابل پیشبینی تبدیل میکند که میتوانید آن را مدیریت کنید. با دانستن اینکه خطوط هوایی چگونه برای زمان و موجودی ارزش قائل میشوند، میتوانید خرید خود را به صورت استراتژیک زمانبندی کنید تا بهترین کرایه ممکن را برای سفر بعدی خود تضمین نمایید.
شما در صندلی ۱۴B یک پرواز بینالمللی به پاریس مستقر میشوید، کیف خود را در جای مخصوص میگذارید و دریچه هوا را تنظیم میکنید. مسافر صندلی ۱۴A سه ماه پیش بلیط خود را با قیمتی متوسط خریده است. اما مسافر صندلی ۱۴C دیروز چهار برابر آن مبلغ را پرداخت کرده است. این وضعیت ذاتاً ناعادلانه به نظر میرسد—یک بازی کازینویی خستهکننده که در آن همیشه میزبان برنده است و قوانین پنهان هستند. اما قیمتهای بسیار متفاوت در یک هواپیمای مدرن، خودسرانه نیستند. آنها خروجی یک باله ریاضی بسیار هماهنگ هستند که برای حل یکی از پیچیدهترین مسائل در تجارت مدرن طراحی شده است: فروش یک محصول فاسدشدنی که ارزش آن دقیقاً در لحظه بسته شدن درب کابین به صفر میرسد.[7]
برای درک نحوه محاسبه قیمت بلیط شما، باید فراتر از چیدمان فیزیکی کابین نگاه کنید. در حالی که شما سه کلاس فیزیکی—اکونومی، پریمیوم و بیزینس—را میبینید، سیستم کامپیوتری خطوط هوایی، هواپیما را به دهها دسته الفبایی نامرئی که به عنوان «باکتهای کرایه» شناخته میشوند، تقسیم میکند.[4]
این باکتها، که با حروف Y، B، M، H و Q مشخص میشوند، نشاندهنده نقاط قیمتی و مجموعههای قوانین متفاوتی برای صندلیهای فیزیکی کاملاً یکسان هستند. کرایه 'Y' ممکن است یک بلیط اکونومی کاملاً قابل استرداد و لحظه آخری باشد، در حالی که کرایه 'Q' نشاندهنده یک قیمت تبلیغاتی با تخفیف عمیق و غیرقابل استرداد است. شما و همسفرتان در یک کابین فیزیکی نشستهاید، اما موجودی را از باکتهای الفبایی کاملاً متفاوتی خریداری کردهاید.[4]
وقتی یک پرواز برای رزرو باز میشود، معمولاً ۳۳۰ روز قبل، خطوط هوایی صندلیهای فیزیکی هواپیما را بر اساس دادههای تاریخی بین این باکتهای نامرئی توزیع میکنند. آنها صرفاً تمام صندلیها را با پایینترین قیمت در دسترس قرار نمیدهند. در عوض، موجودی را در باکتهای گرانتر نگه میدارند، با پیشبینی ورود مسافران کاری که دیر رزرو میکنند و برنامه زمانی را بر هزینه اولویت میدهند.[8]
این هسته اصلی «مدیریت بازده» (Yield Management) است، یک استراتژی قیمتگذاری که توسط صنعت هوانوردی در اواخر دهه ۱۹۷۰ پس از مقرراتزدایی ابداع شد. هدف اساسی مدیریت بازده، پر کردن هر صندلی در هواپیما نیست، بلکه به حداکثر رساندن درآمد کل حاصل از آن پرواز است.[6]
پروازی که کاملاً پر از مسافران تفریحی با تخفیفهای عمیق از زمین بلند میشود، ممکن است در واقع ضرر کند، در حالی که پروازی که تا حدی خالی است، اما با ترکیبی سالم از کرایههای پریمیوم لحظه آخری، سود قابل توجهی به همراه دارد. الگوریتمهای خطوط هوایی دائماً «ضریب بار» (Load Factor)—درصد ظرفیت صندلیهای موجود که پر شده است—را در برابر زمان باقیمانده تا پرواز محاسبه میکنند.[3]
اگر پروازی به رم در ماه جولای سریعتر از پیشبینی الگوریتم تاریخی در ماه مارس در حال پر شدن باشد، کامپیوتر به طور خودکار باکتهای کرایه ارزانتر را میبندد. صندلیهای فیزیکی تغییری نکردهاند، اما تنها موجودی باقیمانده اکنون در باکتهای با قیمت بالاتر است، که باعث میشود قیمتی که شما روی صفحه نمایش خود میبینید یک شبه جهش کند.[7]
اگر پروازی به رم در ماه جولای سریعتر از پیشبینی الگوریتم تاریخی در ماه مارس در حال پر شدن باشد، کامپیوتر به طور خودکار باکتهای کرایه ارزانتر را میبندد.
برعکس، اگر یک پرواز صبح سهشنبه به شیکاگو دو هفته قبل از پرواز به طور غیرعادی خالی به نظر برسد، الگوریتم ممکن است باکتهای با قیمت پایینتر را دوباره باز کند تا تقاضا را تحریک کرده و هر درآمدی را که میتواند قبل از بسته شدن دربها به دست آورد. این تنظیم خودکار و مداوم دلیلی است که بررسی یک کرایه در روز سهشنبه در مقابل روز چهارشنبه میتواند نتایج کاملاً متفاوتی به همراه داشته باشد.[5]
با این حال، سیستم سنتی باکتهای الفبایی در حال حاضر تحت یک تحول عظیم است. برای دههها، خطوط هوایی توسط سیستمهای رزرو قدیمی محدود بودند که آنها را مجبور میکرد قیمتگذاری را در مراحل گسسته و سفت و سخت انجام دهند. اگر یک باکت به فروش میرفت، قیمت ممکن بود فوراً به سطح بعدی بپرد، حتی اگر مشتری مایل بود قیمتی دقیقاً در وسط بپردازد.[2]
امروزه، صنعت به سمت «قیمتگذاری پیوسته» (Continuous Pricing) حرکت میکند. به جای جهش بین باکتهای الفبایی سفت و سخت، الگوریتمهای مدرن میتوانند یک منحنی تقاضای روان را ترسیم کرده و بلیط را با هر مبلغ دلاری خاصی که با تقاضای زمان واقعی مطابقت دارد، ارائه دهند.[2]
این تغییر به خطوط هوایی اجازه میدهد تا با تطبیق دقیق قیمتی که بخشی از بازار در هر لحظه مایل به پرداخت آن است، درآمد بیشتری کسب کنند. همچنین به این معنی است که توصیه قدیمی پاک کردن کوکیها یا رزرو در نیمهشب سهشنبه تا حد زیادی منسوخ شده است، زیرا الگوریتمها اکنون به منحنیهای تقاضای بازار گستردهتر پاسخ میدهند تا جلسات مرورگر فردی.[1]
علاوه بر این، خطوط هوایی به طور فزایندهای در حال افزودن شخصیسازی به سیستمهای مدیریت بازده خود هستند. با تجزیه و تحلیل دادههای مسافران مکرر، رفتار خرید گذشته، و افزونههای خاصی که مسافر معمولاً خریداری میکند—مانند فضای پای اضافی یا چمدانهای تحویل داده شده—سیستم میتواند پیشنهاد اولیه را سفارشی کند.[1]
این لزوماً به این معنی نیست که فقط به این دلیل که شما مکرراً جستجو میکنید، هزینه بیشتری از شما دریافت میشود؛ بلکه به معنای ارائه یک کرایه بستهبندی شده است که با ترجیحات تاریخی شما مطابقت دارد و درآمد کل خطوط هوایی به ازای هر مسافر را به جای فقط قیمت پایه بلیط، بهینه میکند.[1][9]
برای مسافر باهوش، درک این مکانیسمها یک مزیت واضح ارائه میدهد. الگوریتمها طراحی شدهاند تا حداکثر ارزش را از مسافران غیرمنعطف استخراج کنند و به کسانی که میتوانند با نیاز خطوط هوایی برای پر کردن ظرفیتهای خارج از اوج سازگار شوند، تخفیف ارائه دهند.[8]
با رزرو در پنجره زمانی بهینه—معمولاً یک تا سه ماه قبل از پرواز داخلی، و دو تا هشت ماه قبل از پرواز بینالمللی—شما در زمانی خرید میکنید که الگوریتمهای خطوط هوایی بیشترین تمایل را به تضمین درآمد پایه دارند، قبل از اینکه پنجره رزرو سودآور و لحظه آخری سفرهای کاری باز شود.[7][9]
در نهایت، قیمتی که شما میپردازید، تصویری لحظهای از یک مذاکره ریاضی بین انعطافپذیری شما و دادههای تاریخی خطوط هوایی است. تشخیص اینکه خود صندلی قیمت ثابتی ندارد، بلکه فقط یک ارزش سیال دارد که توسط زمان و کمیابی تعیین میشود، به شما این امکان را میدهد که سفرهای خود را با اطمینان خاطر و نه با ناامیدی برنامهریزی کنید.[9]
نکات کلیدی
- خطوط هوایی صندلیهای یکسان بخش اکونومی را به دهها «باکت کرایه» الفبایی نامرئی با قیمتها و قوانین متفاوت تقسیم میکنند.
- الگوریتمهای مدیریت بازده با هدف به حداکثر رساندن درآمد کل پرواز کار میکنند، نه صرفاً پر کردن هر صندلی در هواپیما.
- قیمتها به طور خودکار نوسان میکنند، زیرا الگوریتمها در دسترس بودن باکتهای کرایه ارزانتر را بر اساس سرعت رزرو در زمان واقعی تنظیم میکنند.
- صنعت در حال حرکت به سمت «قیمتگذاری پیوسته» است و جهشهای قیمتی سفت و سخت را با منحنیهای تقاضای پویا و روان جایگزین میکند.
- رزرو در پنجره زمانی بهینه معمولاً بهترین تعادل بین قیمت و در دسترس بودن را قبل از افزایش ناگهانی تقاضای سفرهای کاری تضمین میکند.
بررسی عمیق دیدگاهها
استراتژیستهای مدیریت درآمد
تمرکز بر به حداکثر رساندن درآمد کل پرواز از طریق قیمتگذاری پویا و کنترل موجودی.
از دیدگاه استراتژیستهای درآمد خطوط هوایی، یک صندلی خالی یک فرصت از دست رفته است، اما یک صندلی که بیش از حد ارزان فروخته شده، شکست در بهینهسازی است. هدف اصلی خطوط هوایی متعادل کردن موجودی فاسدشدنی با تقاضای غیرقابل پیشبینی است و اطمینان از سودآوری پرواز با دریافت مبلغی که بخشهای مختلف بازار مایل به پرداخت آن هستند. این امر مستلزم نگه داشتن موجودی برای مسافران با بازده بالا و لحظه آخری است، حتی اگر به معنای ریسک چند صندلی خالی هنگام پرواز باشد.
حامیان مصرفکننده سفر
تمرکز بر شفافیت، یافتن بهترین ارزش و مدیریت قوانین پیچیده کرایه.
حامیان مصرفکننده استدلال میکنند که عدم شفافیت باکتهای کرایه و قیمتگذاری پویا، زمین بازی نابرابری را برای مسافران ایجاد میکند. از آنجا که قوانین حاکم بر آزادسازی موجودی پنهان هستند، مسافران مجبورند حدس بزنند چه زمانی خرید کنند، که اغلب منجر به ناامیدی میشود وقتی قیمتها یک شبه جهش میکنند. برای این حامیان، درک الگوریتمها یک مکانیسم دفاعی ضروری برای جلوگیری از پرداخت بیش از حد برای حمل و نقل اولیه است.
ارائهدهندگان فناوری هوانوردی
تمرکز بر مدرنسازی سیستمهای قدیمی با قیمتگذاری پیوسته و شخصیسازی مبتنی بر هوش مصنوعی.
ارائهدهندگان فناوری، باکتهای کرایه الفبایی قدیمی را به عنوان مصنوعات منسوخ شده محدودیتهای محاسباتی دهه ۱۹۸۰ میبینند. آنها استدلال میکنند که آینده قیمتگذاری خطوط هوایی متکی بر الگوریتمهای پیوسته و مبتنی بر هوش مصنوعی است که به جای مراحل قیمتی سفت و سخت، بستههای شخصیسازی شده ارائه میدهند. با حرکت به سمت پیشنهادات و سفارشات پویا، خطوط هوایی میتوانند گزینههای متناسبتری را به مسافران ارائه دهند و در عین حال درآمد دقیقتری را از منحنی تقاضا استخراج کنند.
منابع
[1]Journal of Revenue and Pricing Managementاستراتژیستهای مدیریت درآمدPersonalization in airline revenue management: an overview and future outlook
مطالعه در Journal of Revenue and Pricing Management →
[2]DSpace@MITاستراتژیستهای مدیریت درآمدAirline Revenue Management with Segmented Continuous Pricing: Methods and Competitive Effects
مطالعه در DSpace@MIT →
[3]تیم سردبیری کوهستانارائهدهندگان فناوری هوانوردیتحلیل تیم سردبیری کوهستان
مطالعه در تیم سردبیری کوهستان →
[4]JetBackحامیان مصرفکننده سفرScarcity, Inventory, and Inequity: A Deep Dive into Airline Fare Buckets
مطالعه در JetBack →
[5]APEX.aeroارائهدهندگان فناوری هوانوردیYield Management Pricing, Explained
مطالعه در APEX.aero →
[6]Stripeاستراتژیستهای مدیریت درآمدWhat Is Yield Management? Here's How It Works
مطالعه در Stripe →
[7]Illumin Magazineحامیان مصرفکننده سفرThe Algorithm behind Plane Ticket Prices and How to Get the Best Deal
مطالعه در Illumin Magazine →
[8]Scholarly Commonsاستراتژیستهای مدیریت درآمدYield Management in the Airline Industry
مطالعه در Scholarly Commons →
[9]تیم سردبیری کوهستانارائهدهندگان فناوری هوانوردیتحلیل تیم سردبیری کوهستان
مطالعه در تیم سردبیری کوهستان →
نظرات
هر زاویه. هر روز.
دریافت سفر اخبار همراه با پوشش کامل منابع و تحلیل دیدگاهها، مستقیم در صندوق ورودی شما.


