Yieldmanagement voor luchtvaartmaatschappijen: elke stoel vullen tegen de juiste prijs

Yieldmanagement in de luchtvaart is geen eenvoudige oefening in het uitverkopen van vluchten. Het is een begrensd optimalisatieprobleem: een luchtvaartmaatschappij moet een vaste, bederfelijke voorraad stoelen toewijzen aan klantsegmenten met verschillende betalingsbereidheid, boekingsvensters, annuleringsgedrag en reisroutewaarde.

Het doel is om verwachte netwerkopbrengst te maximaliseren, niet alleen het aantal passagiers of de bezettingsgraad. Een vlucht kan vol vertrekken en toch financieel ondermaats presteren als er te veel voorraad vroeg tegen lage tarieven is verkocht, terwijl later vraag met een hogere opbrengst werd afgewezen.

Het kernprobleem van optimalisatie

Elke vlucht heeft een beperkt aantal stoelen, maar de vraag naar vluchten arriveert sequentieel en stochastisch. Een revenue-managementsysteem moet beslissen of het een boekingsverzoek nu accepteert of capaciteit beschermt voor een potentieel waardevoller verzoek later.

In een vereenvoudigd model met één traject stelt de luchtvaartmaatschappij boekingslimieten of beschermingsniveaus in voor elke tariefklasse. Een vrijetijdstarief van €79 kan bijvoorbeeld 90 dagen voor vertrek beschikbaar zijn, maar alleen totdat het systeem besluit dat de resterende capaciteit waardevoller is voor flexibele vraag van €240 die dichter bij vertrek wordt verwacht.

Van tariefklassen naar netwerkbeheer

Traditionele systemen gebruiken geneste boekingsklassen: lagere tarieven putten uit hetzelfde aanbod als hogere tarieven, maar het omgekeerde geldt niet. Wanneer een laagtariefbucket sluit, is de stoel niet verdwenen; hij is beschermd voor een klant die een hoger tarief betaalt.

Moderne netwerkmaatschappijen gaan verder. Ze beoordelen de herkomst-bestemmingswaarde van elk verzoek. Een passagier die van Bangkok naar Frankfurt reist via Doha kan waardevoller zijn dan een passagier die alleen het traject Bangkok–Doha neemt, zelfs als het korteafstandstarief op zichzelf aantrekkelijk lijkt. Dit staat bekend als netwerk-revenuemanagement of O&D-controle.

De datawetenschapslaag: het voorspellen van ongecensureerde vraag

Het lastige is dat waargenomen boekingen worden gecensureerd door de beschikbaarheidscontroles van de luchtvaartmaatschappij zelf. Wanneer een lage tariefklasse sluit, kan de luchtvaartmaatschappij niet rechtstreeks waarnemen hoeveel extra passagiers het hadden willen kopen. Revenue-managementteams schatten daarom ongecensureerde vraag: de vraag die zich zou hebben voorgedaan als de voorraad beschikbaar was gebleven.

Typische featuresets omvatten boekingscurves, dag-van-de-week-effecten, seizoensgebondenheid, feestdagen, capaciteit van concurrenten, evenementenkalenders, zoekactiviteit, land van het verkooppunt, annuleringspercentages en historische sell-up-patronen. Statistische en machine-learningmodellen produceren vraagverdelingen in plaats van een enkele voorspelling, omdat het systeem rekening moet houden met onzekerheid en met de gemiddelde vraag.

Beschermingsniveaus en verwachte marginale stoelopbrengst

De beslissingsregel is conceptueel eenvoudig: accepteer een aanvraag met een lager tarief alleen wanneer de opbrengst hoger is dan de verwachte marginale waarde van het bewaren van die stoel voor toekomstige vraag. In de praktijk is de berekening complex omdat vluchten meerdere segmenten, aansluitende reisroutes, tarieffamilies, overboekingslimieten en klantkeuze-effecten hebben.

Onderzoek naar dynamisch stoelbeheer modelleert de luchtvaartvraag als een discreet-tijd stochastisch proces en toont aan dat prijs- en beschikbaarheidsbeslissingen kunnen worden teruggebracht tot kritieke beslissingsperioden in plaats van een afzonderlijke beslissing voor elk mogelijk moment. Lees de originele Transportation Science-studie.

Overboeking is onderdeel van yieldmanagement

Omdat annuleringen en no-shows in het algemeen voorspelbaar zijn, optimaliseren luchtvaartmaatschappijen ook een overboekingsniveau. Het systeem weegt de opbrengst van het verkopen van één extra stoel af tegen de verwachte kosten van instapweigering, herboeking, compensatie en reputatieschade. Het beste overboekingsniveau is daarom specifiek per route, cabine, seizoen en tariefklasse.

Datawetenschappelijke bevinding

Opbrengstbeheer hangt af van het voorspellen van de vraag die door voorraadbeheer verborgen wordt gehouden. De belangrijkste analytische les is dat waargenomen verkopen niet hetzelfde zijn als werkelijke vraag: een uitverkochte tariefklasse kan een sterke vraag weerspiegelen, een opzettelijk strikte boekingslimiet, of beide. Daarom gebruiken luchtvaartmaatschappijen gecensureerde vraagschatting, probabilistische voorspelling en optimalisatie in plaats van simpelweg de verkopen van gisteren te extrapoleren.

Woordenlijst

Opbrengst

Passagiersopbrengst per opbrengstpassagierskilometer of, in bredere zin, de opbrengst per verkochte passagier of stoel.

RASM

Opbrengst per beschikbare stoelmijl; een veelgebruikte maatstaf voor de eenheidsopbrengst in de luchtvaart.

Bezettingsgraad

Het aandeel beschikbare stoelen dat bezet is door betalende passagiers. Een hoge bezettingsgraad betekent niet automatisch een hoge winstgevendheid.

Tariefklasse

Een boekingsklasse met een specifieke prijs, beschikbaarheidslimiet en reeks ticketregels.

Beschermingsniveau

Het aantal stoelen dat wordt teruggehouden voor mogelijk waardevollere toekomstige vraag.

Ongelimiteerde vraag

Een schatting van hoeveel klanten zouden hebben geboekt als stoelen of tarieven niet waren gesloten door voorraadcontroles.

O&D-controle

Controle op herkomst en bestemming: het toewijzen van capaciteit op basis van de waarde van de volledige reisroute van een passagier, niet alleen één vluchtsegment.

Wilt u deze luchtvaarteconomische ideeën zelf toepassen? OpenSky van Papaeya zet routeplanning, prijsstelling en airline-afwegingen om in een speelbaar strategiespel.