Dynamisk prissättning vs fasta priser: Varför priset på ett flygsäte kan ändras varje timme

Flygpriserna är dynamiska eftersom sittplatser är en färskvara, efterfrågan är osäker och varje flygning har en fast kapacitet. Priset som visas vid varje given tidpunkt är resultatet av ett intäktshanteringssystem som beslutar vilka prisprodukter som ska erbjudas, hur mycket kapacitet som ska exponeras och hur starkt efterfrågan verkar utvecklas.

Dynamisk prissättning innebär inte nödvändigtvis att ett flygbolag ändrar priset för varje enskild sökning. Vanligare är att det ändrar tillgängligheten för fördefinierade prisprodukter eller tillämpar en offertregel när systemet får nya data om efterfrågan, lager eller konkurrens.

Fast pris jämfört med dynamiskt pris

Ett fast pris är stabilt under en angiven period. Det är lätt att förstå men kan inte snabbt reagera på ett flyg som plötsligt börjar sälja snabbare än prognostiserat, tappar en konkurrent eller utsätts för en oväntad efterfrågechock.

Dynamisk prissättning uppdaterar priser eller tillgängliga prisklasser baserat på tillståndsvariabler som återstående kapacitet, dagar till avgång, bokningstakt, marknadsefterfrågan, prognososäkerhet, konkurrerande priser och resplanens värde. I matematiska termer är detta ett stokastiskt styrproblem med ändlig horisont.

Flygets tillstånd spelar roll

Två flygningar på samma rutt kan ha mycket olika priser eftersom deras bokningsstatus är olika. En måndagsmorgonflygning för affärsresenärer med stark sista-minuten-efterfrågan kan skydda högre prisklasser. En lördagseftermiddagsflygning för fritidsresenärer med svaga bokningar kan behålla lägre pristillgänglighet längre.

En användbar förenklad tillståndsvektor är:

• Återstående platser per kabin och bokningsklass
• Tid till avgång
• Observerad bokningstakt
• Prognostiserad efterfrågefördelning
• Konkurrenters pris- och kapacitetssignaler
• Förväntningar på avbokningar och uteblivanden
• Nätverkets alternativkostnad för platsen

Varför prisresponsdata är svåra att tolka

Flygbolag höjer biljettpriserna när flygen fylls och sänker priserna när efterfrågan är svag. Det skapar ett klassiskt endogenitet problem: pris och efterfrågan rör sig tillsammans eftersom båda reagerar på underliggande marknadsförhållanden.

En naiv prediktionsmodell kan observera höga priser och hög försäljning på semesterflyg och därefter felaktigt dra slutsatsen att ett höjt pris orsakade att försäljningen ökade. Den verkliga drivkraften kan vara den oobserverbara efterfrågechocken under semestern.

En ny artikel i Operations Research belyser detta problem med hjälp av flygbiljettpriser. Den föreslår proxy-stödd kausal inferens med variabler som sidvisningar för biljetter och bränslekostnader för att skatta den kausala effekten av pris på försäljning när efterfrågechocker delvis är oobserverbara. Läs originalstudien.

Efterfrågeankomster är inte alltid oberoende

Standardprissättningsmodeller antar ofta att kunder anländer oberoende av varandra. I verkligheten kan efterfrågan vara självförstärkande: en kampanj, ett evenemang, ett inlägg i sociala medier eller en plötslig förändring av resvillkoren kan skapa en ström av relaterade sökningar och bokningar.

Forskning om självförstärkande efterfrågeprocesser visar att det optimala svaret beror på om marknaden befinner sig i en tillväxtfas eller en mättnadsfas. I en tillväxtfas kan en högre nivå av stimulans stödja ett högre optimalt pris; i en mättnadsfas kan den stödja ett lägre pris. Läs originalartikeln i Operations Research.

Varför ett pris kan ändras efter att du har sökt

De mest sannolika förklaringarna är att en lägre bokningsklass sålt slut, en prisregel löpt ut, intäktshanteringssystemet räknade om tillgängligheten, en konkurrent ändrade pris, eller att en schemalagd datauppdatering ägde rum. Upprepade sökningar kan påverka webbplatsens personalisering eller marknadsföring, men de är inte den enda – eller vanligtvis den huvudsakliga – anledningen till att ett flygpris ändras.

Data science-rön

Dynamisk prissättning bör behandlas som ett kausalt beslutsproblem, inte bara som ett prognosproblem. En modell som förutsäger bokningar väl kan ändå rekommendera dåliga priser om den inte kan skilja korrelation från den sanna efterfrågans priselasticitet. Flygbolag behöver därför experiment där det är möjligt, robusta kausala metoder där experiment inte är möjliga, samt skyddsmekanismer kring tillgänglighet, rättvisa och kommunikation med kunder.

Ordlista

Dynamisk prissättning

Justera priser eller tillgängliga prisprodukter när efterfrågan, kapacitet och marknadsförhållanden förändras.

Efterfrågans priselasticitet

Den procentuella förändringen i efterfrågan i samband med en procentuell förändring i pris.

Endogenitet

Ett statistiskt problem där priset påverkas av samma dolda faktorer som påverkar efterfrågan, vilket gör att enkel korrelation blir missvisande.

Kausal inferens

Metoder utformade för att uppskatta vad som skulle hända vid ett annat beslut, till exempel ett annat pris, snarare än att bara förutsäga observerade utfall.

Ändlig horisont

En beslutsperiod med en fast slutpunkt; för flygbolag slutar horisonten när flyget avgår.

Självexiterande efterfrågan

En process där nylig efterfrågan ökar sannolikheten för ytterligare efterfrågan, vilket skapar skurar snarare än oberoende ankomster.

Alternativkostnad för en plats

Den förväntade intäkt som avstås genom att sälja en plats nu istället för att spara den för en potentiellt mer värdefull senare bokning.

Vill du själv tillämpa dessa idéer om flygbolagsekonomi? OpenSky av Papaeya förvandlar ruttplanering, prissättning och avvägningar för flygbolag till ett spelbart strategispel.