报价管理是销售右束的过程 - 在合适的时间以合适的价格给正确的客户 - 机票和空气辅助设备。这是优化库存控制的机票也包括航空配套产品的完善的税收管理过程的延伸。这是前三篇文章描述的机器学习方法如何能生成具有针对性的,通过客户细分配套捆绑优惠,取悦客户和收益最大化的航空公司。

品牌票价(预先定义的,静态束)和辅助设备的零售商品的重要性与日俱增航空公司。在航空业的平均机票已经每年-0.9%,在过去十年中有所下降(IATA 2018 [1]),但销售空气辅助设备,如托运行李,额外的腿部空间,无线网络以及食品和饮料,已经成长+ 40%。在2018年,辅助设备的销售总额为$ 93十亿(美国)(Ideaworks和Cartrawler 2018 [2]),并预计将穿越$ 100的十亿门槛在2019年这是一个很大的飞行鸡尾酒!

有效的航空公司提供管理需要客户的喜好和购买行为模式的整个分销渠道的理解,从在线旅行社,企业预订工具或者直接从航空公司网站。由于Amazon.com,Netflix公司,iPhone和其他高品质的消费应用,旅客的需求正在发生变化,他们现在预计整个旅游规划过程简化和个性化的服务。vwin电竞投注Sabre的要约管理决策支持框架,可以提高双方的简化和个性化的旅客。看到这个前面张贴军刀我们vwin电竞投注动态辅助束原型[3])。报价管理解决方案的核心组件包括:

  • 第1部分:数据采集和基于上下文为他们的旅行客户细分(出行目的细分),
  • 第2部分:推荐引擎推荐束基于这样的链段或角色的客户,和报价引擎来定制和价格中的一个段中的报价(1:1的个性化),并
  • 第3部分:测试和学习使用强化学习,不断适应不断变化的消费者行为和新的竞争对手的产品的产品推荐的实验引擎。

下图描述了这些报价管理流程:

vwin电竞投注军刀已经实施了两个旅行社和酒店的应用程序,和β版本上述框架的选择机型在工作的终端到端到端流程上airline.com网站。我们使用这些方法的初步经验已普遍从实施和使用的角度积极。实用性一直是指导我们的报价管理应用程序设计的一个重要考虑因素。下面是我们的一些设计选择,以及为什么。

数据可用性

在整个旅游价值链的一个共同主题是显示目标内容根据我们了解客户的隐性或显性的信息给客户。这种类型的深刻理解可以从一系列的数据来得出的,例如事务订票和售票数据,人口统计,社会化媒体,调查等等。

我们的框架主要基于历史航空票务数据和辅助销售(因为这些信息通常是广泛使用)。除了卖量,这些数据包含了销售渠道,预订和出发时间和日期信息丰富,票价类型购买,等我们的测试和学习实验架构还采用了在网站上的展示和转换率信息加上每个报价with metadata about the context (i.e. pages visited, request details, any bundle customization performed by the user, etc.). A future data requirement (currently being tested in a research mode) involves use of agency low-fare search shopping results; which can provide further insights on current competitive offerings in the marketplace for use in dynamic pricing decision making.

客户细分

基于上下文旅行客户细分是为了支持客户获取,最大化创收的重要和留住最有价值的客户。根据我们的经验,基于购买行为模式的客户细分是确定相关优惠有帮助;然而,分割是永远不是完美的,应当与新的数据源信息定期细化。

我们提出的分割方法建议基于跳闸目的和显示偏好模型分割。Trip purpose segmentation uses classification based on characteristics of the trip itself (e.g. advance purchase, travel days-of-week, length-of-stay, number of travelers, distance traveled, purchase time-of-day, flight departure and arrival times, O&D market, selling channel, etc.). These characteristics can reasonably segment customers into similar types (e.g. business vs. leisure-like travel), and they work even when the customer’s identity is not known. For example, a trip request several months in advance for five passengers tells a different story than a last minute, weekday trip request for one traveler. Furthermore, non-overlapping classification based on trip attributes is mutually exclusive and collectively exhaustive (MECE) which simplifies management of rules used and analysis by airline marketing analysts. We have successfully applied techniques such as hierarchical-clustering and CART (classification and regression trees) for trip segmentation.

在这个博客系列的下一部分,我们将讨论的建议,并提供引擎。

参考

  1. 航空公司财务监控。https://www.iata.org/publications/economics/Reports/afm/Airlines-Financial-Monitor-Jan-2019.pdf,2018年12月 - 2019年1月。
  2. Ideaworks和Cartrawler。航空增值服务预计为$ 929亿元全球在2018年。https://www.ideaworkscompany.com/wp-content/uploads/2018/11/Press-Release-133-Global-Estimate-2018.pdf
  3. 航空公司提供管理 - 军刀见解vwin电竞投注https://www.vwin电竞投注sabre.com/insights/innovation-hub/prototypes/airline-offer-management/