报价管理是在正确的时间以正确的价格向正确的客户销售正确的捆绑包(机票和航空配件)的过程。这是完善的收入管理流程的延伸,该流程优化了机票库存控制,同时还包括航空公司的辅助产品。这是三篇文章中的第一篇,描述了机器学习方法如何根据客户群体生成有针对性的辅助捆绑服务,以取悦客户并为航空公司带来最大收益。

品牌票价(预先定义的静态捆绑)和辅助产品的零售销售对航空公司的重要性日益增加。过去十年,航空业的平均机票价格每年下降-0.9%(国际航空运输协会2018年[1]),但托运行李、额外腿部空间、wifi和餐饮等航空辅助设备的销售增长了+40%。2018年,辅助产品的总销售额为930亿美元(美国)(Ideaworks和Cartrawler 2018[2]),预计2019年将突破1000亿美元的门槛。飞机上的鸡尾酒太多了!

有效的航空公司报价管理需要了解所有分销渠道、在线旅行社、公司预订工具或直接从航空公司网站了解客户偏好和购买行为模式。多亏了亚马逊网站、Netflix、iPhone和其他高质量的消费者应用程序、旅行者的需求正在发生变化,他们现在期望在整个旅行规划过程中提供简化和个性化服务。Sabre提供管理决策支持的框架可以提升旅行者的简化和个性化。看到这篇关于我们的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:

  • 第一部分:基于旅行背景的数据收集和客户细分(旅行目的细分),
  • 第二部分:一个推荐引擎,根据这些细分或角色向客户推荐捆绑包,一个报价引擎,为一个细分(1:1个性化)和
  • 第三部分: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

基于旅游背景的客户细分对于支持客户获取、最大限度地创造收入和留住最有利可图的客户非常重要。根据我们的经验,基于购买行为模式的客户细分有助于确定相关的报价;但是,细分永远都不是完美的,应该定期使用来自新数据源的信息进行细化。

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。2018年全球航空公司辅助收入预计为929亿美元。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公司/