La gestion des revenus dans le transport a rien mod les et applications l.jpg
This presentation is the property of its rightful owner.
Sponsored Links
1 / 27

La gestion des revenus dans le transport aérien: Modèles et applications PowerPoint PPT Presentation


  • 90 Views
  • Uploaded on
  • Presentation posted in: General

La gestion des revenus dans le transport aérien: Modèles et applications. Jean-Fran çois Pagé Air Canada Présenté au séminaire sur les modèles d’aide à la décision en marketing Janvier 2007. Agenda. Terminologie Contexte de la gestion des revenus pour une compagnie aérienne

Download Presentation

La gestion des revenus dans le transport aérien: Modèles et applications

An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -

Presentation Transcript


La gestion des revenus dans le transport a rien mod les et applications l.jpg

La gestion des revenus dans le transport aérien: Modèles et applications

Jean-François Pagé

Air Canada

Présenté au séminaire sur les modèles d’aide à la décision en marketing

Janvier 2007


Agenda l.jpg

Agenda

  • Terminologie

  • Contexte de la gestion des revenus pour une compagnie aérienne

  • Modèles classiques

  • Extensions naturelles

  • Récents développements

  • Questions


Terminologie l.jpg

Terminologie

  • « Leg »

    • Plus petit tronçon de vol possible. Perspective opérationnelle et sans escale du vol ou d`une partie du vol

  • Vol

    • Suite d’un ou plusieurs legs rattachées a un même numéro.

  • Segment de vol

    • Perspective passager d’un vol. Vol 100 avec 2 legs (AB et BC) a trois segments possibles ( AB, BC et AC).

  • O/D

    • Perspective ultime du passager de l’origine de son itinéraire jusqu’à sa destination finale. Suite de segments de vols. Tous les prix sont fixés par O/D.

  • ODF

    • Entité regroupant un type de tarif pour une origine-destination


Gestion des revenus une vue globale l.jpg

Gestion des revenus Une vue globale

Allocation des sièges

“YIELD MANAGEMENT”

Tarification

“PRICING”

Horaire

“Scheduling - Fleet assignment”


Tarification l.jpg

Tarification

  • Objectif: Déterminer le prix de chaque produit de façon à maximiser les revenus.

  • Le problème de tarification est extrêmement complexe

  • Avoir un outil d’aide à la décision efficace et novateur pour les analystes en tarification, pourrait contribuer significativement à une augmentation des revenus d’une compagnie aérienne.

  • La difficulté tient dans les nombreuses informations que l’on doit considérer pour prendre la meilleure décision. Entre autres les informations sur les compétiteurs.


Horaire l.jpg

Horaire

  • Objectif:Assigner un avion à chacun des legs du réseau, de façon à maximiser les revenus.

  • Les outils pour l’affectation des avions sont assez sophistiqués et disponibles.

  • Grande dépendance sur la précision des prévisions

    • En théorie, les prévisions O/D sont disponibles.

    • En pratique, plusieurs compagnies utilisent encore des outils de prévisions au niveau leg.


Allocation des si ges l.jpg

Allocation des sièges

  • Objectif: Déterminer combien de sièges doivent être alloué à la vente dans chacune des classes de service, de façon à maximiser les revenus.

  • Habituellement, on divise cette activité en 3 partie (prévisions, optimisation et contrôle de l’inventaire).

  • La survente fait partie de l’optimisation.

  • Typiquement, les tarifs et la capacité sont des inputs au problème.


B n fices de la gestion des revenus l.jpg

Bénéfices de la gestion des revenus

  • Augmentation des revenus de 4% a 6%

    • Survente et mixité des classes

  • Peut aider à faire la correspondance entre demande et offre

    • Dirige la demande à bas tarif sur les vols où la demande totale < capacité

    • Protège des sièges à haut tarif sur les vols où la demande totale > capacité

  • Contrôle la disponibilité des sièges de façon a prévenir la dilution des revenus.


Troisi me g n ration rm application l.jpg

Troisième génération RM application


Mod le d optimisation l.jpg

Modèle d’optimisation

  • Structure emboîtée d’inventaire en série

}Classe 1 protégé de la classe 2,3,4,..

Classe 1

} Classe 2 protégé de la classe 3,4,..

Classe 2

Classe 3


Mod le d optimisation11 l.jpg

Modèle d’optimisation

  • Avec une demande déterministe, il serait simple d’établir les allocations optimales.

  • Exemple

    • 3 classes ( Y,M,B) avec une demande (20,25,30) et des revenus (1000,750,500)

    • Capacité de l’avion 50.

    • On aurait ( 50,30,5) de façon à maximiser les revenus


Mod le d optimisation12 l.jpg

Modèle d’optimisation

  • La demande étant plutôt stochastique, on établira le concept de valeur marginale du siège « EMSR - Expected Marginal Seat Revenue »

  • EMSRi(Si)= Ri*Pi(Si) où

    Ri = revenu moyen de la classe i

    Pi(Si) = probabilité que X≥ Si avec

    X ≈N (demandei, ecart-typei) et Si le nombre de siège disponible pour la classe i seulement


Mod le d optimisation13 l.jpg

Modèle d’optimisation

  • Le concept est basé sur un certain nombre d’hypothèses

    • Demande de chaque classe est séparée et indépendante. L’établissement de conditions préviendra la dilution des revenus.

    • Demande de chacune des classes est stochastique et peut être déterminée avec l’aide de l’historique.

    • La classe avec le tarif le plus bas se remplira en premier, ensuite la classe avec le deuxième plus bas tarif, etc.


Mod le d optimisation14 l.jpg

Modèle d’optimisation

  • Exemple, soit le leg suivant:

  • ClasseDemande moyenneÉcart-typeTarif

    Y 10 31000

    B 15 5700

    M 20 7500

    Q 30 10350

  • La protection optimale de la classe Y sera trouvé avec la plus grande valeur de SY pour que EMSRY(SY) = RY*PY(SY) ≥ RB


Mod le d optimisation15 l.jpg

Modèle d’optimisation

  • En assumant que la demande est normalement distribuée on obtient SY = 8

  • Donc on protégera 8 sièges pour la classe Y seulement.

  • Avec une capacité de 100 sièges, l’allocation deviendra 100 pour la classe Y et 92 pour la classe B.

  • Ensuite on déterminera SB= SB1 + SB2 avec

    EMSRB1(SB1) = RB*PB(SB1) ≥ RM et

    EMSRB2(SB2) = RB < RY*PY(SB1) ≥ RM

  • Dans ce cas, on aura une protection pour la classe B de 14

  • Voir EMSR.xls


Mod le d optimisation16 l.jpg

Modèle d’optimisation

  • On peut aussi améliorer ce modèle

    • Utiliser des demandes conjointes EMSRB

    • Considérer l’élasticité prix entre les classes « sell-up » pour encourager les voyageurs a acheter un billet plus cher.

  • Quelques mots sur les modèles de survente

    • L’objectif est de trouver le nombre de sièges au delà de la capacité de l’avion qui minimise les coûts associés au gaspillage de sièges et les coûts payés aux passagers dans une situation de refus d’embarquement.

    • Les modèles simples ne considéreront que les coûts tangibles.


Mod le d optimisation17 l.jpg

Modèle d’optimisation

  • Les limites sont évidentes. On n’optimise que le vol en question. Aucune considération de l’effet réseau n’est prise en compte.

  • Les conditions tarifaires étant pratiquement disparues, les hypothèses de base ne sont plus valables.

  • L’information des compétiteurs étant disponible aux consommateurs, les modèles doivent en tenir compte.


Extensions naturelles l.jpg

Extensions naturelles

  • Le contrôle de l’inventaire

    • L’optimisation aide à baliser les allocations que l’on souhaite avoir pour chacun des vols et chacune des classes.

    • MAIS, l’on peut toujours modifier la disponibilité finale avec des concepts économiques.

    • Distinguer les itinéraires sur le vol.

  • De leg a O/D


Contr le de l inventaire l.jpg

Contrôle de l’inventaire

C

Y 12

B 8

M 2

H 0

A

Y 10

B 6

M 0

H 0

B

Sous certaines conditions, il peut être bénéfique d’accepter un passager faisant A-B-C même si le leg AB ou le leg BC n’est pas disponible.

Avec des méthodes même simples, on peut insuffler une saveur réseau par le contrôle tout en ayant des modèles de prévisions et d’optimisation qui sont au niveau leg.


De leg a o d l.jpg

De leg a O/D

  • Il semble naturel de passer de leg a O/D

  • En fait, on sait que le contrôle par classe/leg ne maximise pas les revenus totaux du réseau.

  • Des méthodes de contrôle O/D peuvent générer des revenus additionnelles de l’ordre de 1% a 2% par rapport aux méthodes leg

  • On a aussi démontrer que plus le coefficient d’occupation est élevé plus les gains seront important.


De leg a o d21 l.jpg

De leg a O/D

  • On peut donc modélisé le réseau et utiliser des techniques d’optimisation de problème de réseau pour obtenir des coûts de déplacement sur chaque leg.

  • En fait, le bon modèle nous donne les prix marginaux (Bid prices, shadow prices, etc.)


Programme lin aire r seau lp l.jpg

Programme linéaire réseau (LP)

  • Maximiser revenus totaux = SOMME {Tarifs * Sièges}

    • Somme sur l’ensemble des ODF du réseau

    • Avec les contraintes suivantes:

      • Sièges sur chaque ODF ≤demande moyenne

      • Somme{sièges sur chaque leg} ≤ capacité du leg

    • On aura en output

      • Prix marginaux sur chacun des legs qui reflètent la valeur réseau du dernier siège sur chaque vol.


De leg a o d23 l.jpg

De leg a O/D

  • Tout semble si beau avec O/D

    • On a besoin d’un modèle de prévision O/D, ce qui est en soit un très gros défi.

      • Problèmes des petits nombres

    • Accumuler les données au niveau ODF

    • Nécessite un niveau de complexité et d’investissements que l’industrie aérienne n’est pas toujours en mesure de rencontrer.

    • Demande un réajustement des processus internes


D fi de l industrie l.jpg

Défi de l’industrie

  • Les systèmes actuels de gestion des revenus ne répondent plus à la situation actuelle

    • La segmentation traditionnelle par tarif et règles ne fonctionne plus

    • L’information des compétiteurs n’est pas incluse dans la plus part des systèmes

    • Le problème de tarification et d’allocation de siège ne sont plus distincts


R cents d veloppements l.jpg

Récents développements

  • Depuis une vingtaine d’années on a développé des solutions efficaces pour résoudre les problèmes d’allocation des sièges

  • Par nécessité et par possibilité technologique on s’est attaqué au problème de la tarification.

  • Le modèle est intéressant car il peut servir

    • Pour le problème de tarification avec les allocations en input. Les variables de décision sont les tarifs.

    • Pour le problème classique des allocations avec les tarifs en input avec une richesse additionnelle venant des modèles de choix.

    • Pour la résolution conjointe du problème de tarification et d’allocation.

  • Le modèle reflète bien le processus naturel de tarification dans une compagnie aérienne.


Une nouvelle approche au probl me de tarification l.jpg

Problème d’optimisation

Processus d’optimisation hierarchique

Modèle de choix

Une nouvelle approche au problème de tarification

  • Modèle basé sur la programmation hiérarchique

    • TransporteurMaximiser les revenus sur l’ensemble du réseau

      • Contraintes commerciales

      • Contraintes réseau

      • Contraintes de disponibilité

      • Comportement du passager

    • PassagersCherche a minimiser ses coûts perçus

      • En considérant les attributs et les prix

      • En considérant l’offre faite par l’ensemble des compétiteurs

      • En considérant qu’il prendra une décision rationnelle


Slide27 l.jpg

MERCI


  • Login