伴随著(zhe)航空公司運價結構簡化的趨勢，收益管理系統應用方面也出現瞭(le)一些新問題，例如“價格漩渦”效應：由於施加在運價艙位上的使用限制條件減少，旅客自然會預訂當時最低的可用艙位，那麽收益管理系統獲得的訂座數據中高價艙位的預訂就會減少。這樣
，收益管理系統的預測算法會認爲市場上高價需求減小，因而在計算庫存控制的限制銷售數時
，會減少高價艙位的庫存，增加低價艙位的庫存，結果導緻更多的旅客購買低價艙位，高價艙位預訂更少，循環往複直到人工幹預，此時已經造成較大的收入損失
。出現這種情況的原因在於低估瞭(le)旅客的高支付意願。

本文所摘錄内容将解釋在實際(jì)中應該(gāi)如何解決“價格漩渦”問題。

基於支付意願預測需求

在一個完全無限制或無差異的運價結構中，旅客必然會購買可利用的最低票價。如前所述，基於(yú)這樣的曆史預訂數據預測未來需求會導緻“漩渦”效應
。因而我們需要一種新的預測方法，能夠基於(yú)每位旅客可能的支付意願預測每個運價艙(cāng)位上的需求，這與根據旅客在以前航班上被允許支付的金額進行預測的方式正好相反。

Belobaba和Hopperstad（2004）給出瞭(le)上述思路的一種實現——稱爲“Q-forecasting”（Q預測(cè)）。

在現實中，多數航空公司的運價結構既不會完全無限制，也不會完全受限
，而是根據需求細分的要求處於“精簡的限制”或者半受限的狀态。Boyd和Kallesen（2004）提出瞭(le)一種預測方法，能夠區分價格導向型（低價的）需求——隻購買可利用的最低票價和産品，以及産品導向型（可伸縮的）需求——願意爲産品的特定屬性或因較少使用限制而支付較高票價。他們建議，在RMS數據庫中識别價格導向型和産品導向型需求，能使航空公司分别預測出兩種需求，並(bìng)可将之混合爲一種“混合型”預測結果。

混合預測方法最适宜用在半受限型運價結構中，這類運價結構以使用限制條件區分高價艙位和低價艙位，但低價艙位之間並(bìng)無差異。混合預測的基本思路是将所有的曆史預訂分配到兩個需求類型中，然後針對每個類型應用恰當的預測算法。在收益管理系統預處理曆史訂座數據時，如果旅客在訂座當時就選擇瞭(le)可用的最低票價，則這類旅客被認爲是價格導向的；如果在旅客訂座時還有更低的艙位可選但旅客購買瞭(le)較高的票價産品，則這類旅客被認爲是産品導向的。傳統基於時間序列統計模型的RM預測模塊可用於預測産品導向型需求，Q預測方法則可用於價格導向型需求。

Q預測及混合預測都對早前的收益管理預測方法提出瞭重大改進。由於在需求預測過程中顯式考慮瞭“可能的超買”，就使避免在原來較少限制的運價結構下必然出現的“價格漩渦”效應成爲可能。在半受限運價結構下的模拟測試說明，混合預測方法至少可提升航空公司收入2%（Reyes，2006）。如下圖所示，如果航空公司在最低價艙位6上接受的預訂請求較少，就能将旅客預訂需求“擠到”較高的運價艙位上。此時，平均客座率會出現輕微下降，但平均利潤率提升會使收入增加。