竞争航空市场中行程级订座预测的机器学习方法
最优化与控制
2021-03-16 v1 机器学习
摘要
需求预测在收益管理中极为重要。毕竟，它是一个旨在最大化收益的优化方法的输入之一。大多数（如果不是全部）预测方法使用历史数据预测未来，而忽略了“为什么”。在本文中，我们结合了来自多个来源的数据，包括竞争者数据、定价、社交媒体、安全性和航空公司评论。接下来，我们研究了五种竞争者定价变动，并假设它们会影响客户在面对一组行程时的行为。使用十个不同 OD-对的实际航空公司数据，并借助极端梯度提升（Extreme Gradient Boosting），我们表明客户行为可被归类为价格敏感型、时刻表敏感型和舒适度 OD。通过模拟研究，我们表明该模型产生的预测带来的收益高于传统的时序预测。
引用
@article{arxiv.2103.08405,
title = {A machine learning approach to itinerary-level booking prediction in competitive airline markets},
author = {Daniel Hopman and Ger Koole and Rob van der Mei},
journal= {arXiv preprint arXiv:2103.08405},
year = {2021}
}