研究者： Itir Karaesmen 和 Michael Ball

Smith Podcast

航空公司需要在正确的时间，以正确的价格，把舱位卖给正确的顾客。舱位等级或票价产品越多，对于每一产品的营业收入优化就越困难。航空公司已经转向使用复杂的数学模型来进行营业收入管理。

酒店业、邮轮业、以及租车业都采用相似的复杂模型进行营业收入管理。这类模型需要知道有多少顾客在不远的将来想要买航空公司的舱位，也就是说他们要对需求做出预报来决定未来的产品。然而，行业需求预报方面的困难性和不精确性可以说是名声狼藉。经济环境状况、旅行需求的季节性变化、甚至其他航空公司的竞争行为，都为获得可靠的信息增添了更多困难。

这些获取精确需求预报方面的固有挑战，是限制某些新行业营业收入管理应用合理性的主要因素，也会导致这些行业的新产品产生问题，例如：新的航线，或者新加入酒店连锁的地产。

避开需求预报的问题可以为这些困难提供一个健全的解决方案。管理科学专业 Orkand 公司教授 Michael Ball、副教授 Itir Karaesmen、以及两名博士研究生 Yingjie Lan 和 Huina Gao 共同研究了这一课题，并且开发出了利用最小需求信息进行营业收入管理的模型。

研究者们没有试图建立一个更好的预报系统，而是利用最少量的信息提供了一个健全的方法，用以有效地对应供给与需求。他们创立了一个模型，为航空公司在没有大量需求信息的情况下，以最差情境进行了营业收入最大化。实际上，这个模型不需要任何需求信息，也不需要任何超越简单的进出港总计需求的到达过程。这类信息更容易依赖专家判断来获得的，尤其是在没有历史销售数据的情况下。这种方法依靠在线算法的竞争性分析，并且关注“遗憾”，也就是衡量由于缺乏信息导致绩效的降低：它对比了销售人员在需求信息有限条件下的绩效和在需求信息充分条件下的绩效。

由于他们在各种可能的需求状况下都保证了一定的绩效水平，因此从这个模型推导出的营销策略是健全的。尽管它使用很少的信息，但是由这些策略产生的平均营业收入值却与其他著名的推导过程不相上下。

这是反直观的，想像一下你的信息有限但仍然能够得到结果，而且这个结果还像由众多数据推导出的结果一样可靠。

Karaesmen 说：“利用很少的信息，仍然可以得到很好的结果，这使航空公司可以很好地做决策。在某些情况下，你永远也没有适用的数据，你还可以做决策吗？这篇论文告诉你是可以的，而且比现有的其他方法还要快得多。”

像 Virgin America 这样新组建的或者规模较小的航空公司，或者航空公司开辟新航线时，就会看到这个模型的有用之处。因为它不需要现存数据流支持的需求预报模型就能进行可靠的营业收入管理。

Karaesmen 说：“预报是一件不容易的事情，因为航空公司和酒店只有他们已完成销售的数据，不知道未来可能发生的销售数据。当你有了大量的数据和使用更精确的方法时才开始创业，是创业的安全方式。”

但是对在需求预报方面大量投资的航空公司来说，它还可以被用做质量控制的方法。Ball 和 Karaesmen 的模型可作为质量控制模块在后台运转，如果实际绩效与模型计算的结果差距过大，管理者则能够在问题爆发之前找到失误之处。

这项研究是基于此前 Ball教授（卑诗省Maurice Queyranne 大学）的研究成果。 Ball教授采用了在线算法的竞争性分析产生营销策略而不依赖任何需求信息。未来的研究将增加问题的复杂性，在这个模型之上引入机票超售问题和同业竞争的因素。

题为《利用有限需求信息进行营业收入管理》的论文将发表在《管理科学》杂志。此项研究的部分资金来自国家科学基金会的资助。欲了解此项研究的详情，请通过电子邮箱联系 ikaraes@rhsmith.umd.edu 或者 mball@rhsmith.umd.edu。