Вчера билет стоил 6 тысяч рублей, а сегодня на тот же рейс самый дешёвый вариант есть только за 10 тысяч. При этом в самолёте ещё десятки свободных мест. Зачем авиакомпании закрывать дешёвый тариф, если кресла пока не проданы?
Одно из объяснений — защита тарифных классов. Авиакомпания ограничивает продажи по дешёвому тарифу, чтобы оставить места для пассажиров, которые могут прийти позже и заплатить больше. Стоимость каждого тарифа при этом может остаться прежней, цена не пересчитывается. Для пассажира меняется только то, по какому тарифу он ещё может купить билет.
В этой статье разберём на примере одного рейсе, как из прогноза спроса получается лимит бронирования, а затем переведём этот расчёт на Python.
Два тарифа и правило Литтлвуда
Представим рейс на 100 мест в экономклассе. Билеты продаются по двум тарифам — за 6 000 и за 15 000 рублей. Здесь важно упомянуть, что тарифные классы используют один и тот же запас кресел, поэтому два пассажира разных тарифных классов могут сидеть рядом в одной кабине экономического класса, хотя заплатили разные суммы. Для примера упростим порядок продаж и примем следующие допущения. Сначала приходят покупатели дешёвых билетов, затем дорогих — как в жизни обычно и бывает. Дешёвых заявок достаточно, чтобы заполнить рейс, отмен нет и после закрытия дешёвого тарифа его покупатели не переходят на дорогой.
Если принять все дешёвые заявки, самолёт заполнится и принесёт 600 000 рублей. Можно продать по дешёвому тарифу только 80 билетов и оставить ещё 20 мест для дорогих заявок. Тогда уровень защиты равен 20, а лимит бронирования дешёвого класса — 80. Если на все сохранённые места придут покупатели, выручка составит 780 000 рублей. Если дорогих билетов купят только десять, выручка составит 630 000 рублей, а остальные десять кресел останутся пустыми.
Обозначим количество защищённых мест через, а будущий спрос на дорогой тариф — через
. При наших допущениях ожидаемая выручка равна
Первое слагаемое — выручка от дешёвых билетов. Второе зависит от того, сколько дорогих билетов удастся продать. Даже если придёт 30 покупателей, при защите 20 мест можно будет удовлетворить только 20 заявок. А если покупателей всего 10, столько билетов и будет продано, сколько бы мест мы ни сохранили.
Возьмём условный прогноз. С вероятностью 20% дорогих покупателей будет 10, с вероятностью 50% — 20, с вероятностью 30% — 30. Посчитаем среднюю выручку для нескольких уровней защиты.
|
Защищено мест |
Продано дешёвых билетов |
Ожидаемая выручка |
|---|---|---|
|
0 |
100 |
600 000 ₽ |
|
10 |
90 |
690 000 ₽ |
|
20 |
80 |
750 000 ₽ |
|
30 |
70 |
735 000 ₽ |
Почему 30 мест хуже, чем 20? Ради дополнительных десяти мест авиакомпания отказывается от 60 000 рублей дешёвой выручки. Продать их по дорогому тарифу получится в одном сценарии — если придут 30 покупателей. Он случается с вероятностью 30%, поэтому ожидаемая выручка от этих десяти мест равна рублей. В среднем увеличение защиты с 20 до 30 мест обходится авиакомпании в 15 000 рублей.
Правило Литтлвуда позволяет найти границу, сравнивая выручку по одному месту за раз. Если осталось кресел, дешёвую заявку по цене
принимают при условии
где — цена дорогого билета. Если осталось 20 кресел, а дорогих покупателей придёт 19, они разместятся даже после продажи одного дешёвого билета. Сохранённое двадцатое кресло даёт дополнительную дорогую продажу только при спросе от 20 заявок. Поэтому справа стоит цена дорогого билета, умноженная на вероятность этого события.
Тот же расчёт можно записать через изменение ожидаемой выручки при увеличении защиты с до
:
В нашем примере вероятность спроса не меньше 20 равна 80%, поэтому ожидаемая выручка от сохранения двадцатого места — 12 000 рублей. Для двадцать первого места вероятность уже 30%, а ожидаемая выручка — 4 500 рублей. Дешёвая продажа приносит 6 000, так что двадцатое место сохраняем, а двадцать первое продаём. Отсюда и получается защита в 20 мест.
Три тарифа и метод Белобабы
В реальной жизни тарифов больше двух. Теперь добавим тариф за 10 000 рублей. Понадобятся две границы. Первая определяет, сколько мест сохранить для тарифа за 15 000 рублей. Вторая — сколько мест сохранить для тарифов за 10 000 и 15 000 вместе. Если границы равны 20 и 45, то 20 мест входят в общую защиту 45. Это называется вложенной защитой.
Чтобы посчитать вторую границу, воспользуемся методом EMSR‑b Питера Белобабы. Он условно объединяет более дорогие тарифы в одну группу и применяет к ней ту же логику, что и правило Литтлвуда. Тарифы нумеруются от дорогого к дешёвому. Для первых классов складываем спрос и рассчитываем средневзвешенную цену:
Здесь — будущий спрос на класс
,
— средний спрос, а
— цена билета. Чем больше покупок ожидается в классе, тем сильнее его цена влияет на среднюю. Затем сравниваем ожидаемую выручку от сохранения места для всей группы с ценой следующего, более дешёвого класса. Для целых мест уровень защиты
— наибольший номер
, для которого выполняется условие
Если ни одно место не проходит эту проверку, уровень защиты равен нулю. При равенстве обе заявки дают одинаковую ожидаемую выручку в рамках модели. В коде ниже такое место остаётся доступным для дешёвого тарифа.
Оставим прежний прогноз для билетов за 15 000 рублей и добавим по 25 заявок на тариф за 10 000 в каждом сценарии. Средний спрос на самый дорогой билет равен . Средневзвешенная цена группы получается такой:
Суммарный спрос двух классов теперь может составить 35, 45 или 55 мест с теми же вероятностями. Для 45-го места вероятность продажи в этой группе — 80%, а ожидаемая выручка — около 9 826 рублей. Для 46-го вероятность падает до 30%, а выручка — примерно до 3 685 рублей. По обе стороны от цены в 6 000 рублей получаются разные решения, поэтому для двух дорогих классов вместе защищаем 45 мест. Границу между тарифами за 15 000 и 10 000 считаем отдельно по спросу на самый дорогой тариф. Она остаётся на 20 местах.
|
Осталось свободных мест |
Какие тарифы открыты в примере |
|---|---|
|
Больше 45 |
6 000, 10 000 и 15 000 ₽ |
|
От 21 до 45 |
10 000 и 15 000 ₽ |
|
От 1 до 20 |
15 000 ₽ |
Дорогой класс может продаваться с самого начала. Если кто‑то купит билет за 15 000 при остатке в 46 мест, свободных кресел станет 45, и дешёвый класс закроется. Покупатель увидит минимальную цену в 10 000 рублей, хотя цены всех трёх тарифов остались прежними. При непосредственном управлении ценой система могла бы пересчитать стоимость самого предложения, например до 7 500 рублей. Эти механизмы могут работать вместе. По одному скачку цены на сайте определить его причину нельзя.
Как посчитать защиту на Python
Вероятностьв нашем примере — это сумма вероятностей всех сценариев, в которых спрос не меньше
. В функции
littlewood перебираем места по порядку и останавливаемся на первом, которое выгоднее продать дешевле сейчас. В emsr_b сначала собираем прогноз для группы более дорогих классов, а затем вызываем ту же функцию со средневзвешенной ценой. Вероятности задаём через Fraction, чтобы сравнивать значения без ошибок округления на границе.
from fractions import Fraction as Q
def littlewood(capacity, low_fare, high_fare, forecast):
"""forecast: пары (спрос, вероятность)."""
for seat in range(1, capacity + 1):
tail = sum(prob for demand, prob in forecast if demand >= seat)
if high_fare * tail <= low_fare:
return seat - 1
return capacity
def emsr_b(capacity, fares, scenarios):
"""Тарифы по убыванию. Сценарий: ((спросы по классам), вероятность)."""
means = [
sum(row[i] * prob for row, prob in scenarios)
for i in range(len(fares) - 1)
]
cutoffs = [0]
for j in range(1, len(fares)):
total_mean = sum(means[:j])
if total_mean:
weighted_sum = sum(p * m for p, m in zip(fares[:j], means[:j]))
group_fare = weighted_sum / total_mean
group_forecast = [(sum(row[:j]), prob) for row, prob in scenarios]
level = littlewood(capacity, fares[j], group_fare, group_forecast)
else:
level = 0
cutoffs.append(max(cutoffs[-1], level))
return cutoffs
def cheapest_open(remaining, fares, cutoffs):
return min(
(fare for fare, limit in zip(fares, cutoffs) if remaining > limit),
default=None,
)
high_demand = [(10, Q(1, 5)), (20, Q(1, 2)), (30, Q(3, 10))]
protection = littlewood(100, 6_000, 15_000, high_demand)
print(protection, 100 - protection)
fares = (15_000, 10_000, 6_000)
scenarios = [((demand, 25), prob) for demand, prob in high_demand]
cutoffs = emsr_b(100, fares, scenarios)
print(cutoffs)
for remaining in (46, 45, 21, 20, 0):
print(remaining, cheapest_open(remaining, fares, cutoffs))
В сценариях указаны прогнозы только для классов за 15 000 и 10 000 рублей. Спрос на самый дешёвый тариф не входит ни в одну группу, для которой мы сохраняем места. Начальный порог 0 означает, что самый дорогой тариф открыт, пока есть хотя бы одно свободное кресло. Вызов max сохраняет вложенность, если на другом наборе данных очередная оценка EMSR‑b окажется ниже предыдущей. В нашем примере пороги и так идут по возрастанию.
Результат запуска:
20 80
[0, 20, 45]
46 6000
45 10000
21 10000
20 15000
0 None
Первые два числа — уровень защиты и лимит дешёвых продаж для случая с двумя тарифами. Дальше идут пороги для трёх тарифов и проверка того, что происходит на границах. Именно здесь видно, почему одно проданное кресло может изменить цену на сайте сразу на 4 000 рублей. После этой продажи остаток достигает порога, и система закрывает тариф за 6 000. Если прогноз дорогого спроса позже снизится, порог можно пересчитать и открыть тариф снова. На практике качество такого решения зависит от прогноза, который подаётся на вход, а переход между тарифами в этом примере объясняет одно сравнение: остаток свободных мест должен быть больше порога.
Источники
-
van Ryzin G. J., Talluri K. T. An Introduction to Revenue Management. 2005. С. 154–160 — правило Литтлвуда, вложенные уровни защиты и формулы EMSR‑b.
-
Belobaba P. P. Air Travel Demand and Airline Seat Inventory Management. MIT, 1987. Разработка EMSR и управление вложенными тарифными классами.
-
Belobaba P. P. Application of a Probabilistic Decision Model to Airline Seat Inventory Control. Operations Research, 1989, 37(2), 183–197. Применение и пересмотр лимитов бронирования.
-
Носова Е. В. Моделирование процесса управления доходами авиакомпании на уровне рейсов. Известия РГПУ им. А. И. Герцена, 2011, № 141, с. 70–75. Прогнозирование спроса и расчёт лимитов.
-
Wittman M. D., Belobaba P. P. Dynamic Pricing Mechanisms for the Airline Industry: A Definitional Framework. Journal of Revenue and Pricing Management, 2019, 18(2), 100–106. Управление доступностью тарифов и изменение цены предложения.
Автор: Zoya2002kota

