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

1. 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

2. Agenda • Terminologie • Contexte de la gestion des revenus pour une compagnie aérienne • Modèles classiques • Extensions naturelles • Récents développements • Questions

3. 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

4. Gestion des revenus Une vue globale Allocation des sièges “YIELD MANAGEMENT” Tarification “PRICING” Horaire “Scheduling - Fleet assignment”

5. 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.

6. 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.

7. 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.

8. 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.

9. Troisième génération RM application

10. 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

11. 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

12. 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

13. 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.

14. Modèle d’optimisation • Exemple, soit le leg suivant: • ClasseDemande moyenneÉcart-typeTarif Y 10 3 1000 B 15 5 700 M 20 7 500 Q 30 10 350 • La protection optimale de la classe Y sera trouvé avec la plus grande valeur de SY pour que EMSRY(SY) = RY*PY(SY) ≥ RB

15. 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

16. 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.

17. 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.

18. 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

19. 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.

20. 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.

21. 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.)

22. 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.

23. 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

24. 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

25. 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.

26. 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

27. MERCI