Ökonometrie und Statistik Yield Management, Fallbeispiel 6 Dr. Bertram Wassermann

Fallbeispiel 6: Überbuchungssteuerung Überbuchung: Es werden mehr Tickets verkauft als Kapazität vorhanden ist. Die Erfahrung zeigt: nicht alle Passagiere erscheinen zum Abflug. ZB. Bei Lufthansa 2004 5 Mio. Passagiere ~ 14k Jumbo Jets. (Frage: Was ist „faul“ an dieser Aussage?) Überbuchung -> Mittel zur besseren Auslastung der Ressourcen (Spoilage). -> aber auch Mittel zur Steigerung des Erlöses. Ökonomische Konsequenzen hängen von Tarifgestaltung ab: Typischer Weise nutzt man Flexibilität bei der Stornierung als Fencing Strategie zwischen unterschiedlichen Tarifen. Günstiger Tarif – nicht stornierbar Teurer Tarif – teil oder voll stornierbar. Oder Stornierung nach Aufzahlung möglich. Ein Storno kann zum völligen Erlösausfall führen. Buchungssteuerung ~ Erlössicherung + Resourcenschonung No-Show nimmt Leistung nicht in Anspruch, kein Storno oder Erstattung. Daraus ergeben sich zusätzliche Erlöse + Resourcenschonung Potentiellen Kosten: Denied Boarding, mehr Fluggäste als Plätze. Kostenloser Upgrade in höhere Beförderungsklasse Umbuchung oder Hotelkosten Es gibt gesetzliche Regelungen für Mindestentschädigung.

Fallbeispiel 6: Überbuchungssteuerung Überbuchungssteuerung zur Verhinderung von Spillage. Strenge Orientierung der Buchungsgrenzen an der Kapazität führt eventuell zur Abweisung von Nachfrage. In Folge werden auf Grund von Stornos aber wieder Kapazitäten verfügbar. Die abgewiesene Nachfrage ist aber verloren. (Spill) Prinzipieller Ablauf der Überbuchungssteuerung: X-Achse Zeit vor Abflug Y-Achse Buchungen, Net Bookings C … Kapazität Erstes Überbuchungslimit wird festgelegt. Erste (wenige) Buchungen treffen ein. Re-optimierungen des Überbuchungslimits -> senken Buchungen übersteigen Kapazität Anfragen werden abgelehnt, da Limit erreicht. Stornos und Buchungen halten sich die Waage. Stornos überwiegen, Net Bookings gehen zurück Re-optimierung des Überbuchungslimits -> senken Neue Buchungen führen wieder zu Überbuchung No-Shows verhindern (im Idealfall) Denied Boarding

Fallbeispiel 6: Überbuchungssteuerung Rechenmodell Basiert auf der Überlebenswahrscheinlichkeit pi jeder Buchung bi. Überlebenswahrscheinlichkeit pi muss geschätzt werden und hat viele Abhängigkeiten: Stornobedingungen, je höher der Erstattungsgrad desto höher Storno WS Ticket Preis Bonusprogramm oder Tombola Gewinn Kundeneigenschaften Segment: Urlauber, Geschäftskunden. Soziodemographie wie Alter, Geschlecht, Beruf … Nutzungshistorie, (z.B. Ist es ein Vielflieger, so ist Stornoverhalten bekannt) Externe Faktoren: Wetter, politische Lage, Katastrophen Zeit: Jahreszeit, Wochentag, Feiertage Die Schätzung der Überlebenswahrscheinlichkeiten kann mit Hilfe linearer Regressionstechniken erfolgen. Einzige Änderung, die notwendig ist: Lineare Regression benötigt eine metrische Zielvariable, die unbeschränkt ist, d.h. alle Werte in Richtung -∞ und +∞ zumindest theoretisch annehmen kann. Das trifft auf eine Wahrscheinlichkeit nicht zu. Mathematischer Trick: Die Logit – Transformation 𝑙𝑛( 𝑝 1−𝑝 )

Fallbeispiel 6: Überbuchungssteuerung Rechenmodell Vereinfachung des Modells: pi = p für alle Buchungen Lösung mit Hilfe der Binomialverteilung: Binomb(x,p) ~ der WS, dass bei b Buchungen mit einer ÜberlebensWS von p höchsten x Passagiere zum Abflug erscheinen. Das bedeutet, die WS, dass es zu mindestens einem Denied Boarding kommt, beträgt 1 - Binomb(C,p) mit C die Kapazität Will man nun mit einer Sicherheit von α (z.B. α = 0.99) garantieren, dass es zu keinem Denied Boarding kommt, muss man jenes b* suchen, so dass Binomb*(C,p) ≥ α und Binom(b*+1)(C,p) < α Ein Beispiel für α = 0,99 und C = 400 Sitzplätze p 0,95 0,90 0,85 0,80 b* 411 429 451 475

Fallbeispiel 6: Überbuchung bei ÖBB Diskussion: Was bedeutet Überbuchungssteuerung im Zugverkehr? Wann könnte es überhaupt eingesetzt werden? Was wären die Konsequenzen?